一个中文问题进来，经过五个环节，出去时是一条带坐标、可回查的答案。 这一页讲的不是「流程是什么」，是每一个环节上我们做了什么不一样的选择，以及为什么。
贯穿全篇的一条：凡是能用代码判的，绝不交给 AI 判。
模型负责理解与表达，代码负责把关。下面每一个环节的取舍，基本都能回到这一句。
三藏是巴利语的，提问是中文的。两者之间必须有一张对照表， 这张表的质量决定了检索的上限——表里没有的词，后面每一个环节都无从谈起。
而现成的中巴对照资源，冷僻术语一侧往往最薄。
《问藏巴利术语库》以维基巴利数据库的术语为底本， 由问藏的建立者维护，不定期审核和增补。
有人在看、在改，是这个库跟自动生成的词表最大的区别。
这张术语表最初是被一个词逼出来的：「七色七非色」。 当时的大模型认不出它——这类词在网上流通的中文语料里几乎不出现， 模型没见过，就只能望文生义。
戒律术语成片地属于这一类。所以我们拿巴利律与《四分律》的对应段落， 逐条核定戒律术语的传统汉译。（《四分律》用大正藏 T22n1428，CBETA 电子本。）
这只是其中一例。库在继续维护，这类人工核定还会更多。
⚠️ 同时限定了它不能当什么用：《四分律》属法藏部、巴利律属上座部， 两者的犍度是部派对应而非翻译，次第与内容不完全一致——库中的犍度对应不作译名依据。
⚠️ 只取词，不取句：只取专名与出处定位（第几卷、出现几次），不取原文句子。 取词是事实，抄录是改作。
这是全流程最容易出错的一步。选错词，后面每一步都在为错误服务—— 材料取不回来，答案就无从谈起。
难在两头：中文术语与巴利词不是一一对应；而提问用的是口语，不是术语。
三道判据并行，各治一类，互为补充：
稀有度：「央掘」只挂 1 条、「荤腥」2 条，一次命中即足以定位； 而「本生」挂 204 条、「长老」233 条，属噪声，不单独采信。
精确匹配：「空性」→ suññatā、「有为法」→ saṅkhatadhamma。
单字术语：蒜（lasuṇa）、衣（cīvara）、触（phassa）、 信（saddhā）、灭（nirodha）、遍（kasiṇa）。 不单开这一路，问「大蒜的戒律」连一个候选都捞不到。
⚠️ 第一道判据是修正来的：原先只认「命中两个组合」， 而刚好两个字的中文专名只能产生一个组合，得分恒定不足—— 两千余个两字术语曾对系统整体隐形。
⚠️ 单字一路不能整批放开：单字中译里混着「的」「吗」「不」「中」这类功能词， 「的」出现在四成以上的提问里。判据不是「在表里稀有」，而是「在真实提问里稀有」—— 拿数千道去重真题统计出现率，只放行出现率低于百分之一的那一批。 这两个「稀有」方向相反，正是这道判据的关键。
⚠️ 白名单固化在文件里，不在运行时重算—— 动态计算会让同一道题在不同时候给出不同候选，回归就失去基线。
附带一道 · 拼写纠错
维基巴利数据库一个词形都展开不出来时，从语料反查正确拼法； 并设四道闸，防止把本来正确的词改坏。
巴利高度屈折，同一个词在经文里以几十种变格形出现，不能按字面找。
另一层：检索的成本结构决定了「一次要多少」的最优解，未必是「够用就好」。
跨词交集：「阿难有哪五项过失」一题，正是靠「这几个词同时出现在哪一段」答出来的。
补轮：实测三十题中，二十一题只跑一轮，五题两轮，四题跑满三轮—— 简单题自动省掉，难题才付代价。
B 之二 · 词典：哪一本先进入上下文，是学术判断
同一个巴利词，维基巴利数据库可返回十余本词典的释义，而上下文预算有限。 谁进、谁不进，直接决定释义的可靠性——这件事如果不管， 就等于交给返回顺序去决定。
为什么要限量：实测 CPD 单个词可返回三十余条（kassapa 就是）， 不设上限则释义淹没原文。
这张表之前是什么样：同一语言内选哪一本，完全取决于数据库的返回顺序—— 中文有八本争两个名额，谁进上下文靠运气。这张表把选择权收了回来。
⚠️ 权威名单是学术判断，不是工程判断——不由程序自行扩充。
模型只许用 B 取回来的材料作答，不许凭记忆补。
而专名的中文呈现有两条路：音译，或沿用汉传意译。汉传意译读来熟悉， 但它对应的是汉译佛典的语境，未必指向同一个人、同一部经—— 熟悉感会盖掉这层不确定。
不熟的专名用音译，不用汉传意译。 判准是读者认不认得，不是有没有汉传译名——家喻户晓的照旧。
Mahāgovinda 写作「马哈果温达（Mahāgovinda）」，不写「大典尊」。
音译用「马哈」而不用「摩诃」——「摩诃」留给汉传专名。
这一步做不到零错：模型会手滑——人名写错、经号写错、书名张冠李戴。 所以策略不是让 C 不犯错，是让 D 把 C 的错拦在读者之前。
答案由模型生成，而模型的错误是概率性的，永远消不完。 若检查也交给模型，就是用一个概率性的东西去兜另一个概率性的东西。
改由代码来判，性质就变了：一个 bug 会让同类错误百分之百放行； 反过来，一道正确的检查能让同类错误百分之百拦住。 确定性是检查环节唯一值得要的东西。
七道，逐条机械核验：
udāna 写成「因缘」（nidāna 才是）、 Koṇḍañña 写成「拘那含」（Koṇāgamana 才是）、 lokantarika 写成「无间地狱」（avīci 才是）。
⚠️ 只认绑定式——巴利词与错译贴在一起才算； 同一篇里两个词各自出现属正常行文。
⚠️ 只禁错译，不规定正译。规定正译就要在译名口径上做取舍， 那不是这道检查该管的事。
一个总是斩钉截铁的系统，和一个总是含糊其辞的系统，都不可用。 可用的前提是：它对自己的把握程度有判断，并且说出来。
⚠️ 而且 D 治不了这一类：D 检查的是「答得合不合格」， 查错了对象，七道闸可以全部放行——形式上完全合格，答案却答的是另一个问题。
只设「存疑」一档，不设「确定」一档。绝大多数提问两条存疑信号都不亮； 若对它们一律盖「确定」章，那是把误导做得更精致。不亮就什么也不显示。
另外把检索过程播给读者看——换词根、推翻前一轮、发现材料与提问对不上，都照实说一句。
「表里没有这个词，我按字面拆开，先试试。」
「等一下——查到的这两处讲的是菩萨思惟，跟你问的对不上。」
「换个词根再查。」
把怀疑过程摊开，本身就是可信度的证据—— 读者看见的是我们在替他较真，而不是一句含糊的免责声明。
上面画的是一道题怎么被回答。这一节是另一件事：我们要动上面任何一个环节的时候， 用什么挡住「改好了一处，悄悄弄坏了三处」——而且没有人看得出来。
曾经用「答案里含某两个字」当失败判据，误伤了两条好答案；改成「是否以某句话开头」才对。
也遇到过某题重跑一次就变差——链路里有大模型，单题翻转不等于倒退。 换几个问法重测，确认是稳定倒退才动手改；追着噪声改代码，只会越改越乱。