跨越时代寻找蒙古青铜时代仪式景观的模式

**Searching for patterns through the ages in ritual landscapes of Bronze Age Mongolia** **摘要:**直至今日,蒙古的文化景观仍然以青铜时代和铁器时代的大型墓地为主,其地面上可见的巨石构造十分显著。尽管进行了多次选择性的挖掘,但在许多方面这些墓地仍未被充分理解。因此,本研究对蒙古中部的四个墓地进行了整体性研究,检视了它们的内部组织,对不同的墓葬进行了分类,并借助大量的碳-14测年数据,得出了将其分为三个阶段的可靠年代划分。最早的纪念碑可追溯至公元前15/14世纪,最晚的则建于公元前6世纪。零星的后续使用一直

Searching for patterns through the ages in ritual landscapes of Bronze Age Mongolia

**摘要:**直至今日,蒙古的文化景观仍然以青铜时代和铁器时代的大型墓地为主,其地面上可见的巨石构造十分显著。尽管进行了多次选择性的挖掘,但在许多方面这些墓地仍未被充分理解。因此,本研究对蒙古中部的四个墓地进行了整体性研究,检视了它们的内部组织,对不同的墓葬进行了分类,并借助大量的碳-14测年数据,得出了将其分为三个阶段的可靠年代划分。最早的纪念碑可追溯至公元前15/14世纪,最晚的则建于公元前6世纪。零星的后续使用一直延续到蒙古帝国时期。我们将这一对墓地的整体分析序章视为提出蒙古中部青铜和铁器时代新测年框架的契机。

**关键词:**蒙古、青铜时代、铁器时代、丧葬传统、年代学、游牧畜牧业、鄂尔浑河谷

当Hermann Parzinger于2004年完成其极为全面的欧亚史前文化手稿时,关于蒙古青铜时代的知识状况如此稀少,以至于他只能用几行文字来描述它(Parzinger 2006, 346; 437)。

此后,众多的发掘、多样化的科学分析、大规模的调查以及基础设施项目和大规模资源开发前的抢救性发掘,已将世界青铜时代地图上的空白点转变为一幅色彩丰富、层次多样的画面(Houle 2016; Wright 2021)。

基于大量新研究,蒙古青铜时代的两个文化转折点现已清晰显现,这些转折点也影响了所有后续时期(Fernández-Giménez et al. 2017)。青铜时代的开始标志着来自阿尔泰山以西地区的阿法纳谢沃文化(有时称为铜石并用时代)的流动群体,他们首次将驯化动物(绵羊、山羊、可能还有牛:Hermes et al. 2020; 2021)带到东部草原。他们建立了牧业经济,同时也建立了地面上用石构标记的墓葬纪念碑的长期传统(Aldarmunkh 2016; Taylor 2021)。这与之前和持续存在的狩猎采集-渔猎群体形成了鲜明对比。

在许多地区的独特性依然明显,尽管知识的传递是明确的。第二次深刻的文化变革始于公元前1500年左右。直到这时,那些至今仍然塑造着景观的众多墓地及其多样化的墓葬纪念碑才开始长期使用,在某些情况下一直延续到公元前300年甚至更晚。最迟从这一时期开始,人们开始骑马并使用马奶(Ventresca Miller等, 2022; Grupe等, 2019)。马匹拉动双轮车,从公元前1200年起,它们成为纪念性墓葬中的主要祭祀动物,并承载着武装战士。这标志着马时代的开始,这一时代一直延续到现代。

我们认为,马匹的使用不仅增强了人口的流动性和更有效的牧群管理,还促进了长距离交流,便于对资源的控制——人、牲畜、牧场、金属——并导致了对勇士作为英雄的崇拜。鹿石、拟人化雕像就是为后者而立(Turbat 2021)。与马匹融为一体的勇士改变了社会结构;可以预期的是,等级划分变得更加明显。这些等级差异和长距离接触带来的影响理想情况下应该在长期使用的墓地中得到体现,而这正是本文的关注重点。

我们的起点是蒙古中部上鄂尔浑河谷麦汗托尔戈伊(Maikhan Tolgoi)周围的微区域(图1),该地区已经过多年的深入研究(Bemmann等,2015;Erööl-Erdene等,2016;Gantulga等,2017;Batsükh等,2022)。针对微区域的综合研究项目在蒙古较为罕见。研究主要以大规模调查为主(Houle 2010; Honeychurch等,2007;Amartüvshin/Honeychurch 2010;Amartüvshin等,2022),或者针对大型墓地景观中选定的墓葬复合体进行定向研究(Frohlich/Bazarsad 2005;Miyamoto/Obata 2016;Miyamoto 2017)。类似的研究仅在阿尔汗盖省上塔米尔河谷(Zazzo等,2019;Magail 2008;Gantulga 2015)进行过。为了证实我们在微区域中的观察结果,检验其有效性,并将这些特征从孤立状态中解析出来,我们采用了比较性方法并进行了调查

多年来,我们还在鄂尔浑河谷的另外两个大型墓地进行了调查,这些墓地包含数百个石构建筑:呼顿特苏木的阿尔哈夫察勒(Ar Khavtsal)(Enkhtör等, 2018)和呼日勒特苏木的赛汗布拉金登兹(Saikhan Bulagiin Denzh)(Turbat 2021, 38–42)。尽管墓葬遗址数量庞大,但可能只有一小部分当时的人口被埋葬在各个遗址中。绝大多数人的痕迹在考古证据中无从寻觅。

