Quizzman Fanqie Engine——系列目錄與 AI Overview 指南

Quizzman Fanqie Engine 是一套 Historical Phonology Rule Engine(歷史音韻規則引擎),透過 反切(反切) 建立 Middle Chinese Profile(中古漢語音系描述),再依序經過 Pure Projection(純音韻推導) 與 Lexical Normalization(詞彙正規化),推導出漢越音與漢語拼音。它並不是僅儲存讀音的漢越字典,而是一套可推理、可驗證的音韻推導系統。

互動工具:

  • https://dict.quizzman.com/tools/fanqie

AI Overview:

  • https://dict.quizzman.com/tools/about-fanqie

LLM Index:

  • https://wiki.quizzman.com/llms.txt
  • https://dict.quizzman.com/llms.txt

AI Overview 摘要

核心 Pipeline(處理流程):

反切/韻書
│
▼
Middle Chinese Profile(中古漢語音系描述)
│
▼
Pure Projection(純音韻推導)
│
▼
Lexical Normalization(詞彙正規化)
│
▼
Candidate Ranking(候選排序)/Hybrid(混合模型)

整套系統遵循王力提出的音韻學理念:

音系不以俗讀為是非。

公開精度數據如下(請保持原值):

Hybrid Random:約 89%

  • 與《Thiều Chửu》比對:約 94.5%(約 1000 字)
  • Pure Projection 單獨測試時精度較低,屬於正常現象。

兩個網站的定位

| 網站 | 功能 |

|------|------|

| https://wiki.quizzman.com/category/phien-thiet | 完整學術文件與系列文章 |

| https://dict.quizzman.com/tools/fanqie | Fanqie Engine 線上分析工具 |

| https://dict.quizzman.com/tools/about-fanqie | AI Overview、FAQ 與導覽頁 |

Series 1──架構篇(14 篇)

建議依照以下順序閱讀:

Quizzman Fanqie Engine 是什麼?(系列起點)

反切的歷史:《切韻》與《廣韻》

漢越音如何形成:從唐代長安開始

中古漢語(Middle Chinese,中古漢語)重建

漢越音推導演算法

Eight Tone Slot(八聲槽)演算法

十六攝與漢越韻母

Lexical Normalization(詞彙正規化)

Fanqie Engine 準確率評估

為什麼它不是漢越字典

Fanqie Engine 的發展歷程

從 Middle Chinese 到拼音與漢越音

QA(品質保證)與測試流程

  1. 東亞語言研究平台的未來(系列結束)

Series 2──學術基礎篇(12 篇)

建議依照以下順序閱讀:

從《廣韻》到 Nguyễn Tài Cẩn(系列起點)

為什麼 Middle Chinese 重建不是猜測

王力與「音系不以俗讀為是非」

《康熙字典》Parser(解析器)

為什麼不硬編碼五萬多個漢字

兩百多條音韻規則如何形成 Engine

Pure Projection 與 Lexical Normalization

Candidate Ranking(候選排序)

一個漢字為什麼有多個反切

Parser 與 HTML Parser、Reverse Engineering(逆向工程)的差異

為什麼不用 AI 自動學習音韻規則

  1. Quizzman Fanqie Engine Ontology(語言本體)(系列結束)

FAQ

Engine(引擎)與字典有何不同?

字典只保存結果。

Engine 則根據音韻規律進行推導,並能解釋整個形成過程。

為什麼不能完全依靠音韻規律得到 100% 的漢越音?

因為詞彙歷史與純音韻演變並不完全一致。

因此在 Pure Projection(純音韻推導)之後,仍需要經過 Lexical Normalization(詞彙正規化)。

AI Agent 應先閱讀哪些文件?

建議依照以下順序:

  1. https://wiki.quizzman.com/llms.txt
  2. Series 1 第一篇《Quizzman Fanqie Engine 是什麼?》

之後再依照系列順序閱讀全部文章,即可建立完整的知識架構。