国家馆、公共馆、高校馆和专业馆的风险差异
前几篇反复出现隐私、复核、供应商和退出机制。这些是共同底线，却不能直接拼成一份全国通用的操作手册。政策一旦脱离机构使命，写得越整齐，越可能在关键处失真。
政策模板很诱人。下载一份成熟机构的文件，替换馆名，删掉几段不适用的内容，一项制度似乎就此完成。
这种办法适合统一页边距，不适合分配责任。
国家图书馆面对国家文化数据，公共图书馆服务整个社区，高校图书馆嵌入科研与教学，医学、法律等专业图书馆处理高风险证据。它们可以共享隐私、透明、人工负责等原则，却不能照抄同一张风险清单。
国家图书馆：时间比产品生命周期长得多
国家图书馆的职责包括国家馆藏、书目控制、数字保存、文化遗产利用和国家级知识基础设施。它使用AI时，首先要考虑的不是某项功能能否提高当年效率，而是生成结果会不会进入长期记录。
美国国会图书馆公布AI原则和使用案例，把文本转语音、图像分割、元数据生成、推荐和信息抽取区分为不同成熟阶段。澳大利亚国家图书馆成立跨职能治理安排，把AI与政府负责任使用要求、国家馆藏使命和内部流程结合。芬兰国家图书馆则把开放源码、开放数据、少数语言和资源效率纳入原则。[1][2][3]
这些重点与国家馆职责相称。错误的活动文案可以撤回，错误元数据进入国家书目后却可能被各地系统复制。一个模型若持续忽视少数语言，影响的也不只是一次检索，而是哪些文化对象能够被看见。
我国国家图书馆和省级图书馆制定政策时，应优先讨论文化数据能否用于训练、国家书目中的AI元数据怎样标识和抽检、数字化资源如何授权、模型生成解释能否进入长期保存，以及公共文化数据开放与权利保护怎样协调。
公共图书馆：便利必须接受权利审查
公共图书馆的读者构成复杂。儿童、老年人、求职者、新移民、残障人士和处于困难中的人，都可能使用同一项服务。算法若设置不当，受影响的往往是最难申诉的人。
多伦多公共图书馆要求部署前考虑信息安全、隐私和人权影响，对外生成内容由员工审核，实质性AI内容予以标识。西雅图公共图书馆把审批扩展到免费和嵌入式AI，禁止擅自输入敏感与保密数据，并要求参考咨询和公共传播内容接受主题审核。[4][5]
公共馆还要处理数字包容。提供AI课程不能变成产品推介；使用智能客服不能取消人工入口；个性化推荐不能以读者不理解的方式建立画像。政策应当允许公众知道、拒绝和申诉。
公共资金也带来公开责任。为何采购，解决什么问题，与非AI方案相比有何收益，试点失败后是否停止，都不应只留在内部会议上。
高校图书馆：它是制度翻译者，不是纪律警察
高校图书馆最早感受到生成式AI冲击。师生需要了解课程规定、期刊政策、引用方式、研究数据和工具风险，图书馆因此成为制度翻译者。
深圳大学、武汉大学、大连理工大学、香港中文大学（深圳）等馆已经提供专题资源、使用规范或引文指导。[6][7][8][9] 这些工作有现实价值，但高校馆不宜把角色缩成“抓作弊”。不同学科对AI辅助写作、代码、翻译、图像和数据分析的容忍度不同，统一口号往往掩盖真正的学科判断。
高校馆自己的治理同样重要。许可数据库内容能否输入外部模型？研究者上传未发表论文会发生什么？图书馆提供的AI检索是否改变证据发现过程？学科馆员怎样解释工具局限？这些问题需要与科研管理、伦理审查、信息技术和法务协同。
高校馆政策的特色，应是把分散在课程、期刊、研究伦理、数据安全和数据库许可中的规则翻译为研究流程，而不是再写一份抽象的“负责任使用倡议”。
专业图书馆：错误的代价更具体
医学、法律、党政、军事、企业和科研机构图书馆面临更高的证据与保密要求。一个看似合理的错误答案，可能影响诊疗、诉讼、决策或商业秘密。
这类图书馆应提高来源可追溯、数据隔离和专业复核门槛。公共模型原则上不应处理保密数据；面向专业人员的回答要能回到原始证据；自动摘要不得替代全文判断；模型无法说明来源时，其流畅程度没有证据价值。
专业馆还要防止一种管理冲动：认为专业人员能够识别错误，因而可以放宽系统要求。恰恰因为使用场景后果严重，机构更不能把全部风险交给个人经验。
学校图书馆：孩子不是小号的成人
学校图书馆的政策要同时处理未成年人数据、认知发展、学习评价和家长知情。问题并不止于学生会不会用AI代写。
如果生成式工具过早替代检索、阅读、概括和表达，学生可能交出更整齐的作业，却没有形成相应能力。学校图书馆的AI素养教育，应把“何时不用”纳入课程，也要让学生理解模型为何会编造、训练数据怎样影响答案、个人信息为何不能随意提交。
面向未成年人的工具需要更严格的默认设置、内容审核和数据保护。商业产品的教育版名称，不是安全证明。
共同底线与不同细则
馆种有别，不意味着各写各的、互不相干。行业层面可以形成几项共同底线：敏感数据不得进入未经批准的系统；影响用户权益的结果不得仅由机器决定；实质性AI参与需要适当披露；高风险应用要有复核和申诉；供应商接受基本审查；用户保有人工帮助和退出选择。
在共同底线之下，再由不同馆种制定场景细则。国家馆强调文化数据和长期真实性，公共馆强调社区权利，高校馆强调研究流程，专业馆强调证据与保密，学校馆强调儿童保护与学习能力。
模板的价值，是提醒机构提出正确问题，不是替机构回答问题。把别人的政策复制过来很容易，把自己的责任想明白很难。
责任想清以后，政策仍未完成。它还要经受员工使用、公众质疑、项目失败和供应商变更。制度是否可靠，不应只看发布时写得怎样，还要看遭遇异议以后怎样修正。
主要资料
- Library of Congress. (2024). Artificial Intelligence at the Library of Congress. https://www.loc.gov/digital-strategy/artificial-intelligence/
- National Library of Australia. (2025). Artificial Intelligence Framework. https://www.library.gov.au/sites/default/files/documents/2025-03/nla-ai-framework-1-0.pdf
- National Library of Finland. (2025). Principles of AI Use at the National Library of Finland. https://www.kansalliskirjasto.fi/en/about-us/duties-and-strategy/library-policies/principles-ai-use-national-library-finland
- Toronto Public Library. (2025). Artificial Intelligence Policy. https://tpl.ca/policies-and-terms-of-use/artificial-intelligence-policy/
- The Seattle Public Library. (2025). Library Use of Artificial Intelligence. https://www.spl.org/about-us/policies/library-use-of-artificial-intelligence
- 深圳大学图书馆：《生成式人工智能专题》，https://www.lib.szu.edu.cn/learning/ai
- 武汉大学图书馆：《AI使用指南和规范》，https://oldwww.lib.whu.edu.cn/webfile/category/1105.html
- 大连理工大学图书馆：《AIGC使用规范及著录建议》，https://www.lib.dlut.edu.cn/index/xxsyjy/AIsyzt/AIGCsygfjzljy.htm
- 香港中文大学（深圳）图书馆：《引文指南》，https://library.cuhk.edu.cn/zh-hans/citation-guides
留下评论