Skip to content

Qiuizi/destiny

Repository files navigation

三系统命理分析编排器

三系统交叉验证 · 矛盾驱动 · 理论可追溯

Python LLM Backend Methodology

八字四柱 · 紫微斗数 · 西方占星 三套系统的交叉验证方法论, 固化为可自动化运行的四步分析流程。


为什么需要这个工具

三套系统直接叠加结论,是"信息汇总",不是"交叉验证"。

当三套系统在某个命题上一致时,这是真相; 当它们表面矛盾时,这是一个更精细的真相正在等待被发现; 当它们完全无法调和时,命主的实际生命体验是最终的裁判。

本工具把 destiny_analysis_methodology.md 中的方法论固化为可复现的 LLM 分析流程,在每一步都强制模型按规范输出——避免空泛的玄学式描述,强调矛盾驱动的深层洞察


四步分析流程

flowchart LR
    A[命主输入<br/>命盘+生命体验<br/>+当前困惑] --> B1[Step 1.1<br/>八字深度解析]
    A --> B2[Step 1.2<br/>紫微深度解析]
    A --> B3[Step 1.3<br/>占星深度解析]
    B1 --> C[Step 2<br/>主动寻找矛盾]
    B2 --> C
    B3 --> C
    C --> D[Step 3<br/>矛盾解构]
    D --> E[Step 4<br/>综合建议<br/>最终报告]

    style A fill:#e1f5ff,stroke:#0366d6,stroke-width:2px
    style C fill:#fff5b1,stroke:#dbab09,stroke-width:2px
    style D fill:#ffeef0,stroke:#d73a49,stroke-width:2px
    style E fill:#dcffe4,stroke:#28a745,stroke-width:2px
Loading
步骤 任务 依据方法论
Step 1 在每套系统内部把理论讲透,不跳过、不简化 § 3 单系统深度解析规范
Step 2 对照清单识别系统间的表观矛盾 § 3 常见矛盾类型表
Step 3 按标准四层格式逐一解构矛盾 § 3 矛盾解构的标准格式
Step 4 从核心洞察生成可追溯、可执行的建议 § 3 综合建议生成规范

核心设计

LLM 后端自选

内置两种接入方式,换家只改配置:

  • openai_compatible — 兼容 OpenAI Chat Completions 的任意服务
  • anthropic — Claude 原生 /v1/messages 接口

方法论即提示词

六份 Prompt 对应六次模型调用,每份都:

  • system prompt 嵌入完整方法论原文
  • 显式列出该步骤的所有分析规范
  • 显式列出该步骤的禁止项

命盘数据用户自备

不内置命盘计算(紫微/占星开源库质量差异大)。 使用在线排盘工具生成数据后粘贴到模板即可。

过程全部保留

每步的 system/user prompt + 输出都保存在 runs/<时间戳>/ 下,方便回查、复用、调参。


快速开始

# 1. 安装(Python 3.9+)
pip install -r requirements.txt

# 2. 配置 API 后端
cp config.example.yaml config.yaml
#   编辑 config.yaml,填入你选的 LLM 服务的 api_key / base_url / model

# 3. 填写命主输入
cp templates/input_template.md my_input.md
#   粘贴八字 / 紫微 / 占星数据 + 生命体验 + 当前困惑

# 4. 运行分析
python main.py my_input.md -o report.md

运行结束后:

  • 最终报告report.md
  • 过程产物runs/<时间戳>/(六次调用的 prompt + output 全部保留)

支持的后端

服务商 base_url 典型模型
OpenAI https://api.openai.com/v1 gpt-4o, gpt-4o-mini
DeepSeek https://api.deepseek.com/v1 deepseek-chat, deepseek-reasoner
Moonshot 月之暗面 https://api.moonshot.cn/v1 moonshot-v1-128k
智谱 AI https://open.bigmodel.cn/api/paas/v4 glm-4-plus
SiliconFlow 硅基流动 https://api.siliconflow.cn/v1 deepseek-ai/DeepSeek-V3
Ollama 本地 http://localhost:11434/v1 qwen2.5:32b
Anthropic Claude 原生接口,无需 base_url claude-sonnet-4-6, claude-opus-4-7

任何兼容 OpenAI Chat Completions 协议的服务都可以用 openai_compatible 后端接入——只改 base_urlmodel 两个字段。


关于命盘数据

本工具不从生日自动计算命盘。使用以下在线工具生成后粘贴进输入文件即可:

  • 八字 — 元亨利贞网、灵匣网
  • 紫微 — 易学网、十五派紫微斗数
  • 占星astro.com(免费,可导出完整相位列表)

具体需要哪些字段见 templates/input_template.md


项目结构

.
├── destiny_analysis_methodology.md   # 方法论原文 · 所有 Prompt 的核心依据
├── main.py                           # CLI 入口
├── config.example.yaml               # API 配置模板
├── requirements.txt
├── src/
│   ├── config.py                     # 配置加载与校验
│   ├── llm_client.py                 # 双后端统一客户端
│   └── pipeline.py                   # 四步流程编排
├── prompts/                          # 六份步骤提示词
│   ├── step1_bazi.md
│   ├── step1_ziwei.md
│   ├── step1_astrology.md
│   ├── step2_contradictions.md
│   ├── step3_deconstruct.md
│   └── step4_synthesis.md
└── templates/
    └── input_template.md             # 命主信息录入模板

关于分析质量

命理描述的是土壤,不是结果。

所有 LLM 生成的分析结论本质都是"基于命盘符号 + 方法论规范的合理推理"。可信度取决于:

因素 影响
命盘数据准确度 出生时间精度尤其关键,误差超过 2 小时会严重影响上升 / 时柱 / 大限判断
生命体验校验 命主提供的实际经历是提升可信度最有效的单一变量
所选模型能力 建议使用具备强长文本推理的模型

最终报告会按方法论标注每条结论的置信度:

标签 含义 建议用法
三系统共识 极高可信度 可作为人生决策依据
两系统确认 中等可信度 需结合实际体验印证
单系统独有 存疑 作为参考,不宜作为核心判断

本工具不做算命的神秘主义承诺,只是把一套已成型的方法论固化为可复用流程。


已知限制

  • 串行调用:Step 1 的三个系统分析当前串行执行,需加速可改为线程池并发。
  • 单轮调用:每步一次调用,不做多轮反思重写。若输出质量不稳定,可在 config.yaml 调低 temperature 或在 prompts/ 中加强约束。
  • 无命盘校验:若粘贴了错误命盘数据(如十二长生归属混淆),工具无法自动发现——请严格按方法论规范填写。

协议

按需自行添加 LICENSE。本仓库默认未附。

About

将『八字四柱·紫微斗数·西方占星』三套系统的交叉验证方法论固化为可自动化的四步分析流程。LLM 后端自选(兼容 OpenAI API / Claude 原生)。

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages