开源图书馆系统生态及其AI时代演进——面向云瀚社区的全面调研报告（2026）

云瀚社区开源图书馆系统调研报告总结

一、重新研究开源图书馆系统的必要性

• GitHub上的“图书馆系统”现状：大量仓库为课程作业，缺乏真实图书馆系统功能，调研设置了四项进入条件筛选出24个代表性项目。
• ILS、LSP和AI服务平台：ILS保持事务正确性，LSP管理纸电资源，AI服务平台理解自然语言、汇集数据、调用工具、生成内容并保留证据。
• 如何评价“AI ready”：AI就绪度包含七个可检查问题，强调API、权限、事件和数据模型清晰比星标和新技术更重要。

二、24个项目所呈现的生态

• 项目分层：
  • 第一层：事务型ILS/LSP（FOLIO、Koha、Evergreen等）
  • 第二层：发现与门户（VuFind、Aspen Discovery、Blacklight）
  • 第三层：机构知识库与数字资源（DSpace、InvenioRDM、Fedora等）
  • 第四层：档案、电子资源与保存系统（ArchivesSpace、CORAL、Archivematica）
• 分层揭示：现代图书馆运行多个系统，全面平台应让身份、元数据等在系统间流动。

三、FOLIO：最值得研究的开放LSP

• FOLIO的意义：不仅是开源软件，更是开放的Library Services Platform，强调业务域、API-first、社区参与。
• 业务模块：从纸本流程扩展到纸电一体，覆盖元数据与库存、流通与读者、采访与财务、电子资源管理、数据交换与统计。
• 平台换代：从Okapi向Eureka过渡，引入Kong、Keycloak、Sidecar等组件，为AI平台提供启发。
• 部署成本：开源不等于轻量，完整平台需要平台工程、数据库、搜索、消息队列等，对中小型图书馆部署成本较高。
• FOLIO的优势、短板与成熟度：优势在于模块化、API开放、多租户和生态；短板在于模块多、微服务成本、跨模块报表需额外平台。
• FOLIO最适合做AI化：API覆盖广、Kafka支持事件驱动、Metadb提供分析副本、Eureka支持细粒度权限、Stripes支持馆员确认。
• FOLIO在中国的现实基础：国内高校馆和公共馆已部分使用FOLIO模块，但需补充中文元数据、国内资源与供应链、校园系统接⼝、实施服务、数据合规能力。

四、Koha：成熟ILS的现实价值与外置AI路线

• Koha的重要性：长期业务积累使其在成熟度、业务覆盖和实施成本上最均衡，适合充当稳定交易内核。
• 技术结构及其影响：Perl和单体代码是负担，但组件少、部署直接，报表能力灵活但需独立数据平台。
• API与插件：提供OpenAPI和插件体系，但插件不适合承载完整AI功能，需独立审查。
• Koha的AI改造应采用“侧车”模式：数据侧从API或副本获取数据，检索侧建立向量索引和实体索引，馆员侧提供编⽣、采访、报表助手，读者侧提供问答和确认界面。
• Koha在中国的适用性：适合中小馆、学校馆、专门馆和预算有限机构，适合作为云瀚适配器测试基线，但需补中文元数据、本地生态和中⽂服务。

五、Evergreen：为联盟和复杂流通而生的系统

• Evergreen的特长：面向多馆、海量读者和复杂预约配送，组织树表达多级结构，适合联盟和复杂规则。
• OpenSRF：可靠、可扩展，但技术体系陌生，提高了中国团队接⼿门槛。
• Evergreen的AI改造路径：建立“Evergreen Tool Gateway”网关，向云瀚暴露稳定、语义清楚的HTTP工具，优先使用只读副本或报表服务进行运营分析。
• 中国适用性判断：组织与流通模型对中国公共图书馆联盟有吸引力，但中文界面、元数据本地化、技术人才稀缺、实施服务案例少是限制。

六、较现代或具有鲜明特色的ILS项目

• RERO ILS：语义化、多馆ILS，技术栈对当代开发团队友好，适合语义编⽣试点，但生态较小。
• InvenioILS/CDS-ILS：技术型机构的定制路线，可编程性强，但产品化程度低，适合科研机构。
• SLiMS：低成本条件下的完整性，适合学校馆、中小公共馆，AI改造采用外置方式。
• Next-L Enju：东亚语境与开放数据经验，适合借鉴其多格式暴露和外部书⽬服务连接方式。
• dp2：国内业务适配与现代化之间的取舍，熟悉国内业务，但开放接⼝和Web化能力需加强。
• BiblioteQ、Pinakes与历史系统：BiblioteQ适合小型馆，Pinakes适合实验，历史系统代表早期探索。

