第4章　抽出所有關鍵字——第一次擷取的姿態

想想第一次攤開 IP 文件的瞬間。一本規則書、幾篇短篇、一疊企劃書放在眼前，而你必須從中取出這個 IP 的整個關係網。該從哪裡開始，又該先抓住什麼？

「第一次擷取」這個名稱看似簡單，這個階段採取的姿態卻決定了 Librarying 整體的質地。第一階段一旦模糊，後面三個階段都會模糊；第一階段紮實，後面三個階段便會輕鬆得多。

統治整個階段的原則只有一個：先收集，後整理。 科學家若一邊驗證假設一邊蒐集資料，就會落入確認偏誤；第一次擷取也一樣。若在拉出關鍵字時，同時開始判斷「這是 hub 還是 leaf」「第二次整合會如何歸併」，便會錯過真正好的關鍵字。因此第一次只專注於抽出，其他判斷交給後續階段。

這正是牛津英語詞典（OED）編纂者在 1860 年代採取的姿態。他們把數萬本書分給數千名志工，要求每逢一個單字出現，便在寬十公分的一張卡片上寫下單字與一行出處。約五百萬張卡片累積後，整理與整合才開始。一張張卡片成為一列；開始整理前堆成山的卡片堆，就是第一次擷取的成果物。Librarying 的第一次也完全遵循這個姿態。

這就是第一次合格線設為 60% 的理由。即使有重複、同一人物以不同寫法進入兩次、分類稍有偏差，在第一次都無妨；分類不清楚的項目先放進最接近的分類，將決定延後到下一階段。

核心是不遺漏。因為一旦漏掉的關鍵字，後續階段不會再發現；已進入的關鍵字中不必要者可在第二次整合時整理刪除，但一開始未能進入的，就永遠不會進入。

一頁裡有幾個關鍵字

先做一個簡單實驗。拿出讀者所經營 IP 的一本規則書、短篇或企劃書，翻開一頁。那一頁裡有幾個關鍵字？

每個人的答案不同。有人會說五個，有人會說二十個。差異來自於你把關鍵字抓到什麼程度。

以某本規則書的一頁為例。假設該頁用一段描寫現代獵人題材世界觀「共同」的一個場面：「姜時宇在 13 號 Gate 前拿出等級卡。身為無屬性的他，卡上的等級欄仍是空白。獵人協會審查官尹瑞京向他舉起濃度計測器，指針卻指向空白，宣告無法測量。尹瑞京想起十八年前的集體再覺醒事故。當裂隙之光從 Gate 的另一端漏出時，時宇的視野中始終沒有亮起系統視窗的藍光。」

平常讀來像是一段自然的描寫；以第一次擷取的視線來看，這一段至少含有十二個關鍵字：兩個人物名（姜時宇、尹瑞京）、一個職稱（審查官）、兩個場所（13 號 Gate、獵人協會）、兩個物件（等級卡、濃度計測器）、一個時點（十八年前）、一個事件（集體再覺醒事故）、兩個固有詞彙（無屬性、無法測量）、一個運作原理（系統視窗）。

還可能更多。若裂隙之光是在這個 IP 裡每個 Gate 都反覆出現的視覺影像，它既是埋在場所中的描寫，也屬於場面調度。若等級卡的空欄反覆象徵無屬性，它既是物件，也屬於場面調度。一頁可以抽出的關鍵字數量，取決於抽取姿態的深度。Librarying 的第一次擷取追求的是盡可能深的抽取姿態。

看看這十二個關鍵字在九分類中位於何處。「無屬性」與「無法測量」是必須向不熟悉 IP 的人說明的固有詞彙，因此是專門術語；姜時宇與尹瑞京作為行動者運作，因此是人物；「審查官」在本文中也指實際人物，所以也是人物。但若它用作協會職位體系的抽象，便是概念。13 號 Gate 與獵人協會是背景空間，所以是場所；等級卡與濃度計測器是可拿在手上的物，所以是物件。「十八年前的集體再覺醒事故」是發生在特定時點的事，所以是事件；「系統視窗」是顯示能力與等級的運作原理，所以是裝置；「裂隙之光」是每座 Gate 都反覆出現的氛圍元素，所以是場面調度。

