刚读那篇讲 Unix spell 怎么塞进 64K 内存的文章，算法确实精巧。但我觉得真正该聊的不是这个。

spell 用的词表 /usr/dict/words 才是宝贝。它不是哪家厂商的产品，是当年各 Unix 站点互相拷、互相补，你添几个词我添几个词攒出来的。搁今天这就是最早的 P2P 众包数据——谁都能拿，谁都能添，没有版权围墙。

后来的开源运动把眼睛全盯在"代码开源"上，默认数据可以关门。AI 训练集、地图、词典，大多还是私产。能共享的公共数据反而越來越少。挺讽刺：我们天天喊 open source，最该开放的知识底料却被圈成自家后院。

spell 教的那一课，比公开一段算法稀缺得多——开放一份人人可共建、免费取用的公共数据，才是开源精神真正该守住的。代码会过时，这份共享的底料精神别弄丢了。

你们知道吗，这个 /usr/dict/words 的来头其实比帖主说的还邪乎。前阵子跟一个玩老系统的朋友喝酒，他跟我抖了个料：当年各站点互相拷词表，表面是爱心接力，背地里有人偷偷往里塞自己公司的名字当词条，等于白嫖一个全行业都再用的广告位，你们品品这操作。突然想到

还有个事不知道该说不该说。我听说最早那批词表能敞开传，真不全是大家境界高，底本碰巧是 Webster’s Second，出版方压根没续版权，直接掉进公共领域了。换句话说，那道"没围墙"的墙是版权到期自己塌的，不是谁主动拆的。

所以帖主说现在把数据圈成后院，我挺认同，但觉得更扎心的是：当年那帮人能共建，是因为真有个"谁都不拥有"的物理基础。现在 AI 训练集这种，谁握着谁赢麻了，你让我免费添词？我图啥（笑）
嘿嘿
话说有没有人见过当年不同版本词表长啥样，我怎么听说各系统差得老远，有的连拼写规则都打架。

笑死 这词表 literally 就是最早的 P2P 众包 比现在那些光喊开源的实诚多了哈哈

读到「没有版权围墙」那句，心里微微一动。

小时候临帖，先生总说一笔好字从来不是一个人写出来的，颜柳欧褚，哪个不是踩着前人的墨痕走过来的。字帖流传千年，没人想着给横竖撇捺申个专利。知识本该是条河，流过谁的手都不过添几捧水，可如今连河水都被人一段段圈起来卖门票了。

你说的那个反讽，我倒觉得比算法精巧更值得人叹口气。代码会老，可那份「人人可添、免费取用」的心气一旦散了，再精巧的东西也成了孤岛。

前年困在海外回不来那半年，最想念的竟不是什么稀罕物，就是那种随手能拿到、不必先问一句「这归谁」的自在。

哈哈这角度清奇。说真的，当年那帮人互相拷词表跟白送似的，现在连个正经免费词典都快绝迹了，离谱。

那个 /usr/dict/words 互相补词表的画面，我脑子里一下就有画面了。这种"我顺手添几个、你顺手添几个"的劲儿，比任何开源许可证都珍贵，它靠的不是条文，是大家心里那点"这东西本就该是大家伙的"的默契。

btw 你有没有想过，如果当年那份词表从第一天就被某家公司注册占下了，Unix 那帮人还能那么随意地传抄吗？开放数据的传统，可能一开始就是靠"别把底料锁起来"这根弦撑着的。现在连词典地图都圈起来收费，确实挺可惜的。代码会过时，但这份共享的善意，真希望别弄丢。

我怎么听说的版本不一样，当年那些 Unix 站点往词表里塞词哪有帖子说得这么浪漫，我听人讲不少词是管理员手痒随手加的，有人塞自己外号、有人塞冷笑话当彩蛋，压根没审核。要真拿它当"免费公共底料"，怕是得先挑出不少私货 (｡-ω-)

笑死 这词表不就是最早的共享文档 谁手痒都能往里加俩词 比现在各家锁数据强太多

等等，我就想追问一句：/usr/dict/words真有楼主说的那么"无主"吗？啊我怎么听说的版本是它最早追到某本公共领域纸质词典的底本，后面各站点补的词其实只占零头，而且SCO闹腾那阵子词表的版权还被拿出来当过筹码。所以这个最早期的"公共数据"，搞不好自己就是头一个被圈地的，挺黑色幽默的。

楼主说的那个 /usr/dict/words，我之前读那篇文章也没往这层想，被你一点才反应过来——原来最早的"公共品"是一份谁都能添的词表，不是一个程序。

你说的那个可惜劲儿我特别能共鸣。说白了就是"你添几个词、我添几个词"这种劲头，本来是人的天性，挺热闹的。现在倒好，数据、地图、词典全成了谁家的后院，进去了就出不来。抱抱我听歌的时候也常有这感觉，小时候街边放什么大家都能跟着哼，现在想听哪首还得先看看哪个平台买没买断版权。

不过我倒也不算太悲观。我们这岁数的人，见过东西从敞开到关上，也见过关上的又慢慢裂开缝。只要还有人愿意把手里的东西摊开来，说一句"拿去用"，那份精神就还没真丢。

别担心，总有人舍不得把底料圈起来的。加油。

btw 我前两天还真在一台老 linux 上 cat 过 /usr/share/dict/words，楼主说的那个宝贝现在基本就是个没人动的化石了。这反而让我想顺着补一句：spell 那套能玩起来，是因为词表小到人类能肉眼读、能手改，你添几个词我真能 diff 一下。现在喊"开放公共数据"的，面对的是动辄上 T 的爬取语料和黑盒模型权重，谁也没法像当年那样顺手补个词。所以精神我完全认，但浪漫化和可操作真的是两码事。

再掰一个角度，commons 不是开了就活。当年词表靠各站点自觉维护才没烂掉，如今 wikidata 之类算少数活下来的，大部分"开放数据"发出来就再没人更新，比闭源还冷清——至少闭源有人养。开放只是门票，得有人持续犁得才行。唔

至于 AI 训练集被圈，我倒觉得不全是忘了初心，是数据这玩意儿头一回有了直接的油水。绝了代码当年好开源，因为值钱的是后面的服务；数据现在是原材料本身，抢的根本不是同一块地。

楼主那句"代码会过时，底料精神别丢"我存了，回头当水帖素材（笑）

绝了 词表靠大伙你添几个我添几个攒出来才是真开源，现在连个菜谱都给你锁App里…，越喊open越抠门

我听说的版本不一样：那词表各站点手敲纸质辞典攒的，还较劲谁更全。如今连词典都成资产了，c’est la vie。

稳！当年各站点互拷互补词表那股劲，比现在各家砌墙带劲多了，数据才是真公共品。