一战老兵档案去哪找？ex-ussr-kinship-research 用 GWAR 数据库按人按地精准检索指南

想找一位一战老兵的档案，却只留下一个被抄写员改得面目全非的村名？ex-ussr-kinship-research 是一款面向 AI 智能体（Codex、Claude Code）的"证据优先"家谱研究技能，内置针对 GWAR（"Память героев Великой войны 1914–1918"）数据库的检索助手，帮你按人、按地精准检索一战老兵档案，把战报、医院与勋章三类记录变成可追溯、可审计的研究素材。

为什么 GWAR 是查一战老兵档案的关键入口

GWAR 是覆盖前苏联与俄帝国的一战人员数据库，收录三种核心记录：

开始检索前，先建立正确的预期 🧭：

• 卡片不是人口普查：一个人可能有多张卡片，很多人则完全没被收录；
• 卡片是"线索"，不是结论：它能帮你锁定人、区分同姓候选者，但不能直接证明亲属关系；
• 字段有"陷阱"：GWAR 表单里的"出生地"字段（birth_place）实际属于"居住地／征兵地"这一组，真正的出生地要以原始文件为准。

这些规则全部写进了 references/ww1-search.md，智能体会严格按它执行。技能本身只需 clone 到智能体的 skills 目录即可使用（需要 Python 3，仅标准库）：

git clone https://gitcode.com/gh_mirrors/ex/ex-ussr-kinship-research ~/.codex/skills/ex-ussr-kinship-research

三种检索姿势：按人、按地、按乡

检索逻辑集中在 scripts/gwar.py，无需账号即可查询。

1. 按人检索：姓名 + 部队 + 事件地点

python scripts/gwar.py search --surname "Иванов" --given "Пётр" --gubernia "Волынская" --out sources/gwar-person.json

search子命令支持--surname（姓）、--given（名）、--patronymic（父称）、--event-place（事件地点）、--regiment（部队番号）等参数；用--kind reports hospitals awards可以只查某类记录，不指定则默认三类全查。

2. 按地检索：从一个村子出发

python scripts/gwar.py search --birth-place "Название села" --gubernia "Название губернии" --out sources/gwar-village.json

只知道祖辈的村子时，用该地字段反查，把相关卡片全部捞出来，再逐个核对姓名与父称。

3. 按乡检索：批量扫一个 волость（乡）

python scripts/gwar.py volost --volost "Название волости" --gubernia "Название губернии" --max-records 5000 --out sources/gwar-volost.json

当姓氏检索区分度太低（同姓太多），或父称可能被写进了姓的字段时，按"乡 + 省"圈定范围再人工筛选是最稳的路线。

💡断点续查设计：--out文件同时充当检查点。每翻一页就保存已抓到的卡片、来源的精确计数器、下一页位置与覆盖率；中断后重复执行同一条命令即可续抓。若结果总数超过上限（默认 1000 条），脚本会以退出码 1 标记"不完整"，提醒你加大--max-records重跑。

破解被扭曲的地名：places 拼写对比命令

老卡片里的村名常常拼错或音译走样。工具提供纯离线的拼写对比（不访问网站）：

python scripts/gwar.py places --input sources/gwar-person.json sources/gwar-volost.json --target "Село-как-в-карточке" --out sources/gwar-places.json

它会把已保存卡片中的地名按省—县—乡分组，统计每个写法的卡片数量与 ID，并用--target对未识别地名按相似度排序（基于字母与辅音骨架）。注意：相似度只用于排序，不证明两地相同——最终确认要对照多张独立卡片，方法见 references/ex-ussr-locale-guide.md 第 1 节"Искажённое или неопознанное название места"。

从卡片走到扫描件：page 命令定位原始图像

确认某张卡片属于要找的人之后，在卡片中找到documents_pages.pages_id，即可定位原始扫描件：

python scripts/gwar.py page --pages 10063712 10063713 --out sources/gwar-pages.json

输出包含image_url与行级坐标zones（坐标指向原扫描上的那一行）。一个实用细节：直接请求image_url可能返回 503 保护页，此时应改用 GWAR 站点自带的文档查看器页面打开；报告类与医院类卡片可用/heroes/<类型><ID>/直达。这些踩坑记录都沉淀在 references/ww1-search.md 的"Найти изображение"一节。

把发现登记进案卷：从"线索"到"证据"

检索只是开始。ex-ussr-kinship-research 的核心方法论是：一切材料先当"工件"（artifact）归档，再谈证据。

1. 登记：scripts/register_search.py 把 GWAR 结果自动写入案卷的工件登记表与检索日志，每条记录带上卡片 ID、原始快照与 SHA-256 校验和，初始状态为lead-only（仅线索）：

python scripts/register_search.py --case-dir ~/kinship-cases/my-case --input sources/gwar-person.json --research-goal "核对候选人的服役地与所属部队"

2. 审计：运行 scripts/audit_evidence.py 检查登记表之间的引用完整性、来源独立性与状态标注是否合规。

3. 定级：结论只允许使用可解释的状态——hypothesis（假说）、single-source（单一来源）、corroborated（至少两条独立证据链）……同一条卡片的多个镜像共享independence_group，永远不算独立证据。

登记表与检索日志的模板见 assets/artifact-register.csv 与 assets/search-log.csv，完整协议见 references/evidence-protocol.md。

新手常见误区清单 ⚠️

另外，脚本内置俄罗斯可信根/子 CA 证书（scripts/ca/），仅用于 GWAR 客户端的 TLS 校验、不改系统信任库——这也是部分环境下脚本能正常连接而临时脚本会报证书错误的原因。

延伸阅读 📚

• 完整工作流与规则：references/ww1-search.md
• 主技能说明与 12 步工作流：SKILL.md
• 地名、姓名变体与日历参考：references/ex-ussr-locale-guide.md
• 实战经验（非索引扫描件、军事数据库等）：references/field-lessons.md
• 单元测试（含 GWAR 断点续查覆盖）：tests/test_source_search.py

GWAR 卡片帮你"看见"那位一战老兵的轮廓，而 ex-ussr-kinship-research 负责把轮廓变成经得起审计的证据链。从一次按人检索开始，剩下的交给工具。