分配上有三點值得指出。第一，「審查官」歸為人物，是因為本文中它指實際人物；若作為協會職位體系的抽象，便是概念。第二，等級卡是物件，但若空欄反覆成為無屬性的象徵，第一次也應重複登錄在場面調度中，於第二次再決定。第三，分類不明確時，因合格線為 60%，第一次先放在最接近的分類並繼續前進。這是把一段的關鍵字變成五欄 CSV 一組列的第一個練習。

九分類：按敘事功能分類

Librarying 將關鍵字抽入九個分類，本書稱之為九分類：專門術語、人物、場所、物件、事件、裝置、場面調度、概念、價值。一個 IP 的任何關鍵字都被安排進其中一類，必要時進入兩類。

九分類都以「這個關鍵字在敘事裡發揮什麼功能」為準，這種劃分法稱為敘事功能分類。字母順序等形式分類、重要度分類、出現頻率分類，無法說明「為什麼這些關鍵字在同一組」；敘事功能分類則有清楚根據：同組關鍵字在故事中都扮演相同角色。人物分類的所有關鍵字都作為行動者運作，場所分類的所有關鍵字都作為背景運作。這種共同功能，無論撰寫表題語敘述或出口工作使用 Vault，都有幫助。

第六章介紹的世界觀軸是第二個分類基準。兩個基準各自獨立地為一個關鍵字定位：九分類若是敘事功能的 X 軸，世界觀軸便是 IP 設計的 Y 軸。暫時只需記得，九分類是敘事功能分類。

九個分類可以三個一組地展開。

固有詞彙與人的類別。 專門術語是只存在於 IP 的固有詞彙。「黑空」、「棺材」、「神器」、「植入物」、「次元移動」等，所有必須向不了解該 IP 的人說明的詞彙都在這裡。它是第一次最先要填到飽和的分類，也常占據 hub 的核心。人物是 IP 中出現的所有人格體：主角、配角、跑龍套角色、回憶中的人物、無名職稱呼號全都包括；不只人，作為人格體運作的 AI、靈魂、神也包括在內。同一人物若以多個寫法出現，每個寫法各自擷取，歸併工作放在第二次。家門、勢力、教團等人的集合，若像單一人格體般運作則為人物，若像抽象體系般運作則為概念；跨兩類時以兩列登錄。

空間與物件的類別。 場所是從城市、地域、次元界、建築到一間房的一切空間。直接出現或僅被提到的場所都要抽出。有從國家到城市、到一座宅邸、再到其中餐廳的階層時，第一次先平面抽出，階層留在第二次整理。物件是一切可拿在手上的東西：工具、裝備、道具、食物、材料、家具、飾品、標記物都在此處。看似微小的物件也可能後來成為重要象徵，不能遺漏。裝置是 IP 的運作原理與敘事裝置：遊戲機制、魔法規則、系統功能，以及伏筆、反覆母題、敘述者介入方式等敘事運作原理。這是 hub 表題語比重很大的分類。若物件與裝置混淆，例如魔杖，運作原理為核心時歸裝置，形狀、材質、持有經歷為核心時歸物件；兩者皆有則兩者皆登錄。

時間、氛圍與抽象的類別。 事件是作品中發生的事：帶有時點、結果與相關人物的情節、閃回與各種發生。事件分類是在整理 IP 的時間軸；第一次若毫不遺漏地抽出，第二次便能排列事件主表，讓 IP 的時間線一覽無遺。

場面調度是構成 IP 氛圍的元素：視覺與聽覺的氣氛、反覆的背景影像、象徵性出現的色彩與聲音。若下雨天在角色每個轉折點出現，「雨」便是場面調度關鍵字。它不是以實體對象出現在本文，而是融入氛圍，因此常在第一次擷取漏掉。給 AI 工作夥伴九分類指南時，若充分附上場面調度範例，準確度會提高。

概念是抽象概念：世界的設定原理、規範、法則、社會體系、制度，以及本文預設的運作原則都在此處。「她的嫁妝是五千英鎊」這一句預設了婚姻經濟學；「他沒有獲授貴族爵位的資格」預設了貴族爵位體系。含意關鍵字常被 AI 工作夥伴漏掉，所以人在宏觀檢收時要再看一次。

