《秘书监志》服饰内容提取 — 操作日志
操作时间:2026-05-04
操作者:AI Agent(subagent)
操作流程
Step 1: 查看目标书籍基本信息
wc -l /root/.openclaw/workspace/职官/秘书监志.txt
→ 1854 行
全书为元代官修机构志,记录秘书监的职制、禄秩、印章、纂修、题名等。
Step 2: 创建输出目录
mkdir -p /root/.openclaw/workspace/职官output/秘书监志/
Step 3: 首轮全量关键词grep(10轮以上搜索)
使用完整服饰关键词词库进行grep搜索:
| 轮次 | 搜索关键词 | 命中行数 | 备注 |
|---|---|---|---|
| 1 | 衣/裳/袍/衫/冠/帽/带/靴/鞋/袜/履/笏/佩/绶/钗/簪/首饰/裙/袄/裘 | 185行(合并) | 大量命中但多为人名"佩""履"等 |
| 2 | 葛/麻/丝/帛/绢/锦/绮/绫/罗/缎/绣/绒/褐/毡/布/棉/苎 | 30+行 | 绫绢为主,用于书画裱褙 |
| 3 | 絺/绤/纁/缁/缟/素 | <5行 | 极少命中 |
| 4 | 青/赤/黄/白/黑/紫/绯/绿/红 | 50+行 | 多为颜色绫绢的分类 |
| 5 | 品色/服色/章服/舆服/冠服/冕服/补服 | 0行 | 无命中 |
| 6 | 蟒袍/龙袍/凤冠/霞帔/腰带/玉带/金带/鱼袋 | 0行 | 无命中 |
| 7 | 幞头/乌纱 | 0行 | 无命中 |
| 8 | 衣冠/祎衣/翟/黼/黻/彤管/珩璜 | 10行 | 奏表中的典故用语 |
| 9 | 夏衣/冬衣/衣服/衣料/裁衣/制衣 | 2行 | 工匠衣料配给 |
| 10 | 织/染/绣/纱/绸/缎/锦/绫/罗 | 30+行 | 绫绢裱褙材料 |
| 11 | 紫罗/红贮丝/绒锦/梅红/红绒/黄绒 | 5行 | 印绶/陈设织物 |
| 12 | 单丝紬/织可 | 1行 | 织造局旁证 |
Step 4: sed提取关键上下文片段
对筛选出的服饰相关行号,使用sed -n '行号-5,行号+10p'提取上下文:
片段1:印绶织物(第307-324行)
sed -n '305,330p' → 印章制度中的茵褥、紫罗夹褥、红贮丝褥子
片段2:官署什物(第378-400行)
sed -n '378,400p' → 绒锦长条子、案衣、印衣
片段3:工匠衣料(第425-455行)
sed -n '425,455p' → 裱褙匠人夏衣、冬衣关支
片段4:图志裱褙物料(第525-540行)
sed -n '525,540p' → 黄绫、蓝绫用量
片段5:玉玺绶带(第635-650行)
sed -n '635,650p' → 红绒系、黄绒小条系
片段6:裱褙绫绢清单(第645-700行)
sed -n '645,700p' → 详细绫绢颜色分类和数量
片段7:奏表礼仪用语(第1020-1050行)
sed -n '1020,1050p' → 衣冠、祎衣、翟、珩璜、彤管等典故
Step 5: 精简裁剪
- 片段总大小约15KB,远低于1M限制
- 奏表部分虽命中多个关键词,但内容多为套语,精选最具代表性的段落
- 剔除人名误匹配(如"窦履"之"履"、"王冕"之"冕"等)
Step 6: 分类整理
分为7大类:
1. 印绶织物 — 紫罗夹褥、红贮丝褥子、红绒/黄绒系(5处)
2. 书画裱褙用绫绢 — 黄/蓝/白/皂绫、各色绢(大量数据)
3. 官署陈设织物 — 绒锦条子、案衣、印衣(5处)
4. 工匠衣料配给 — 夏衣、冬衣按例关支(1处)
5. 奏表礼仪用语 — 衣冠、祎衣、翟、珩璜、彤管等(约10处)
6. 织造旁证 — 织可单丝紬的局(1处)
7. 玉玺绶带 — 红绒系、黄绒系(3处)
关键发现
- 本书服饰内容极为稀少 — 全书1854行中,实质性服饰记载不超过20行,与《吕氏春秋》《天工开物》等书形成鲜明对比
- 绫绢是最大品类 — 书画裱褙用绫绢的详细清单是本书最有价值的服饰/纺织史料
- 印绶制度有独立价值 — 紫罗夹褥、红绒系等记载可补《元史·舆服志》之不足
- 工匠衣料配给 — 虽仅一行,但反映了元代官府工匠的服饰保障制度
- 奏表套语无实质价值 — 衣冠、祎衣等均为典故性用语,不反映实际服饰
保存文件
| 文件 | 路径 | 大小 |
|---|---|---|
| 服饰总结 | 秘书监志_总结.md | ~3KB |
| 操作日志 | 秘书监志_日志.md | 本文件 |
| 原文提取 | 秘书监志_原文提取.md | ~8KB |
备注
- 殆知阁版本有校勘注释(方括号内为校改说明),本文档保留原始校注
- 本书为元代行政档案汇编,非礼制专书,服饰内容匮乏是体裁决定的
- 人名中"履""冕"等字已排除,不计入服饰统计
- 全文上下文提取控制在约15KB,远低于1M限制