← #799

把圣经做成 RAG 数据库

查看原文 HN 讨论

文章摘要

CrossCanon（crosscanon.com）是一个把圣经做成检索增强生成（RAG）数据库的语义搜索工具，其核心理念是”按主题搜索圣经经文”。创作者 jacksonastone 把 WEB（World English Bible，世界英文圣经）译本索引进了一个向量数据库，使用户可以用自然语言或主题词去检索语义上相近的经文，而不只是做关键词匹配。

它的工作方式是典型的 RAG 检索：用户输入一个主题查询，系统从已索引的圣经文本中检索出语义最相关的段落。作者举的一个生动例子是，搜索”more money more problems（钱越多麻烦越多）”会返回《传道书》5:9-13 中关于财富空虚的经文——尽管原文里并没有这几个现代俚语词，但语义向量成功捕捉到了主题的契合。CrossCanon 还提供跨教派的支持，覆盖了世界英文圣经的新教（Protestant，默认）、天主教（Catholic）和东正教（Orthodox）三套正典，用户可以筛选和搜索不同传统下的经文。

技术上，作者选用 WEB 译本是因为它是公有领域、许可宽松的版本。初始实现中，针对一个 4GB 索引做一次向量搜索大约要 15 秒；作者后来报告通过优化实现了约 6 倍的速度提升。本质上，这个项目把圣经从一本线性的书，转变成了一个可按主题检索、跨正典传统访问的语义数据库。

HN 评论精华

• kordlessagain：从技术角度给出建议，讨论了语料库索引方法，并提供了混合检索（hybrid retrieval）的相关资源。

• bigggbob：针对 15 秒的初始延迟，推荐了替代的向量数据库方案以改善延迟。评论区还提到了 zvec（进程内向量数据库）和 LUME 检索原语等优化思路。

• 关于数据与译本选择的讨论：使用公有领域的 WEB 译本受到认可；新教和天主教正典已纳入，而东正教正典的复杂性被特别提及。社区也就是否纳入次经（Deuterocanonical books）以及支持多译本展开了讨论。

• mcswell：指出语义搜索确实成功浮现了上下文相关的经文，例如搜”government（政府）”会返回《罗马书》13 章，外加《但以理书》《以斯拉记》等相关段落。

• hogehoge51：演示了有趣的跨语言语义映射案例，用日语搜索竟返回了关于”外邦人/外国人”的经文引用。

• 社区贡献的同类项目：用户 asim 为《古兰经》做了类似系统，还包含圣训（Hadith）和真主的尊名；andrethegiant 做了 “crazy.church”，用于跨三大宗教对比经文；jnamaya 开发了用 RAG 加 LLM 解经的 “Bible Scholar” agent。

• 争议讨论：评论区还就《哥林多前书》7:4（关于夫妻身体的相互权柄）展开了较长的神学辩论。condwanaland 批评该经文关于”身体支配权”的措辞，而 danhau 则以上下文分析回应，强调应结合前后经文以及保罗关于爱的更广泛教导来正确研读经文。