核心功能
statsfm 是一款面向音乐爱好者的数据分析工具，通过 stats.fm API 提供多维度听歌洞察。核心能力分为三层：
公开查询层：无需任何账号即可搜索艺人、专辑、曲目信息，查询全球实时榜单（tracks/artists/albums），适合快速了解音乐流行趋势。
个人数据层：绑定 stats.fm 用户名后，可深度挖掘个人 Spotify 收听历史——从宏观的月度收听趋势到微观的单日播放记录，从 lifetime 累积数据到最近 7 天的即时动态。
分析洞察层：区别于简单的数据展示，该 skill 强调「叙事性分析」——通过 artist-history 追踪艺人痴迷的起落曲线，用 track-history 定位「入坑单曲」，借助 stream-stats 计算收听占比，结合多时间维度对比发现品味演变的关键节点。
显著优势
- 零门槛公开数据：全球榜单、艺人资料、专辑曲目等基础查询完全开放
- 细粒度时间追踪：支持 monthly/weekly/daily 三级粒度，可精确定位「哪一天开始沉迷某位艺人」
- 丰富的关联钻取：从艺人 → 专辑 → 曲目 → 具体播放记录的多层下钻，支持
top tracks --from-artist等筛选 - 智能工作流引导：内置「发现时刻」「年度回顾」「专辑解剖」等场景化分析模式，降低数据解读门槛
- 纯 Python 实现：单脚本依赖仅标准库，部署简单
潜在局限
- 数据来源单一：仅对接 stats.fm API，若该平台数据同步延迟或覆盖不全（如部分 Spotify 私有/离线播放），分析结果会受影响
- Plus 功能限制：播放次数等核心指标需 stats.fm Plus 订阅，免费用户仅能查看排名和月度分布
- 隐私依赖：个人数据查询要求 stats.fm 账号公开，私有档案无法访问
- 无跨平台支持：仅限 Spotify 生态，Apple Music、YouTube Music 等用户无法使用
- API 稳定性风险：第三方非官方 API，存在变更或限流可能
适合人群
- 热衷「数据化自我」的 Spotify 重度用户，希望量化自己的音乐痴迷周期
- 音乐博主/创作者，需要制作「年度听歌报告」「艺人深度解析」等内容
- 发现新音乐的探索者，想通过榜单和艺人关联拓展曲库
- 对「什么时候入坑」有执念的乐迷，追求精准到日的收听时间线
常规风险
- 隐私泄露：用户名公开后，个人收听历史可被任何人查询，敏感音乐品味可能暴露
- 数据准确性：第三方 API 与官方 Spotify Wrapped 可能存在统计口径差异，不宜作为精确依据
- 过度量化风险：易诱导用户将音乐体验简化为数字竞争，忽视主观感受
- 账号关联：stats.fm 需绑定 Spotify 账号授权，存在第三方平台数据泄露的间接风险