Chinese-Poetry：52K Star 的中文诗词宝库，AI 时代的文化基建

Chinese-Poetry：52K Star 的中文诗词宝库，AI 时代的文化基建

当市面上的诗词小程序还在收会员费、插广告、限次数时，这个开源项目已经默默把 5.5 万首唐诗、26 万首宋诗、2.1 万首宋词整理成了标准 JSON，任何人都可以免费拿去用。

一、项目概览

chinese-poetry是目前 GitHub 上最全的中文古典诗词开源数据库，拥有超过52,000 Stars和10,000+ Forks，是中文 NLP 数据领域的标杆项目。

数据规模一览

总计超过 37 万首诗词曲赋，涵盖从先秦到清代的完整文学脉络。

二、为什么作者要做这个项目？

项目作者在 README 中写了一段很朴素的话：

古诗是中华民族乃至全世界的瑰宝，我们应该传承下去。虽然有古典文集，但大多数人并没有拥有这些书籍。从某种意义上来说，这些庞大的文集离我们是有一定距离的。而电子版方便拷贝，所以此开源数据库诞生了。

说白了就三点：

1. 文化传承— 古诗词不应该躺在图书馆里积灰
2. 降低门槛— 让更多人能零成本接触到完整的古典文学
3. 开发者友好— 用 JSON 格式分发，拿到就能用，无需繁琐的数据清洗

三、数据结构长什么样？

这个项目最良心的一点，是数据格式设计得极其干净。以唐诗为例：

{"title":"春望","author":"杜甫","paragraphs":["国破山河在，城春草木深。","感时花溅泪，恨别鸟惊心。","烽火连三月，家书抵万金。","白头搔更短，浑欲不胜簪。"],"strains":["平仄仄平仄，平平仄仄平。","仄平平仄仄，仄仄仄平平。","平仄平平仄，平平仄仄平。","仄平平仄仄，平仄仄平平。"]}

宋词的数据结构更丰富一些：

{"author":"苏轼","rhythmic":"江城子","title":"江城子·乙卯正月二十日夜记梦","paragraphs":["十年生死两茫茫，不思量，自难忘。","千里孤坟，无处话凄凉。","纵使相逢应不识，尘满面，鬓如霜。","夜来幽梦忽还乡，小轩窗，正梳妆。","相顾无言，惟有泪千行。","料得年年肠断处，明月夜，短松冈。"]}

几个值得注意的设计细节：

• strains字段记录了每句的平仄，这对做格律分析、诗词创作的 AI 应用非常关键
• rhythmic字段标注了词牌名，方便按词牌检索和分类
• 全部 UTF-8 编码，无乱码问题
• 扁平化结构，没有复杂嵌套，任何编程语言都能直接解析

四、AI 编程时代，这些数据能做什么？

这是本文的重点。在 AI 编程工具（Cursor、Claude Code、Codex 等）越来越强的今天，chinese-poetry 不再只是一个"数据仓库"，它已经成了可以快速变成产品的文化基建。

1. 做一个真正好用的诗词小程序

市面上大多数诗词小程序存在几个通病：

用 chinese-poetry，你可以做一个完全不同量级的产品：

• 37 万首诗词的全文检索，支持按朝代、作者、体裁、词牌名等多维度筛选
• 每日一诗推送，内容永不重复
• 飞花令小游戏，用算法自动校验诗句中包含特定字
• 诗词接龙挑战，基于首尾字匹配规则实现
• 平仄分析功能，帮助用户理解诗词格律
• 个人诗单管理，支持标签、笔记、背诵打卡

关键是：零数据成本，零授权费用，MIT 许可可以随意商用。

2. AI 诗词创作与鉴赏

借助 LLM 的能力，这个数据集可以变成训练语料：

• AI 写诗— 用 37 万首诗词做微调数据，让模型学会格律、平仄、对仗
• 诗词鉴赏生成— 结合 LLM 为每首诗自动生成赏析、注释、创作背景
• 现代文翻译— 将古诗词翻译成现代汉语，降低理解门槛
• 意象分析— 统计高频意象词（如"月"“柳”“雁”），生成诗词意象图谱

已有开发者在尝试用 LLM 对全唐诗进行 AI 辅助鉴赏评分，让好诗在 37 万首作品中更容易被发现。

3. 教育类应用

• 古诗词学习 App— 分级背诵（小学/初中/高中必背篇目）、默写练习、填空测试
• 飞花令对战— 支持人机对战和在线对战
• 诗词填空游戏— 类似"成语接龙"但用诗句
• 书法临摹素材— 提供标准文本供书法练习

4. 内容创作工具

• 每日诗词日历— 生成带诗词的日历图片，适合公众号/小红书运营
• 诗词卡片生成器— 输入主题（如"春天"“思乡”），自动生成配诗卡片
• 文案助手— 根据场景推荐合适的诗句（写中秋祝福？找带"月"和"团圆"意象的诗）
• 短视频脚本— 结合 AI 生成诗词朗诵脚本+画面描述

5. NLP 研究与技术项目

• 古汉语分词训练数据
• 文本分类（按朝代/体裁/情感分类诗词）
• 作者风格分析（用统计方法区分李白和杜甫的语言特征）
• 诗词生成模型的评测基准
• 知识图谱构建（诗人关系网、诗词-意象-情感关联）

五、快速上手：5 分钟接入你的项目

方式一：直接克隆（推荐）

gitclone https://github.com/chinese-poetry/chinese-poetry.git

克隆后在json/目录下就能找到所有分类整理好的 JSON 文件，直接读取即可。

方式二：Python 调用

importjson# 加载全部唐诗withopen('./chinese-poetry/json/poet.tang.json','r',encoding='utf-8')asf:tang_poems=json.load(f)print(f"共加载{len(tang_poems)}首唐诗")# 随机取一首展示poem=tang_poems[0]print(f"《{poem['title']}》 ——{poem['author']}")forlineinpoem['paragraphs']:print(line)

方式三：Node.js 服务化

constpoems=require('./chinese-poetry/json/poet.tang.json');// 按作者筛选constbyAuthor=(name)=>poems.filter(p=>p.author===name);console.log(`杜甫共有${byAuthor('杜甫').length}首诗`);

方式四：部署 API 服务

社区维护了一个chinese-poetry-server包：

npminstallchinese-poetry-server-gcp-server

启动后通过 HTTP 接口即可查询，适合给小程序或前端项目做后端。

六、AI 编程实战：用这些数据能做多快？

在 Claude Code、Cursor 或 Codex 的帮助下，基于 chinese-poetry 做一个完整的产品只需要几步：

示例：用 Claude Code 做一个诗词小程序

1. 告诉 AI：“用 React + Vite 做一个诗词浏览小程序，数据源是本地 JSON，支持搜索、按朝代筛选、收藏功能”
2. Claude Code 会自动生成组件结构、状态管理、搜索逻辑
3. 把 chinese-poetry 的 JSON 文件放入public/目录
4. 让 AI 接入数据层，完成筛选和渲染
5. 再提需求：“加一个每日一诗页面，用 localStorage 记录已读”、“做一个飞花令游戏”

整个过程可能只需要 1-2 个小时，而传统开发方式可能需要数天。

七、竞品对比：为什么选它？

chinese-poetry 的核心优势：

• 数据最全— 37 万首的体量，公开数据集中无出其右
• 真正免费— MIT 许可，商用无需担心法律风险
• 开箱即用— JSON 格式，无需清洗转换
• 持续维护— 从 2016 年活跃至今，社区不断补充校对
• 体积小— 全部数据约 200MB，放服务器或 CDN 都毫无压力

八、写在最后

chinese-poetry 这个项目最打动人的地方，不是它的技术有多复杂，而是作者的初衷：

古诗是中华民族乃至全世界的瑰宝，我们应该传承下去。

在 AI 编程时代，"传承"这件事有了新的可能。以前你需要一个团队、几个月时间、大量资金才能做一个诗词产品。现在，一个人 + AI 编程工具 + chinese-poetry 数据集，几小时就能做出一个功能完整、数据全面的诗词应用。

那些还在收会员费、插广告、限次数的诗词小程序，本质上就是在信息差上赚钱。而这个项目直接把信息差抹平了。

如果你一直想做点有文化价值的产品，chinese-poetry 是一个绝佳的起点。

参考链接

• GitHub 仓库：https://github.com/chinese-poetry/chinese-poetry
• Web 展示版：https://awesome-poetry.top/huajianji/
• 相关项目：诗歌总集（https://github.com/open-chinese/poetry-collection）— 另一款正在用 AI 进行鉴赏和评分的诗词数据集

文章信息：本文介绍 chinese-poetry 开源项目，数据截至 2026 年 7 月。项目 Stars 数可能随时间增长，具体以 GitHub 仓库实时数据为准。