本文是一篇 Kotlin 实践笔记，讨论一种五轴雷达图（也称指纹图）的自归一化实现。各轴取值全部由同一张事件表计算，并在构造上被约束在 0..1 之间，因此不需要任何外部语料库或全局平均值作为参照。文章给出的核心函数 fingerprintOf 接收每日事件数、按实体统计的事件数（降序）、新实体数、去重实体数、去重条目数和事件总数，计算一致性、发现度、多样性、集中度和重复率五个轴。
用途与主要能力
文章定位不是介绍 API，而是梳理这套自归一化图表在实现时容易踩的坑。它给出的代码片段展示了每个轴如何计算，例如一致性用 1 减去变异系数，多样性用归一化香农熵，集中度取前五名实体的事件占比，重复率用 1 减去去重条目与事件数之比。这些公式都配有陷阱说明，指出哪些值可能为零、哪些排序依赖是隐式的、哪些“有界”只是查询性质的产物。
使用方式
文章建议在仓库根目录运行只读的 grep 命令做自查：一条找出代码库中所有被 clamp 的比值，以便确认除数是除法之前就守卫过、而不是除完再 clamp；另外两条分别查所有 take(5) 和 ORDER BY 排序，用来验证“前五名”确实来自降序排序。此外还有手工验收步骤：切换到一个只有一个活跃日的周期，此时应只有一致性读数为 0%，其余四轴为真实值；再切换到一个没有任何事件的周期，整个图表不应绘制，图例中对应的形状条目也应一并移除。
适用场景
适合在本地运行、没有跨用户平均值可参照的应用里绘制行为指纹图，也适合用作代码评审清单，检查图表类代码中的除零守卫、NaN 传播和样本量阈值问题。
限制
文章只讨论这一种图表的实现陷阱，未提供完整的可运行项目、性能数据或平台支持信息。文中提到的“上一周期多边形”对照、事务一致性等做法均为设计建议，具体落地方式需读者结合自身查询与事务结构判断；未给出的价格、许可和依赖信息暂未提供。