Chinese-Poetry52K 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。项目信息详情仓库地址chinese-poetry/chinese-poetryStars52.4KLicenseMIT可自由商用数据格式JSON创建时间2016 年 9 月维护状态持续活跃更新数据规模一览数据集数量备注唐诗约 55,000 首涵盖近 14,000 位诗人宋诗约 260,000 首规模最大的一类宋词约 21,000 首涵盖 1,564 位词人诗经305 首全文收录楚辞19 篇全文收录论语20 篇全文收录四书五经整部完整收录花间集完整版收录蒙学经典多篇三字经、百家姓、千字文等纳兰性德诗集完整近年新增总计超过 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。说白了就三点文化传承— 古诗词不应该躺在图书馆里积灰降低门槛— 让更多人能零成本接触到完整的古典文学开发者友好— 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问题现状数据不全很多只收录了几百首热门诗词强制会员看完整赏析要开会员广告轰炸每翻几首就插一段广告功能鸡肋只有简单的搜索和收藏用 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,encodingutf-8)asf:tang_poemsjson.load(f)print(f共加载{len(tang_poems)}首唐诗)# 随机取一首展示poemtang_poems[0]print(f《{poem[title]}》 ——{poem[author]})forlineinpoem[paragraphs]:print(line)方式三Node.js 服务化constpoemsrequire(./chinese-poetry/json/poet.tang.json);// 按作者筛选constbyAuthor(name)poems.filter(pp.authorname);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”Claude Code 会自动生成组件结构、状态管理、搜索逻辑把 chinese-poetry 的 JSON 文件放入public/目录让 AI 接入数据层完成筛选和渲染再提需求“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数据源数据量许可格式费用chinese-poetry37 万MIT 开源JSON免费某付费诗词 API约 1 万商业授权JSON300-1000 元/年古诗文网量大但不确定不开源网页不可批量获取自制爬虫不确定版权风险需清洗时间成本高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-poetryWeb 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。