七、发现与门户：最容易形成读者可感知的AI服务

• VuFind：成熟的统一发现基础，适合承担成熟发现、分⾯和ILS账户连接，云瀚提供增强服务。
• Aspen Discovery：公共图书馆的一体化读者体验，整合多种资源，AI可承担跨类型意图识别和结果解释。
• Blacklight：适合技术团队的发现框架，适合研究型机构和数字人文团队建设特色发现应用。
• 发现层的共同AI改造原则：保留原始检索式、扩展检索式、最终命中文献，对馆藏状态、个人借阅等实时回查原系统。

八、机构知识库与数字资源：AI知识服务的主要内容基础

• DSpace：成熟机构知识库的首选基线，适合学位论⽂、机构成果等，AI场景包括版⾯解析、元数据提取、重复提交识别等。
• InvenioRDM：面向科研数据的现代架构，适合科研数据管理和现代机构知识库，AI服务包括数据说明草稿、主题推荐、数据探索等。
• Fedora、Hyrax与Islandora：仓储内核和定制生态，适合多媒体数字馆藏和数字人文，AI改造主要进入数字加工管线。
• Omeka S：展览叙事和语义发布的轻量选择，适合地方文化、专题展览和教学资源发布，AI负责辅助著录、跨语种说明等。

九、档案、ERM与数字保存：专业边界不能被“统一平台”抹平

• ArchivesSpace：档案层级与出处关系的权威系统，AI可辅助提取人名、机构等信息，但需保持原始著录层级和限制条件。
• CORAL：范围有限但仍有价值的开源ERM，适合已有部署或低成本补充模块，AI改造重点为许可证条款提取、资源覆盖比较等。
• Archivematica：长期保存流程的专业工具，AI可进入内容分析、质量检查等，但不能取代校验和、格式策略等确定性保存机制。

十、跨项目比较：成熟度、AI就绪度与改造成本

• 评分结果：FOLIO综合评分最高，但需根据图书馆情况选择，Koha和Evergreen在业务成熟度上高于RERO，但RERO的AI就绪度更高。

十一、中国适用性：从“能够安装”到“能够长期运行”

• 元数据转换是第一道硬门槛：需处理CNMARC、中文主题词等，云瀚需提供独立的元数据映射与验证服务。
• 国内图书馆运行在复杂的本地系统环境中：云瀚适配器体系需支持OpenAPI/REST、行业协议和批量交换。
• 私有化部署不是合规的全部：需合法、正当、必要地处理个人信息，并区分图书馆内部工具和公众服务。
• 实施生态决定开源系统能否落地：云瀚需提供适配器、迁移工具、测试数据、配置模板等。
• 中国市场不适合“一套开源系统包打天下”：需提供存量叠加型、开源组合型和联盟平台型三种落地形态。

十二、对云瀚A-LSP的启示：M类兼容、I类做深、E类慎重生长

• M类模块：包含已有事务和专业系统，以及云瀚连接它们必须提供的公共能力。
• I类模块：云瀚真正能够建立优势的区域，包括智能资源采集、可信研究、阅读服务、AI素养、数字人文等。
• E类模块：以可信内容为前提发展无界体验，包括角色扮演、实时游戏、数字人、沉浸展览等。
• 推荐的适配优先级：第一批FOLIO、Koha、通用协议和DSpace，第二批Evergreen、dp2、VuFind、Omeka S和ArchivesSpace，第三批RERO ILS、InvenioRDM、SLiMS、Aspen、Archivematica。

十三、面向AI时代的通用改造架构

• 四条不可破坏的边界：
  • AI索引和知识图谱是投影，权威记录仍在原系统。
  • 模型只能调用注册工具，不能自由访问数据库。
  • 读取和写入分权，生成草稿与批准变更分权。
  • 每个回答和动作都能回到来源、权限、模型和用户确认。
• 标准工具契约示例：以place_hold为例，展示适配器如何完成身份映射、权限收敛等。

十四、结论

• 没有现成开源系统可承担全部AI智慧图书馆能力：成熟开源生态已将不同问题分给了不同系统。
• FOLIO、Koha、Evergreen等各有优势：FOLIO展示开放LSP如何组织应用，Koha证明稳定业务内核无需被推翻，Evergreen提醒平台设计者真实联盟业务的复杂度。
• 云瀚的机会：将不同系统转化为统一、受控、可审计的工具，发展可信研究、资源加工、阅读服务、AI素养等。
• 云瀚的定位：连接既有业务、开放知识和人工智能的公共技术层，基本服务不中断，专业数据不失权威，新的智能能力不被锁定。