摘要

  • 2010 年的公告说，国会图书馆将接收自 2006 年以来的公开推文，并继续接收新推文；两周后的问答划出了范围：私密资料、已删除推文、链接中的网页和图片不进入这份档案。
  • 2017 年的决策文件指出，馆方只收到文字，而推文已越来越长、越来越视觉化；2018 年起接收改为按事件和主题选取。公开公告明确说，既有文字馆藏继续保存，研究访问仍受限制。

十二年后，馆方改的是入口

2017 年 12 月，国会图书馆给一条持续运转的接收链画了句号：从 2018 年元旦起，不再把所有公开推文文字照单全收。选举、公共政策等事件和主题仍可能进入馆藏。2006 至 2017 年已经保存的文字不因此销毁。这不是清空硬盘，而是改变以后什么东西值得通过入口。

决策文件列出的原因不止一个。推文及相关操作的数量涨了，单条推文变长了；图书馆通常也不会永远、无差别地收齐某一领域的每一件材料。但其中有一道更锋利的缺口：Twitter 上的表达越来越靠图片与视频，馆方收到的仍只有文字。一次“保存推文”可以完整保存句子，却漏掉句子所指的那张图、那段影像和被引用的网页。若只看入库条数，这道缺口会被一串漂亮的大数遮住。

一条“看这张图”的文字，脱离图片后成了指路牌，路却不在馆内。历史研究者仍能研究这句话在何时出现、怎样传播，却无法只凭它还原当时看到的画面。2017 年改变的不只是存储预算，也是图书馆对“保存一条网络表达”究竟保存了什么的判断。

限制不是后来才发现的

2010 年 4 月 14 日，图书馆宣布获赠公开推文档案，起点追溯到 2006 年，并约定持续接收。用来记录日常言论、新闻和社会变化的雄心很清楚。可在 4 月 28 日的馆方问答里，边界同样清楚：何为“公开”由 Twitter 判定；私密账户信息与已删推文不收；链接中的图片和网站不收。图书馆还说自己不会复制 Twitter 的服务功能。

这意味着平台决定哪部分内容送进公开数据流，馆方负责接收和保存送到手里的材料，网页和照片的保存又落在别处。三者不是同一个权限。研究者看到“全部公开推文”时，必须追问这句话指的是哪种材料：文字、附图，还是一条包含两者的完整体验。2010 年的问答已经给出了答案，2017 年只是让这个答案变得更刺眼。

问答还设定了一条至少六个月的研究使用延迟，访问工具和规则留待建设。六个月是允许开放的最早时间，不是到期即能检索的承诺。公共档案的入口，不能由一份捐赠协议自动长出来。

文件能进馆，读者未必能进来

2013 年的技术报告证明接收机器确实在工作。2006 至 2010 年的历史批次约有 210 亿条推文，装在三个压缩文件中。到 2012 年 12 月 1 日，后续又来了逾 1500 亿条，总量约 1700 亿条；两份压缩副本共占 133.2 TB。每日接收量从 2011 年 2 月的 1.4 亿条，涨到 2012 年 10 月的接近 5 亿条。

转交方按小时打包数据。图书馆下载、检查完整性、统计条数、写入磁带，再删除临时副本；两套长期磁带档案放在不同地点。这是一套真正的保管系统，而非发布会上的修辞。它能回答“资料是否送到、是否备份”。

报告同时说，研究者尚未获准使用馆藏。用当时的系统，仅搜索固定的 2006 至 2010 年部分一次，就可能花 24 小时。协议允许在推文发布六个月后向合格研究者提供材料，同时限制商业使用、再分发和大规模网页下载。允许访问、保存副本、让一次研究查询在可用时间内完成，分别是三道门。2013 年馆方主要建好了前两道的基础。

然而，即便搜索速度后来解决，也搜不出根本没有收来的图片。检索能力与记录范围是两件事。大规模收取文字的成本随流量增长，文字对整条表达的代表性却可能随视觉内容增长而下降。2017 年的改策，正落在这两条曲线之间。

馆藏没消失，选择权浮出水面

2017 年 12 月 26 日的公告说，图书馆已安全保存 2006 至 2017 年的推文文字；次年起改为选收。决策文件说明旧馆藏仍受访问限制，馆方要以可持续的成本处理研究访问，并未给出开放日期。馆方还要同 Twitter 处理删除操作及用户访问带来的问题。

全面接收时，编辑判断被藏在“全部”二字后面，尽管照片一直在外。改为按事件和主题选收后，谁来决定重要性变得可见。一份十二年的文字档案依然珍贵，却不能冒充当时的完整信息流。图书馆留下了文字，也留下了一道值得未来档案馆认真看守的门槛：记录有多大，与记录了什么，不是一回事。