诗迹 · 社员诗歌年度报告
每年给国学社出一份年度报告：1646 首诗词的体裁分布、月度创作曲线、四季意象词云、年度热诗、作者风格画像。从 ECharts 图表到 Poetry-Prism 灵魂画像，把数据变成社员之间传播最广的内容。
这个项目是什么
诗迹是国学社的年度诗歌数据报告。每年底从南洋吟游的数据库里提取当年所有社员创作数据，做统计分析和可视化，输出一份交互式的年度报告网页。已连续做了三期：
| 年份 | 总量 | 诗 | 词 | 活跃作者 |
|---|---|---|---|---|
| 2023 | 586 | 400 | 186 | 14 |
| 2024 | 721 | 417 | 304 | 21 |
| 2025 | 1646 | 968 | 678 | 49 |
2025 年度报告是最完整的一期：
三年翻了接近三倍——从 586 到 1646，作者数从 14 到 49。报告说 1646 首大约是杜甫传世诗作的 1.12 倍——虽然质量上有亿点差距，但产量上我们赢了。
报告包含什么
体裁分布：诗以七律为绝对主力（524 首，54%），其次是七绝（320 首，33%）。词牌里临江仙最受欢迎（100 首），鹧鸪天和浣溪沙紧随其后。
月度笔耕：用 ECharts 画月度创作量曲线。灵感迸发日是 2025 年 3 月 23 日——那天 19 篇，大家在写「次韵碧城三首」。
四季流转：用语义分析提取每个季度的高频意象词，做成四张季节卡片：
- 春：春风 · 东风 · 天涯 · 相思 · 春寒
- 夏：身后事 · 广寒宫 · 苦雨黄梅 · 登临意
- 秋：梧桐 · 浮生 · 随逝水 · 又归零
- 冬：人间 · 奈何桥上 · 万里 · 江南梦
年度词云：全量用字统计生成的词云图。2025 年度关键词：人间 · 天涯。
年度热诗：按阅读量排序的最受欢迎作品，附原文。
作者风格画像：每位活跃作者一张海报卡片——个人词云（一人一代表色）、创作统计、入社时间。这是社员之间互相比较、转发传播最多的内容。
为什么做这个
最早是 2023 年底的一个想法：社团每年产出这么多诗，但没有人从数据的角度去看”我们这一年在写什么”。大家对自己的创作有感性的认知——觉得今年写了很多关于秋天的词——但没有数据验证。
做了第一期之后发现，报告本身成了社团最好的传播内容。社员会截图自己的画像发朋友圈，会比较彼此的关键词差异，会惊讶于”原来今年全社最高频的意象是天涯不是月亮”。这种数据驱动的自我发现感，比任何宣传文案都有效。
后来 Poetry-Prism（诗风棱镜）就是从这个基础上长出来的——如果年度报告是集体画像，Poetry-Prism 就是个人灵魂画像。
我做了什么
报告是纯静态 HTML + ECharts + CSS 动画，通过公众号推送发布。每位作者的个人词云则嵌入在南洋吟游的作者个人资料页里，这部分是部署了的。数据管线是 Python：从 SQLite/JSON 提取 → Pandas 统计 → 生成 JSON 数据 → 注入 HTML 模板。词云用 Python wordcloud 库 + 精调参数生成 PNG，每位作者的个人词云用不同代表色渲染。
最花时间的不是代码，是设计。报告的视觉风格要和南洋吟游整体一致——毛玻璃卡片、温暖的配色、衬线字体。每一期都会迭代 UI，2025 年用了方正轻刻本雅宋作为标题字体，整体质感提升了很多。
Q&A
Q: 1646 首是杜甫的 1.12 倍，这个彩蛋是怎么来的？
杜甫传世诗作约 1470 首（不同版本有出入）。这个对比纯粹是好玩——每年选一位古人来 benchmark。之前还 benchmark 过李清照（约 60 首词，我们是她的 11 倍）。社员看到这个数字会觉得很有成就感，虽然大家都知道产量和质量是两回事。
Q: 四季意象分析是怎么做的？
做法比较朴素：按创作日期把作品分到春夏秋冬四个季度，对每个季度做分词和词频统计，去掉停用词和高频虚词后取 Top 10。不是语义分析，就是词频——但效果出奇地好，因为古典诗词的季节意象本身就很集中（写春天必提东风，写秋天必提梧桐）。人工看了一遍确认没有反直觉的结果后就直接用了。
Q: 个人词云为什么要”一人一代表色”？
最初是实用原因：多张词云放在一起，如果都是同一个颜色就分不清谁是谁。后来这个设计和主站统一了——代表色是每位社员身份的一部分，入驻南洋吟游的时候自己选的，贯穿在个人主页、作品列表、词云等所有场景里。社员会说”我是那个紫色的”、“鹅黄色那个是溪烟”。颜色成了一种身份标识，比用户名更有辨识度。