價值是 IP 所傳達的東西：主題意識、情感、關係性、反覆母題，以及「復仇」「犧牲」「自由」「家族」等構成核心訊息的抽象層次。概念是「世界如何運作」，價值則是「在那個世界裡什麼重要、什麼正確」。

分類邊界模糊時，第一次同時放進兩類、在第二次再決定，這個原則始終一致。第一次的合格線是 60%，而遺漏的損失更大。

五欄 CSV 的一列

九分類抽出的關鍵字會逐列整理到五欄 CSV。一個關鍵字一列，資訊分布於五格。

IDX 是列序號與區別各列的唯一編號；分類表示九分類中的哪一類；關鍵字照原文出現的韓語或英語寫法記錄；說明是一兩行定義；出處記錄它出現於哪份文件的哪個位置。

一個 IP 的第一次擷取結果，是五千至一萬五千列這種五欄資料集合而成的一張表。

關鍵字欄保留原文寫法，因此同一關鍵字若以「黑空」與「黑色煙霧」出現，兩列各自保存其寫法；兩者是否同義留給第二次整合決定。英文名、羅馬字等翻譯候選不在此欄決定，而在第二次的十三欄決定。說明欄是一兩行定義，若不清楚，只寫「推定為○○」並在第二次修整；出處欄則必須最準確，因為出處一旦模糊，下一階段就無法從原文重新找到該關鍵字。

人必須直接抽出的東西

第一次擷取由 AI 工作夥伴承擔核心，但仍有幾類必須由人直接抽出。第一是細微的分類判斷，例如物件還是裝置、事件還是概念。把九分類指南交給 AI 工作夥伴，大體能分得好；但在真正模糊的地方，哪一側適合本 IP，只有人知道。開始工作時先訂出「本 IP 的魔杖類歸裝置」「職稱呼號歸人物」等標準，寫進九分類指南一併交付，第一次擷取便會保持一致的質地。

初次辨認新領域也是人的工作。若新出現的關鍵字沒有一類完全吻合，由人決定是否新設分類；但實務上第一次先放進最接近的一類，是否新設留在第二次整合篩選。

接著人要追蹤僅以代名詞或指示詞出現的關鍵字：如「他進來了」的他、「在那裡見面」的那裡。依文脈推定分類並抽出，且在關鍵字欄標明「他（推定：人物）」「那裡（推定：場所）」，第二次再確認。

一部作品裡只以代名詞出現的人物或場所，常在另一部作品才得到名稱：第一部的「他」可能在第五部才被命名為姜時宇。第一次漏掉這個「他」，第五部的姜時宇便永遠無法與第一部連起來。AI 工作夥伴常漏掉此處，因此第一次擷取後，人要再掃讀同一文件一次，標示代名詞與指示詞關鍵字；每份文件約需十五至三十分鐘。

最後留給人的是宏觀檢收。第一次完成後，掃一眼結果表，查看九分類中是否某一類異常空白——AI 可能整類漏掉；或某一類異常膨脹——那是該類需要再細分的信號。這不是精讀整張表，而是看分類合計來抓異常值，約三十分鐘即可完成。

委派給 AI 工作夥伴

此處開始的是 AI 工作夥伴承擔的第一次擷取主工作。過去做法是人把大原稿切成適當行數後再讓它讀；目前標準不同。輸入文字先整體正規化一次，準備成可確認關鍵字出自哪個檔案、哪個行範圍的形式。AI 工作夥伴不會因擔心篇幅上限而只讀前半就停下，而是集中從提供的完整文字做全量擷取。

無論規則書的一章、短篇一篇、企劃書一份，都以一個區塊為單位。把九分類指南與五欄 CSV 格式一起交付，AI 工作夥伴便閱讀文件，按九分類抽出關鍵字並回傳五欄 CSV。短篇小說的本文、作品說明、術語集、作者筆記不採同一方法：本文以用例為中心，作品說明作為設定密度高的來源，術語集作為術語與說明的配對，後設評論通常排除。規則書的規則定義作為專門術語與裝置；數值與表格不只抽數字，也抽單位與脈絡。這就是為何要先說明輸入種類。

