Loop Engineering：让诗词网站自己运转

Loop Engineering 不把系统当一次性交付的产物，而是当飞轮——上线只是起点，转起来才是正经事。

三个核心：

1. 系统即运营 — 没有”开发完”这个节点
2. 指标驱动 — 看数据，不看直觉
3. 工具即回路 — 分析器、选择器、生成器自动衔接

反馈 → 分析 → 洞察 → 调整 → 生成 → 触达 → 反馈...
  ↑                                        ↓
  └──────── Loop Engineering ──────────────┘

不是”开发→上线→维护”的线性流程，是一个永远在转的圈。

---

每日诗词网站

核心交互极简：每天一首诗。

但”选哪首”这件事，藏着 Loop Engineering 的全部。

多维度选择器

选诗不是随机的，也不是编辑拍板的。一个选择器自动完成，输入维度：

维度	来源	例子
时间	系统时钟	清晨→《山居秋暝》；深夜→《月下独酌》
地点	IP/定位	北京→《燕歌行》；杭州→《钱塘湖春行》
天气	天气API	下雨→《春夜喜雨》；大风→《茅屋为秋风所破歌》
用户输入	文字/标签	用户说”思乡”→《静夜思》
用户记忆	历史交互	展示过的降权；点赞过的风格提权
历史上的今天	历史数据	6月15日→相关诗词事件/诗人诞辰

算法就是加权评分：

score = w1 * time_relevance + w2 * location_relevance + \
        w3 * weather_relevance + w4 * user_intent + \
        w5 * novelty + w6 * historical_relevance

关键：w1...w6 不固定，由迭代机制自动调。

缺字展示：帮人记住诗

最有趣的部分。展示一首诗不是一次全亮，而是模拟记忆规律：

1. 首次：完整显示 + 赏析
2. 二次：缺1-2个字，脑补（激活回忆）
3. 三次：缺更多，或诗句逐行淡出
4. **四次+**：只剩诗名或首句

展示次数 → 缺字比例
  1次    →   0%
  2次    →  15%
  3次    →  35%
  4次    →  55%
  5次+   →  70%（只留诗名+作者）

诗句从末尾渐隐。用户可以点”我想起来了”展开，或点”提示”显示首字。

背后的认知科学：

• 间隔重复：即将遗忘时复习，记忆最牢
• 提取练习效应：主动回忆比被动重读管用
• 必要难度：适度增加回忆难度，长期记忆更好

所以用户不是在”读诗”，是在记诗。

指标驱动：阅读量和点赞量

Loop Engineering 的灵魂——用数据验证假设，用迭代逼近目标。

核心指标：

指标	什么意思	优化方向
日阅读量	独立访客数	选诗精准度、推送时机
点赞率	点赞/阅读	诗词质量、展示体验
回访率	7天内再来的人	记忆机制粘性
完忆率	缺字时点”想起来了”的比例	缺字难度是否合适

一个完整的 Loop 长这样：

假设”用户更喜欢天气匹配的诗”→ 对比晴天雨天点赞率 → 雨天匹配率 +23%，晴天没差别 → 雨天加大 w3，晴天降 w3 提 w1 → 继续观察。

观察 → 假设 → 测试 → 验证/推翻 → 调参 → 观察...

工具链

Loop Engineering 要工具串联成回路：

┌──────────────────────────────────────────┐
│            Loop Engineering              │
│                                          │
│  数据分析 ──→ 洞察生成 ──→ 策略调整      │
│      ↑                        │          │
│      │        内容生成 ←───────┘          │
│      │            │                      │
│      └── 诗词选择器/展示渲染器/交互层 ────┘│
└──────────────────────────────────────────┘

数据分析与洞察——采集页面访问、停留时长、点赞、缺字展开率、回访频次；按维度拆解；异常自动排查；每日推送简报：

{
  "date": "2026-06-14",
  "insights": [
    "雨天+思乡类诗词点赞率比均值高 31%",
    "缺字率 35% 时完忆率最高（72%），55% 时骤降至 41%",
    "深夜（22:00-01:00）停留时长是白天 2.3 倍"
  ],
  "actions": [
    "缺字第三档从 55% 调到 45%",
    "深夜优先推深沉的诗词",
    "雨天提高思乡/写景诗权重"
  ]
}

