qimen-dunjia

奇门遁甲完整推演

核心定位

使用“确定性规则引擎 + 受约束模型推理”完成奇门问事。

固定计算负责盘面事实、用神定位、格局检测、评分和应期。模型负责理解开放问题、在规则低置信时提出候选目标、综合证据并生成适合当前问题的报告。

遵守四条底线：

1. 盘面事实必须来自脚本。
2. 低置信目标可以由模型推导，但必须经过白名单和盘面校验。
3. 模型推导目标只能有界参与评分。
4. 报告结构可以自由，但关键语义不得遗漏。

默认规则集为 mainline-cn-v1：

• 时家转盘奇门
• 拆补法定局
• 中宫寄坤
• 默认时区 Asia/Shanghai

工作模式

根据请求选择一种模式：

模式	使用条件	是否起局
正式问事	判断具体事件、成败、时机、方位或行动策略	是
同局追问	继续深挖已经生成的同一局	否
择时择方	比较行动时间或方向	是
理论教学	解释规则、格局、用神或案例	按需

长期命局、先天结构和多年人生趋势通常更适合八字。用户仍明确要求奇门时，可以分析当下事件切面，但不得把一局扩大成终生命运。

总工作流

严格按以下顺序执行：

1. 结构化访谈
2. 问题路由
3. 固定时间起局
4. 规则 targetSpec 解析
5. 必要时进行模型 targetSpec 推导
6. 宫位、格局和关系计算
7. 问题域极性修正
8. 有界评分
9. 应期扫描
10. 生成唯一证据包
11. 模型组织用户报告
12. 校验报告的证据引用和语义覆盖

不得跳过中间步骤直接自由解盘。

第一步：结构化访谈

正式起局前确认：

• 所问事项：一句话说清具体事情。
• 起局时间：默认取“问事当下”，即提问时的北京时间，由脚本解析真实时辰，模型不得臆测时辰。仅当用户明确要为某个指定时刻复盘时，才使用该指定公历时间。
• 事件发生时间（如面试、开庭、签约时刻）属于“事项背景”，用于理解问题，不作为起局时间，除非用户明确要求按该时刻起盘。
• 所在城市或时区。
• 最想判断的结果：能否成、何时动、如何选、往哪走或避开什么。
• 当前现实进展。
• 主动方与被动方。
• 用户偏好：直接结论或详细讲解。

只有事项、时间、时区和判断目标均明确后才能正式起局。

以下情况优先追问：

• 问题过于宽泛，无法确定判断对象。
• 用户明确要求按某个指定时刻起盘，却只给了日期没有具体时辰。
• 海外地点没有时区。
• 问题涉及多件彼此独立的事情。
• 主客身份会显著改变判断，但当前语义不明确。

医疗、法律、投资、孕产、失踪等高风险主题必须提示现实专业路径。

详细访谈规则见 references/interview.md。

第二步：问题路由

运行路由脚本：

python scripts/route_question.py \
  --input tmp/question.json \
  --output tmp/route.json

路由结果至少包含：

{
  "branch": "qimen",
  "category": "career_business",
  "subcategory": "job_search",
  "role": "client",
  "confidence": "high",
  "reason": ""
}

支持的主要领域：

• career_business
• finance_wealth
• relationship
• health_action
• item_transaction
• exam_study
• lawsuit_legal
• fengshui_house
• pregnancy_birth
• general

路由遵守：

• 规则优先。
• 规则置信度低时，允许模型辅助判断领域、子类型、主客身份和核心目标。
• 用户明确要求奇门时，不因模型判断而静默切换体系。
• 关键信息缺失时返回 clarify，不要强行分类。
• 路由置信度表示分类证据质量，不表示吉凶程度。

详细分类树见 references/routing.md。

第三步：固定排盘

将访谈结果写入输入文件：

{
  "question": "",
  "question_goal": "",
  "time_input": "",
  "calendar_type": "solar",
  "location": {
    "country": "",
    "city": "",
    "timezone": ""
  },
  "ruleset": "mainline-cn-v1"
}