继挖掘好书神器-好书一下和挖掘好书神器-书海星空之后，这两个小工具因为服务器到期停了好几年，陆续有朋友留言问还能不能用。今年把两者合在一起，从数据到界面重做了一遍，起名万书挑一：从万本书里，挑出值得读的那一本。
网址：https://wanshutiaoyi.com，电脑和手机都能直接打开。
一、好书指数：不只看评分
只看评分很容易被骗：几十个人就能把一本书打到 9 分以上。万书挑一的默认排序是「好书指数」，用评分和评价人数做贝叶斯平均——评价人数越少，分数越往全站平均分拉；人数越多，越接近原始评分。这样「几十个人打出的 9.5」和「几十万人打出的 9.4」就分开了。
收缩力度这个参数，是拿 2020 年的旧数据去预测 2026 年同一批书的分数，回测选出来的。另外同一本书的多个版本（不同译本、不同出版社）在榜单里只保留评价最多的那一版，漫画、绘本、杂志默认不混进书单，需要时在筛选里打开即可。
二、按自己的标准筛
可以按最低分、最少评价人数、出版年份、标签、排除词任意组合筛选，再按好书指数、评分、人数或年份排序。我自己常用的几种筛法：
- 按领域找经典：加一个标签（心理学、历史、经济学、科幻……），评价人数 ≥ 1000，按好书指数排。1000 人是个经验阈值，低于它的 9 分基本不可信。
- 只看新书：年份 2022 以后，评分 ≥ 8.8，评价 ≥ 500，找已经有几百人认可、但还没进大众视野的书。
- 顺藤摸瓜：找到一本喜欢的书，去看「喜欢这本书的人也喜欢」，比单看分数准。
三、高级筛选：按评分形态挖书（赞助者）
同样是 8.5 分，一本是众口一词，一本是粉丝和黑子吵出来的。高级筛选把这些差别拿出来当筛选条件：
- 评分形态：「口碑一致」是 4、5 星合计占 85% 以上，几乎没人说不好；「两极分化」是 5 星多、1~2 星也不少；「分高但虚」是 8.5 分以上但 5 星不到 45%。也可以自己设 5 星占比下限、1~2 星占比上限。
- 评价人数上限：只看 3000 人以内的，专挖还没被大众发现的书。上图就是「历史 · 口碑一致 · 200 到 3000 人」，出来的是谭其骧、陈寅恪、杨伯峻这一类。
- 被推荐次数：被多少本书的「喜欢这本书的人也喜欢」列出。它比评价人数更能看出一本书是不是经典，也可以直接按它排序。
- 出品方、译者、丛书、页数：按理想国、后浪、读库这类出品方筛，按译者筛，只看 200 页以内的周末读物。
- 星系：只看书海星空里某一个星系的书，比如只看「推理·悬疑」，按好书指数排。
不想自己调参数，可以看每天自动更新的冷门高分榜：评价 200 到 3000 人、豆瓣 8.8 分以上的近年好书。
四、新书雷达
2020 年之后新收录的书单独放在「新书雷达」里，可以按人气或评分排。数据每天增量更新，新书会陆续补进来。
五、书海星空
当年的书海星空也搬了进来，而且整个重做了：49.5 万本书之间 430 万条「读过这本的人也喜欢」的关系，画成一张能飞进去逛的三维星图。读者口味相近的书自己聚成了 34 个星系，历史·人文、推理·悬疑、科幻·奇幻……每个点是一本书，点越大被越多的书推荐，离得越近两本书的读者越重合。
- 星系导览：一键飞进任何一个星系，看它的代表作，也能跳到按好书指数排好的书单。
- 顺藤摸瓜：选中一本书，列出同作者的其它书、本星系最值得读的书，以及它通往其它星系的「桥」。
- 年份播放：按下播放，看星空从 1900 年开始一年年亮起来。
- 足迹：逛过的书连成一条路线，可以保存、回放，生成链接分享给朋友。
详细的玩法见书海星空漫游指南，里面有动图。
六、详情页
每本书的详情页有评分分布（五星到一星的占比，一眼能看出是不是「一边倒」）、简介，以及「喜欢这本书的人也喜欢」。
最后
万书挑一是我一个人自费运营的，不接广告。自费运营至少一年，承诺至少运营到 2027 年 12 月；用的人多了会升级服务器。数据来源是豆瓣图书的公开页面，每本书都链接回豆瓣原页。
用着有什么问题，或者想要什么功能，欢迎在下面留言，或者发邮件给我。
书单系列
按领域筛出来的分类书单，陆续发在这里：
- 三百多万本豆瓣图书里，评价过万且 9 分以上的只有 262 本
- 心理学：AI 标签筛出评价过千的 333 本，最值得读的 30 本
- 历史：AI 标签筛出评价过千的 888 本，最值得读的 30 本
- 投资理财：AI 标签筛出评价过千的 132 本，最值得读的 30 本
- 育儿：AI 标签筛出评价过千的 94 本，最值得读的 30 本
- 书海星空漫游指南：在 355 万本书里，找一片属于你的星空
- 认知与思维：AI 标签筛出评价过千的 135 本，最值得读的 30 本
- 经济学：AI 标签筛出评价过千的 213 本，最值得读的 30 本
- AI 标签：烧掉 138 亿 Token，五个大模型给 32 万本书重新打了一遍标签
