可验证的命理推理系统 · Verifiable Chinese Astrology Reasoning System
这不是一个"会算命的聊天机器人"，而是一个能够：
- ✅ 确定性排盘（不让 LLM 算命盘）
- ✅ 规则引擎（传统命理典籍规则化）
- ✅ 证据链追踪（每个结论都有依据）
- ✅ 流派系统（处理不同理论体系的冲突）
- ✅ 持续评估（MingLi-Bench + fate-bench + 自建测试集）
的命理推理 Agent。
用户
↓
Conversation Agent
↓
┌────────────────┼────────────────┐
↓ ↓ ↓
Chart Tools Knowledge User Memory
↓ ↓ ↓
Bazi Engine Classics Rules Previous Q&A
└────────────────┬────────────────┘
↓
Evidence Layer ★核心创新
↓
Reasoning Agent
↓
Critic Agent
↓
Confidence / Conflict
↓
Report Generator
| 维度 | 普通AI算命 | MingLi Agent |
|---|---|---|
| 排盘 | LLM 计算 | 确定性引擎（HeiGe-SuanMing） |
| 推理 | 直接输出结论 | 证据链 + 规则引用 |
| 验证 | 无 | 三套 Benchmark |
| 流派 | 不区分 | 明确流派 + 冲突标注 |
| 可解释性 | 黑盒 | 全程可追溯 |
| 准确率 | 未知 | MingLi-Bench 持续监控 |
这是整个项目最重要的设计。
命盘 → LLM → "你今年财运不错"
命盘
↓
事实提取（月柱正官透出、日支与月支六合...）
↓
规则匹配（《滴天髓》RULE_017、《子平真诠》RULE_043...）
↓
证据链（事实 + 规则 + 来源）
↓
结论（基于以上证据，证据强度 0.68）
用户能清楚看到：
- 这个结论基于什么规则？
- 证据有多强？
- 不同流派怎么看？
- 哪些地方还不确定？
- Python：HeiGe-SuanMing（434个回归测试）
- TypeScript（前端）：bazi-engine / shunshi-bazi-core
- Python + SQLite
- 经典文献：《渊海子平》《滴天髓》《子平真诠》《三命通会》《穷通宝鉴》
- MingLi-Bench（160道命理知识题）
- fate-bench（295个历史人物事件）
- 自建测试集（排盘、推理、幻觉检测）
- FastAPI
- LangChain / LlamaIndex（LLM 集成）
- PostgreSQL（用户数据）
- Redis（缓存）
- React + TypeScript
- Tailwind CSS
- ECharts（命盘可视化）
完整计划见 MINGLI_PLAN.md
- 调研 GitHub 优质项目
- 制定完整执行计划
- 集成 HeiGe-SuanMing 排盘引擎
- 建立规则库（50+ 规则）
- 实现 Evidence Layer
- Reasoning Agent
- Critic Agent（双模型架构）
- Time Engine（流年分析）
- MingLi-Bench 集成
- fate-bench 集成
- 自建测试集（100+）
- 用户记忆系统
- Web UI
- RESTful API
- 紫微斗数（基于 iztro）
- 流年详批
- 合婚分析
- 择吉系统
- MCP Server
- 性能优化
- 安全加固
- 多语言支持
- 移动端
- 商业化
- HeiGe-SuanMing ⭐ 48 stars - 多引擎系统（八字+紫微+梅花+六爻+奇门），434个测试
- openfate-ai/bazi-engine - TypeScript，AI-ready
- xuziping-bazi ⭐ 45 stars - "先排盘、再开口"，严谨方法论
- shunshi-ai/bazi-reader-mcp - MCP Server
- houseme/lunar-rs - Rust 引擎
- SylarLong/iztro ⭐ 454+ stars - 轻量级排盘库
- DestinyLinker/MingLi-Bench ⭐ 2,349 stars - 首个命理 LLM 评估基准
- shunshi-ai/fate-bench - 历史人物事件验证
- 计算与推理分离：LLM 不负责计算，只负责理解问题和解释证据
- 证据前置：先有事实和规则，再有结论
- 流派透明：不同流派的判断差异必须明确告知用户
- 可验证性：每个阶段都有测试覆盖
- 渐进式开发：先八字，再紫微，再其他体系
- 本地优先：核心计算引擎可离线运行
- API 可替换：不绑定单一 LLM 提供商
每个 Phase 完成后必须输出：
- 修改了什么
- 为什么修改
- 文件清单
- 数据结构
- API 文档
- 测试结果
- 构建结果
- 已知问题
- 未实现功能
- 下一阶段建议
| 指标 | 目标值（MVP） | 长期目标 |
|---|---|---|
| MingLi-Bench 准确率 | > 40% | > 60% |
| fate-bench 命中率 | > 30% | > 50% |
| 排盘正确性 | 100% | 100% |
| 规则引用准确率 | > 95% | > 99% |
| 幻觉率 | < 5% | < 1% |
| 响应速度 | < 2s | < 1s |
| 风险 | 应对 |
|---|---|
| LLM 幻觉 | 证据层约束 + Critic Agent |
| 规则冲突 | 流派系统明确标注 |
| 性能瓶颈 | 缓存 + 异步 + 索引 |
| 准确率不达标 | 持续优化规则库 + 更强 LLM |
| 风险 | 应对 |
|---|---|
| 用户期望过高 | 明确说明是"推理工具"不是"预测工具" |
| 法律合规 | 免责声明 + 娱乐定位 |
| 商业化难 | 先做口碑，再做付费 |
# 克隆项目
git clone <repo-url>
cd agent-knowledge-os
# 创建虚拟环境
python3 -m venv .venv
source .venv/bin/activate
# 安装依赖
pip install -r requirements.txt
# 运行测试
pytest tests/
# 启动 API 服务（Phase 10 后）
python -m runtime.api_server欢迎贡献：
- 规则库：补充传统命理典籍的规则
- 测试用例：提供边界 case 和 golden case
- 流派系统：补充不同流派的理论
- 文档：完善使用文档和 API 文档
- Bug 修复：报告和修复问题
MIT License
- GitHub Issues：问题反馈
- Discussions：技术讨论
感谢以下项目的启发和参考：
- HeiGe-SuanMing：完整的多引擎系统和知识底座
- MingLi-Bench：首个命理 LLM 评估基准
- fate-bench：历史人物事件验证数据
- bazi-engine / iztro：现代化的排盘引擎实现
当前状态：Phase 0 规划完成，准备进入 Phase 1 排盘引擎集成。
下一步：集成 HeiGe-SuanMing，建立排盘引擎测试框架。