委派以平行方式進行。若一個 IP 有五十份輸入文件，多位 AI 工作夥伴同時處理：五位同時做五份文件，會在一人做一份需三十分鐘的同樣三十分鐘內完成五份；五十份每五份一組，十輪三十分鐘即可收尾。人可在其間做其他工作。這種平行處理是 Librarying 能在九至十六小時完成的重要原因；人手通讀五十份文件要一個月，平行委派給 AI 工作夥伴約可縮為兩小時。但不能只因快速完成就滿足；擷取後須確認出處沒有只集中在輸入文件前段。若後段行範圍幾乎沒有出處，便表示擷取中途停止。

以協作四軸整理此委派：輸入是一份文件區塊與九分類指南（定義及本 IP 的細微決定）、五欄 CSV 格式、第一次合格線的姿態；此姿態容許重複與錯字，不執著於整理。輸出是一張五欄 CSV；意圖是縮短時間。人通讀抽取需一小時的工作，約五至十分鐘完成；五十份平行執行時，人的實際投入大幅下降。預期在三十分鐘至兩小時取得五千至一萬五千列。

委派的限制是它碰不到的領域：未明示而隱含於本文前提、常屬概念與價值的含意關鍵字；僅以代名詞出現的人物、物件、場所；時點與年代標記（「那年春天」究竟是 IP 的哪一年，第一次照寫法抽出，第二次決定）；以及 IP 固有的玩笑與引用，例如一部作品引用另一部、某人物一句話如鏡般呼應另一人物。這四項只存在於讀完五年作品之人的腦中，必須由人在第一次再通過一次。合計每 IP 約一至兩小時，即使如此，第一次擷取仍在約一兩小時內完成。

將文字移入知識結構

以創作現場的感覺來說，第一次擷取是挑出關鍵字；從更廣的角度看，它是把文字移入知識結構的工作。數位人文使用的 TEI 等體系長久處理的問題也近似於此：不把文學文字中混雜的人名、地名、日期、註釋、引文、版本資訊埋在句子裡，而是標示為日後可再找出、可比較的結構。

Librarying 不像 TEI 那樣製作 XML 標記，而是在更低的層位閱讀作品本文、設定集、作者筆記、術語表，把它們轉成角色、場所、事件、裝置、概念等表題語候選。本文提供用例，設定集提供定義，作者筆記提供意圖，術語表提供既有命名決定。輸入種類不同，能抽出的知識也不同。

有了這個觀點，第一次擷取的態度就清楚了。我們不是摘要原文，而是在取出原文中散落的知識單位，把它們變成日後可連結的材料。因此要仔細留下出處與行範圍，不能把本文、作品說明、術語集、作者筆記用同一方式壓平。第一次的產物不是單純清單，而是從文字跨入知識結構的第一張轉換表。

第一次擷取的產物

第一次結束時，手上會有一個 IP 的五欄 CSV 表：五千至一萬五千列，依九分類排序，每列一個關鍵字。列數到一萬時，人無法一次全部讀完。幸而第一次不必全部讀；宏觀檢收只確認分類合計即可，細看從第二次整合才開始。

第一次結束後，從九分類挑一類，掃讀前五十列左右，就能感覺這個 IP 的第一次是以何種姿態進行；看見 AI 工作夥伴哪一類抽得好、哪一類抽得生硬。讀五十列約十五分鐘，而這段時間會讓第二次整合的決定輕鬆許多。

常見的擔心是：AI 工作夥伴若抽錯關鍵字怎麼辦？若五千列五欄資料不精確怎麼辦？答案很簡單。第一次只需 60% 準確度，所以其中一部分分類錯誤也無妨，因為第二次人會再作決定。實際上 AI 工作夥伴第一次的準確率超過 80%，九分類指南若修訂完善並一同交付，接近 90%。需要 60% 的階段得到 80% 至 90%，因此第一次能穩定通過。但 60% 合格線只屬於第一次；下一階段第二次整合要求更嚴格的 95%。各階段設不同合格線，就是為了不讓第一次的寬鬆原樣流入下一階段。

結束第一次擷取

先收集，後整理。 目標不是完美整理；目標是不遺漏任何東西，整理由後續階段來做。

第五章進入第二次整合：第一次的五千至一萬五千列如何被歸併為一千至兩千個表題語。合格線嚴格為 95%，人的決定成為核心。

第4章 抽出所有關鍵字——第一次擷取的姿態