诗词选择器——唐诗三百首+宋词三百首+诗经选+用户投稿；每首诗标主题、情绪、时令；权重由分析工具自动调；按遗忘曲线降权，间隔2/7/30天重新出现。

展示渲染器——根据展示次数算缺字比例，随机选缺字位置（避开标题作者）；CSS渐隐从末句3秒淡出；点击展开、提示首字、分享卡片。

---

跑一周看看

Day 1（周一）

晴天·北京·上午 → 《鹿柴》，完整展示。阅读1,200，点赞率8%。

Day 2（周二）

阴天·杭州·下午 → 《饮湖上初晴后雨》。阴天+写景点赞率偏低（6%）→ 降写景权重，提情感权重。

Day 3（周三）

雨天·上海·深夜 → 《夜雨寄北》。阅读1,500，点赞率14%！雨天+思乡+深夜，黄金组合。

Day 4（周四）

晴天·北京·清晨 → 《春晓》。6月18日孟浩然纪念日加成。阅读900，点赞率9%。

Day 5（周五）

阴天·成都·下午 → 《春夜喜雨》。同时 Day 1 的《鹿柴》二次出现，缺字15%，完忆率78%。

Day 6（周六）

晴天·杭州·傍晚 → 《暮江吟》。傍晚+写景点赞率11%，跟阴天下午不一样 → 区分晴天傍晚和阴天下午的写景权重。

Day 7（周日）

周报：阅读量8,400（+12%），点赞率均值9.6%，完忆率78%。自动调参：雨天w3↑、阴天写景↓、深夜思乡↑。下周测试缺字20% vs 15%。

---

跟普通迭代有什么不一样

	传统迭代	Loop Engineering
频率	周级别，人推着走	天/小时级别，自己转
决策	产品经理拍脑袋	数据洞察→自动调参
工具	散着放，人衔接	串成回路，自动流转
目标	功能交付	指标提升
记忆	文档和会议	权重和参数
规模	受限于团队带宽	维度和场景随便加

说白了：把产品经理的判断力编码成自动回路，让系统自己变好。

---

技术架构

用户端（Next.js）
  ├── 诗词展示页（缺字渲染 + 消失动画）
  ├── 用户交互（点赞/展开/提示/分享）
  └── 数据上报（停留时长/交互事件）

API 层
  ├── /api/daily-poem     → 诗词选择器
  ├── /api/user-memory    → 用户记忆管理
  ├── /api/interaction    → 交互数据采集
  └── /api/insights       → 洞察推送

后端
  ├── 诗词选择器（多维度加权 + 动态权重）
  ├── 数据分析引擎（聚合 + 异常检测 + 洞察生成）
  ├── 记忆管理（遗忘曲线 + 间隔重复调度）
  └── 权重优化器（洞察驱动自动调参）

数据层
  ├── 诗词库（PostgreSQL + 向量索引）
  ├── 用户行为（ClickHouse）
  └── 权重参数（Redis + 版本管理）

向量索引支持语义匹配——用户说”想看写秋天的”，不只匹配”秋”字，”霜””落叶””登高”也能命中。

---

最后

Loop Engineering 不是技术框架，是思维模式：

1. 定可量化的目标（阅读量、点赞率、完忆率）
2. 建自动运转的回路（数据→洞察→调整→生成→触达→数据）
3. 让系统在运转中进化（权重自调、策略自优）

诗词网站只是一个例子。每日一首歌、每日一段代码、每日一个单词——任何”每天一个”的场景都适用。

缺字和消失展示的设计，让系统不只是”推送内容”，而是在帮人建立长期记忆。这是更高的目标：不是让用户消费更多，是让用户真正获得更多。