需结合depseek关键词提取与外部词云库实现：先清洗文本并保存为utf-8编码的.txt文件；再用cli或web界面提取前50关键词生成json；最后用python调用wordcloud等库，配置中文字体与停用词表渲染词云图。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望使用Depseek工具从文本数据中提取年度关键词并生成可视化词云图，则需要结合其内置的关键词提取功能与云图渲染模块。以下是实现此目标的具体操作步骤：
一、准备原始文本数据
Depseek关键词提取依赖于结构清晰、语义连贯的文本输入，原始数据质量直接影响关键词权重分布与云图可读性。建议统一整理为纯文本格式（.txt），剔除无关符号、重复段落及非中文字符干扰。
1、将年度相关文档（如会议纪要、新闻稿、年报摘要）汇总至一个文件夹中。
2、使用记事本或VS Code打开各文档，删除页眉页脚、编号列表、超链接等非语义内容。
3、将所有清洗后的文本复制粘贴至单一UTF-8编码的.txt文件中，并保存为“2024年度语料.txt”。
二、调用Depseek关键词提取接口
Depseek提供命令行与Web API两种提取方式，本地部署版本支持直接传入文本路径并返回带权重的关键词列表，该结果是生成词云的基础数据源。
1、在终端中进入Depseek安装目录，执行命令：python cli.py --input ./2024年度语料.txt --output ./keywords.json --topk 50。
2、等待处理完成，检查当前目录下是否生成keywords.json文件，确认其中包含“word”与“weight”字段。
3、若出现编码错误，需在命令末尾添加参数：--encoding utf-8-sig。
三、使用Python脚本生成词云图
Depseek本身不内置图形渲染引擎，需借助外部库（如wordcloud、jieba、matplotlib）将keywords.json转换为PNG格式词云图像，确保中文分词与字体路径正确配置。
1、新建Python文件“generate_wordcloud.py”，导入必要库：import json, jieba, numpy as np, matplotlib.pyplot as plt。
2、读取keywords.json，构建词频字典：with open('keywords.json') as f: data = json.load(f); freq_dict = {item['word']: item['weight'] for item in data}。
3、调用wordcloud生成图像，指定中文字体路径：wc = WordCloud(font_path='simhei.ttf', width=1200, height=600, background_color='white').generate_from_frequencies(freq_dict)。
四、通过Depseek Web界面可视化生成
若已部署Depseek Web服务，可通过浏览器端上传文本并一键获取词云预览，适用于无编程基础用户，但需提前配置好后端词云插件与前端Canvas渲染组件。
1、访问Depseek Web地址（如http://localhost:5000），点击“关键词分析”标签页。
2、点击“选择文件”按钮，上传已准备好的“2024年度语料.txt”。
3、在参数区域勾选启用词云渲染，设置最大显示词数为50，点击“开始分析”。
4、页面加载完成后，在结果区域右上角点击导出为PNG按钮下载图像。
五、调整词云样式与过滤噪声词
默认生成的词云可能包含虚词、停用词或低区分度高频词，需通过自定义停用词表与字体样式干预最终输出效果，提升专业呈现质量。
1、编辑本地stopwords.txt文件，逐行添加需屏蔽的词，例如：的、了、和、是、在、有、也、就、不、人。
2、在Python脚本中加载停用词：with open('stopwords.txt') as f: stops = set(line.strip() for line in f)，并在生成freq_dict前过滤。
3、修改WordCloud初始化参数：colormap='viridis', max_font_size=80, relative_scaling=0.5，增强视觉层次感。
