重复条目合并与去重核查：同一话题只留一份正档

去重先靠字段初筛，再靠人工定夺

本站去重分2步。第1步是机器初筛：把全库条目按3个字段两两比对，标题关键词、首发日期、核心来源域名，3项里有2项高度接近的，自动列入疑似重复清单。第2步是人工复核：编辑逐对打开条目正文，判断它们记的是不是同一件事。机器初筛宁可宽不可严，清单里混进3成误报可以接受，漏掉1对真重复才是损失。人工判断时有1条经验可循：同一话题的2份记录，开头交代的起因往往大同小异，真正的差别在后续进展的完整度上，进展记得全、记得新的那份，通常就是应该保留为正档的那份，另1份降为副档参与合并。

查出重复只是开始，合并手法不对会丢材料。

合并的原则是正档吸收、副档留痕。编辑先把副档里正档没有的材料逐项搬进正档：多出的来源链接、多记的后续节点、不同的说法记录，搬完之后在正档的版本记录里写明本次合并吸收了副档编号与材料项数。副档本身不删除，改为1张指向页，只保留原编号、原标题与1句说明，注明本条已并入正档编号，读者持旧编号找来，能顺着指向页走到正档。合并完成后，正档的状态标记要重新核定：吸收了新材料却未经复核的，先标待核，复核通过再改已核。整套动作做完，库里同一话题只剩1份正文，引用链却一条都没有断。

重复条目是怎样产生的

复盘本站历年记录，重复收录主要有3个源头。第1个是话题改名：同一件事在传播中途换了称呼，先后用2个名字各收1次，初筛时标题关键词对不上，最难发现，靠来源域名比对才能捞出来。第2个是跨年余波：年底发生的话题在次年1月又有新进展，新人按新话题收录，忘了它在上一年已有档案。第3个是分类交叉：同一话题既合甲类又合乙类，2个分类的编辑各收1份。对症的预防分别是：改名话题在正档里登记曾用名并纳入初筛字段；每年1月的收录先查上一年第4季度的档案；分类交叉的话题只建1份正档，另1个分类里放交叉引用，不另建条目。病因清楚，预防才不是空话。

去重核查的节奏，贵在常态化而非突击式。

本站的去重安排是每月小查、每季大查。每月结时只查当月新收条目与全库的重复，范围小，半小时能做完；每季大查把全库按分类轮1遍，1个季度轮完4到5个分类，全年正好轮2圈。大查时还会顺带统计各分类的重复率，重复率连续2个季度偏高的分类，说明它的收录口径或分工出了问题，要在季度总结里写明原因。突击式清仓看着痛快，清完3个月又攒出一批，根源是日常环节没有拦截。把去重嵌进月结与季检的固定日程，重复条目就始终停留在个位数，不会攒成需要专门立项的大工程。

合并之后还要回访1次

合并完成满1个月，编辑要对正档做1次回访：检查吸收进来的材料链接是否还能打开，指向页的跳转是否正确，正档的后续进展有没有继续跟进。回访清单只有5项，5分钟能查完，却能拦住合并环节最常见的收尾疏漏。档案工作的大部分质量，不在高深的判断里，而在这类不起眼的回访里。

给合并留1张对照单

每次合并都要填1张对照单，内容只有5行：副档编号、正档编号、吸收的材料项、指向页是否已设、复核人签字。对照单按月份装订，年底统计合并总量时翻单子即可，不用回库里逐条翻找。对照单还有1个意外用处：新编辑培训时把历年对照单当教材，单子上记录的合并理由五花八门，哪类话题最容易被重复收录、哪个环节最容易出错，看20张单子就心里有数，比读手册印象深得多。本站第1年的合并量占全年条目的近1成，第2年降到3%左右，对照单攒出的经验是降幅里最实在的推手。档案管理里许多进步不来自新工具，来自把每次处理都留下1张可回看的单子，单子攒成册，就是编辑部自己的案例库。

合并1次留单1张，年底就有1册现成的教材。