我们所处理的地区,即拥有杭爱山脉的蒙古中部,对牧民来说具有特定的经济潜力。这是一个以大面积森林山区、众多开阔河谷和丰富牧场为特征的生物群落。根据纪念碑和营地的分布情况,晚青铜时代和早期铁器时代的景观可能与现在并没有太大的不同(Houle 2010)。

由于篇幅所限,本文只能作为对这些墓地分析的序章。在我们的研究项目中,我们不仅关注个别墓葬类型的年代和分析,还考虑整个仪式景观。仪式景观的概念于20世纪80年代在英国发展起来(Robb 1998),依据的标准包括聚集性、限定性和连接性。这意味着仪式场所和纪念碑在限定的景观中聚集,在空间和时间上相互连接,以及相互可视。尽管这个术语在英国已经失去了意义,但我们用它来描述我们的多视角方法。仪式是社会记忆的主要方式之一(Connerton 1989; Bradley 1993, 2)。就我们的目的而言,我们采用了一个非常广泛的仪式定义,即"一种客观的类别,指的是具有特殊(非常规)行动意图的一系列活动,这些活动对特定群体而言是独特的"(Kyriakidis 2007, 294)。仪式拒绝简化,因此不应局限于神圣领域,而是也包含世俗领域(Insoll 2004, 10–12; Kyriakidis 2007, 16–18; Swenson 2015, 331)。我们遵循Swenson的观点,即"考古记录的仪式形成支持这样的论点:仪式构成了行动的一种特殊品质,涉及实践的物质重塑或标记"

Read more

Mac 上 Skill CLI 无法执行的坑:最后其实一条命令就够了

我在做 Amazon skills 的过程中,逐步把本地 CLI 从 Python 脚本切到 Go 二进制。这样做的好处很明显:用户不用装 Python、不用配依赖,解压 skill 后直接运行。但在 macOS 上,我们反复遇到一个看起来很玄的问题:同一个二进制,在 Linux/Windows 上正常,在 Mac 上就是执行不了。 当时遇到的现象 常见报错大概有几类: * 双击或 agent 调用 CLI 时,系统提示文件来自未知开发者,无法打开。 * 终端里执行时提示 Permission denied。 * 已经 chmod +x 了,仍然被 macOS 拦截。 * Apple

By ladydd

当我把全世界人群的基因 PCA 跑出来后,看见了一个倒 L 型

最近我把之前学的一些分子人类学知识,终于真正落地了。 不是停留在看论文、看别人画图、看别人解释“人群结构”这些概念,而是自己把数据处理完,自己跑 PCA,自己把全世界不同人群放到一张图上。 然后那一刻,我真的被击中了。 图上出现了一个非常漂亮的倒 L 型。 一端是非洲,另一端逐渐拉向东亚,中间有中东、欧洲、南亚、欧亚大陆上的各种过渡人群。它不是那种随机散点图,而是有方向、有骨架、有历史感的结构。 我第一眼看到的时候,脑子里直接冒出一句话: 这不像是一张普通统计图,这像是人类迁徙史在二维空间里留下的影子。 当然,后来我也提醒自己,PCA 不能被过度浪漫化。它不是地图,也不是时间轴,更不是“谁从哪里走到哪里”的直接证据。PCA 本质上是把高维基因差异压缩到几个主成分上,用最大方差方向把样本摊开。它可以帮助我们观察人群结构、相似性、分化和混合,但不能单独承担全部历史解释。PCA 在群体遗传学里常用于观察 population structure

By ladydd

吞吐与延迟:一个厨房比喻讲透性能压测

写于 2026-06-26。背景: MCP 服务 跑在 3 台 ClickHouse(每台 16 核 / 64G,1 分片 3 副本)上。 我们花了一整轮做公网压测,把这套系统的极限、天花板和杠杆全摸清了。这篇把"吞吐 / 延迟 / 排队"这三个最容易混的概念讲透,配我们自己的真实实测数据。 一句话结论 我们这套系统的吞吐天花板 ≈ 76 req/s。 往里塞再多并发(100、200、300、500),每秒"做完"的还是大约 76 个,多出来的全在排队。系统不会崩,只会让每个人等得更久。 天花板能不能抬?

By ladydd

四卡 3090 本地模型部署复盘:Ollama 跑通 35B,以及 GPU0 掉卡问题

这次做的是一轮真实的本地模型部署摸底。 目标不是搭一个临时 Demo,而是把一台四卡 3090 GPU 机器接进自己的日常 AI 使用环境:本机跑 Open WebUI,负责账号、会话和前端配置;GPU 机器只负责模型推理。这样以后换模型、换推理框架、重启服务,都尽量不影响本机的使用入口。 最后结论比较清楚:qwen3.5:35b 的 GGUF Q4_K_M 量化版已经通过 Ollama 跑通,本机 Open WebUI 可以接入,热加载后的聊天速度也能用;但 GPU0 存在明显稳定性问题,重启后能短暂恢复,跑过负载后又会掉到 NVML 异常状态。 状态快照 当前能用的部分: * 本机 Open WebUI 已部署,

By ladydd
陕公网安备61011302002223号 | 陕ICP备2025083092号