Metryky

---
name: metryky
description: Читання метричних книг і актів ЗАГС зі сканів - де взяти справу, як прочитати аркуш, як записати прочитане і чого не робити. Use when reading parish registers, metrical books, civil registry (ЗАГС) acts or other handwritten archival scans in Ukrainian, Russian, Polish or Latin - «розбери метрику», «прочитай скан метричної книги», «де взяти метрики по селу», "read this parish register scan", "transcribe metrical book".
---

# Метричні книги: від «є назва села» до «є таблиця записів»

Метрика це найдорожче джерело в роботі і водночас найцінніше. Дорожче, бо її ніхто не переказав: її треба знайти, дістати й прочитати очима. Найцінніше, бо вона єдина каже, що людина справді була.

Наскільки цінніше, виміряно. Одне село, де скани читали посторінково, дало 30 первинних рядків і викрило в друкованому мартиролозі хибний архівний шифр, чотири зсунуті дати, два перекручені прізвища, дві підмінені причини смерті та дописаний вік двом немовлятам. Друкований покажчик виглядав бездоганно, доки не звірили з аркушем.

## Порядок

Кроки йдуть у цьому порядку не для краси: кожен наступний дорожчий за попередній на порядок, і половина роботи закінчується на третьому.

1. **Знайти, що взагалі існує.** Описи фондів, а не скани. Дізнатися, чи є справа по цьому селу, під яким шифром і за які роки. Це найдешевший крок, і він буває останнім: якщо справ немає, далі йти нема куди. Канали й пастки кожного - `references/dzherela.md`.
2. **Дістати файл.** Не рендер сторінки, а сам файл, якщо його віддають. Чому саме так - там-таки, розділ про роздільність.
3. **Спершу текстовий шар.** `pdftotext -layout file.pdf -`. Якщо текст читається, картинку не відкривати взагалі. На друкованих бланках і машинописних вкладках шар буває, і тоді робота коштує нуль.
4. **Дізнатися, які сторінки писані.** Архівні книги наполовину порожні, і з обкладинки це не видно. В одній алфавітній книзі смертей на 246 сторінок скану писаних виявилося рівно сто; решта розграфлені бланки. Проєкт, що не робив цієї карти, три прогони поспіль читав самі початки літерних блоків, а роки, дописані в хвости, не бачив ніхто.
5. **Читати очима. Одна сторінка = один агент.** Це не порада, а правило, і причина в наступному розділі.
6. **Записувати одразу**, рядок за рядком, у файл. Не «прочитав десять сторінок, зараз занотую».
7. **Нерозбірливе лишається нерозбірливим.** Завжди.

Як саме читати аркуш - графи бланка, аркуші проти сторінок PDF, сумнівні літери - `references/chytannia.md`.

Як виглядає результат такого проходу на реальному аркуші - `examples/posimeinyi-spysok/` у корені репозиторію.

## Три правила, які коштували найдорожче

### Одна сторінка = один агент

Відкрита картинка лишається в контексті назавжди й іде з кожним наступним викликом. Агент, що читав тринадцять сторінок підряд, коштував 251 тисячу токенів, а три інші вмерли на ліміті, не записавши нічого.

Тому: одноразовий субагент відкриває одну сторінку (щонайбільше дві), пише текст у файл і закінчується. Оркестратор не бачить картинок узагалі, а бачить лише шлях до файла й короткий звіт - скільки записів, що нерозбірливе. Це єдиний спосіб прочитати книгу на сто аркушів і не впертися в ліміт на двадцятому.

### Прізвище навмання не вибирають

Невпевнене прочитання не розвʼязується здогадом. Або воно розсуджується сусіднім словом на тому самому аркуші (метод у `references/chytannia.md`), або на сторінку йдуть **обидва** варіанти з позначкою.

Прізвище в чужому родоводі живе довго. Помилка тут це не одруківка, а вигадана людина.

### Автоматичного читання рукопису немає

Спокуса зекономити місяць закінчується витраченим місяцем. Числа, які це закривають, у `references/htr.md` - там і межа, за якою автоматика стала б корисною, і те, наскільки від неї далеко найкращі доступні двигуни, і чому мовна модель, дивлячись на нерозбірливе, впевнено видає правдоподібне прізвище.

Читайте очима. Це поки що не обхідний шлях, а метод.

## Як записувати

Один рядок = один акт. Мінімум полів: номер акту, дата, імена, прізвища, вік, стан, священник або реєстратор, свідки чи восприємники, і **посилання на аркуш**, з якого це взято (архів, фонд, опис, справа, аркуш, лице чи зворот).

Два позначення, які не можна змішувати:

- **«графа порожня»** - у бланку графа є, значення в ній немає;
- **«(нерозбірливо)»** - значення є, прочитати не вдалося. Поруч пишеться те, що видно: «Ма(?)юкъ», «Зав…къ».

Написати «невідомо» замість першого означає збрехати про документ. Написати правдоподібне замість другого означає збрехати про людину.

Формат файла байдужий - JSONL, CSV, таблиця в markdown, - аби він був структурований і містив посилання на аркуш. Транскрипція без шифру справи через рік нічого не варта.

## Чого не робити

- **Не тягнути документ у контекст цілком.** Номер газети або том справи це десятки тисяч токенів, а потрібні з них три рядки. Шукайте по тексту й друкуйте лише збіги з контекстом. Читати цілком дозволено, тільки щоб зрозуміти структуру справи, і тоді - першу сторінку, а не весь файл.
- **Не читати рукописне з переглядача.** Роздільності перегляду вистачає на друкований текст і не вистачає на прізвище. Дивись `references/dzherela.md`.
- **Не вважати «пошук нічого не дав» за «цього немає».** Справи називають по одному селу, а всередині їх пʼять. Нуль у пошуку за назвою села означає, що треба йти по фонду й роках.
- **Не довіряти назві файла.** Ні про село, ні про тип акту, ні про архів і фонд. Шифр буває написаний олівцем на самому скані.