LLamjinLab
命理字數 5204閱讀時長≈ 14 分鐘

AI 玄學項目合集：從八字、紫微到風水、塔羅與六爻

整理一批將傳統術數、古籍知識庫、Claude Skill、MCP 與 AI 解讀結合的開源項目，適合學習規則工程、知識庫設計和文化類 AI 應用。

命理八字紫微斗數命盤風水塔羅六爻RAG知識庫Claude SkillMCPAI 解讀傳統文化數字化

一、引言：AI 玄學項目真正值得看的是什麼

最近看到不少把傳統術數和 AI 結合的項目，方向包括八字、紫微斗數、奇門遁甲、風水、塔羅、六爻、梅花易數、佛學典籍問答等。

這類項目有一個共同點：它們並不是單純讓大模型自由發揮，而是儘量把排盤流程、古籍條文、規則判斷、牌義體系或知識庫檢索接入到 AI 對話中，讓 AI 的回答更有依據，也更容易複查。

換句話說，真正值得學習的不是“AI 算得準不準”，而是這些項目如何把傳統知識拆成數據、規則、流程和工具。對 AI Agent、Claude Skill、MCP、RAG 和知識庫工程來說，這類項目反而是很好的練習材料。

下面整理幾個比較有代表性的項目。它們可以當作賽博解壓玩具，也可以作為學習傳統文化數字化、規則引擎、知識庫設計和 AI 輔助解讀的參考案例。

提醒：以下項目僅適合技術學習、文化研究和娛樂體驗，不建議把任何結果當作現實決策依據。命運還是要靠自己判斷，DYOR。

二、MetaphysicsQuant：傳統術數知識庫、規則引擎與桌面分析系統

這是我自己的項目，也是這份清單裏最接近“完整工程系統”的一個案例。

它不是一個只會展示四柱、星盤或卦盤的輕量排盤工具，而是嘗試把中國傳統術數中比較難工程化的部分拆成可運行的軟件系統，包括曆法換算、干支推導、神煞與格局規則、古籍條文檢索、專題化報告、AI 二次解讀、SQLite 案例庫、Markdown/TXT 導出和桌面端工作流。

項目當前主線是一個基於 Python 的桌面分析系統，核心模塊覆蓋四柱八字、紫微斗數、易經解卦、六爻、擇日合婚、姓名學、西文數理、鐵板神數與邵子神數等方向。相比單點 Skill，它更像是一個傳統術數領域的“知識庫 + 規則引擎 + 案例管理 + 報告生成”平台。

四柱八字模塊是其中最重的部分。它的重點不只是排出年柱、月柱、日柱、時柱，而是圍繞原局、大運、流年、流月、胎元、命宮、身宮、七柱專題論命、串宮壓運、神煞格局、古籍條文和 AI 解讀入口，生成結構化報告。

紫微斗數模塊則圍繞十二宮、主星、輔星、雜曜、四化、星曜亮度、大限、流年、流月和排盤圖展開；易經與六爻模塊支持時間起卦、數字起卦、本卦變卦、動爻、六親、六神、世應、納甲等內容；擇日模塊按婚嫁、求職、開業、求財、出行、求醫、入宅、求學、求子等具體場景組織規則。

這個項目最適合學習三件事：第一，如何把傳統規則拆成程序函數和 JSON 數據；第二，如何把古籍知識、排盤結果和 AI 解讀結合起來；第三，如何把一個興趣項目做成有介面、有數據庫、有報告導出、有案例管理的長期工程。

適合人羣：想學習 Python 桌面系統、命理規則引擎、傳統術數知識庫、SQLite 案例管理、AI 輔助解讀和報告導出流程的人。

三、紫微知道：基於 iztro 的紫微斗數排盤與 AI 深度解讀工具

紫微知道是一個基於紫微斗數的開源命盤排盤與 AI 深度解讀工具，支持自部署。它的定位不是單純展示命盤，而是把紫微斗數排盤、AI 解讀、年度運勢、雙人合盤和可視化人生趨勢結合在一起，更接近一個可直接使用的 Web 產品。

項目底層使用 iztro 庫完成中州派安星法排盤，前端採用 React、TypeScript 和 Vite 實現。相比傳統命盤工具，它更強調交互體驗和產品化能力：用戶可以輸入出生信息生成紫微命盤，也可以進一步查看 AI 解讀、年度運勢分析、雙人合盤，以及“人生 K 線”這類更現代化的可視化表達。

這個項目還有一個很實用的優點：模型選擇比較開放。項目說明中提到支持 Kimi、Gemini、Claude、DeepSeek 等多模型適配，方便用戶根據成本、效果和可用性自由切換。部署方式也比較友好，可以自部署到 Vercel 或 Cloudflare，適合想快速搭建紫微斗數 AI 應用的人蔘考。

從學習角度看，紫微知道很適合研究“傳統排盤庫 + 現代前端 + 多模型 AI 解讀 + 雲端部署”的完整鏈路。如果你想把命理工具做成網站，而不是隻停留在本地腳本或桌面軟件，它是一個非常值得參考的開源案例。

適合人羣：想學習紫微斗數 Web 應用、iztro 排盤庫、React + TypeScript 前端、多模型 AI 接入、Vercel / Cloudflare 自部署的人。

四、Numerologist Skills：給賽博半仙戴上“緊箍咒”

這個項目的核心思路是減少大模型在術數分析中的幻覺。傳統術數最怕的一點是：排盤步驟錯了，後面的解釋再流暢也沒有意義。因此，它把奇門遁甲、紫微斗數、八字等方向的關鍵流程拆成固定步驟，讓 AI 不再完全依賴自由發揮。

項目介紹裏強調，它是一個用於降低 Chinese astrology 場景中 LLM hallucinations 的工程框架。換句話說，它不是隻寫一段“你是大師”的提示詞，而是把奇門的用神、格局、盤面判斷，以及紫微斗數、八字中的排盤、規則和解釋鏈路做成更可審計、可重用、可擴展的 Skill 模塊。

從學習角度看，這個項目很適合觀察“傳統規則如何轉成 AI 可執行流程”。如果你想做自己的命理 Agent，最值得參考的不是它的文案，而是它如何把原本模糊的分析順序變成明確的任務鏈：先排盤，再校驗，再解釋，最後才給建議。

適合人羣：想研究奇門遁甲、紫微斗數、八字、低幻覺 Skill 設計、術數 Agent 工作流的人。

五、賽博算命 / 八字命理 Skill：基於古籍的四柱分析工具

這是一個專門面向四柱八字命理分析的 Claude Code Skill。它會通過交互式對話收集姓名、生日、時辰、性別、出生地等信息，然後自動排出四柱八字，並進一步分析日主強弱、十神關係、五行平衡、格局、大運、流年、事業、感情和健康等內容。

它的特點是把八字分析和經典命理典籍結合起來，不是只靠模型臨場編寫。項目說明中提到參考《窮通寶鑑》《三命通會》《滴天髓》《淵海子平》《子平真詮》等資料，這能讓多輪追問時的邏輯相對穩定，也更容易圍繞傳統術語繼續展開。

這個項目很適合初學者理解“一個八字 Skill 應該怎樣收集信息”。因為八字分析不是隻問一個出生日期就夠了，還涉及陽曆/農曆、出生時辰、性別、出生地、大運起運等細節。信息收集流程做得越清楚，後續分析越不容易亂。

適合人羣：想學習 Claude Skill、八字排盤流程、命理術語解釋、對話式信息收集的人。

六、月老 · 姻緣測算 Skill：面向感情問題的模塊化工具

這個項目把方向聚焦在姻緣、感情和關係分析上。相比綜合命理工具，它的使用場景更明確：用戶往往不是想看完整命盤，而是想圍繞戀愛、合婚、關係發展、感情選擇等問題獲得一個多角度參考。

項目將八字合婚、生肖配對、紫微夫妻宮、求籤問姻緣、桃花運勢、紅線測算等內容整合在一起，形成一個更偏情感諮詢體驗的 Skill。它的價值不在於給出絕對結論，而在於把不同傳統系統裏的關係判斷方式組織成一個統一入口。

從產品設計角度看，這類 Skill 有一個明顯優點：主題足夠垂直。用戶不需要理解複雜術數分類，只需要提出感情問題，系統再決定調用合婚、生肖、籤文或其他模塊進行輔助分析。

適合人羣：想做垂直情感 Agent、姻緣測算工具、合婚分析流程設計的人。

七、Master-skill：基於佛教典籍的 AI 學習助手

這個項目更偏文化典籍學習，而不是算命占卜。它將佛教經典文獻、祖師角色和 RAG 檢索結合起來，讓用戶可以用對話方式學習佛學內容。

項目介紹中提到，它支持從漢傳、藏傳、南傳傳統中的多位祖師角色裏選擇，並且回答會結合經證檢索，給出原典出處。它更像是“佛學學習助手”或“數字人文知識庫”，適合輔助理解經典、術語、宗派思想和不同祖師的表達風格。

這個項目的啟發在於：AI 傳統文化項目不一定只能做占卜，也可以做典籍學習、文本檢索、角色化講解和跨傳統對比。對於想研究 RAG、知識庫、人物風格提示詞、經典出處驗證的人來說，這個項目很有參考價值。

需要注意的是，佛教類 AI 學習工具適合作為輔助閱讀和資料入口，不應替代正式修學、師承指導或嚴肅學術研究。項目本身也有類似提醒：相關內容依據歷史佛教文獻生成，僅供參考學習。

適合人羣：想學習佛學典籍問答、RAG 檢索、AI Persona、數字人文項目的人。

八、易經風水 / 陽宅分析 Skill：把玄空、八宅和擇日做成對話式顧問

這個項目的定位是傳統風水顧問 Skill，主要圍繞居住環境、房屋朝向、入住時間、命卦、飛星盤、八宅遊年、擇日和常見外煞分析展開。

它比較有意思的一點是，項目介紹中明確強調“巒頭為體，理氣為用”。也就是說，它不是只看一個抽象方位，而是嘗試把傳統堪輿裏的形勢、理氣、飛星、八宅、擇日等內容放進同一個對話框架裏。

從工程角度看，風水 Skill 的難點在於輸入信息不夠標準化。用戶可能只知道房子朝南、辦公桌靠窗、門口有路衝，卻不一定能提供準確坐向、入住時間和户型圖。因此，這類項目最值得學習的是它如何一步步追問必要信息，並把風水術語轉成用戶能理解的佈局建議。

適合人羣：想研究風水知識工程、空間類信息收集、玄空飛星、八宅明鏡、擇日規則的人。

九、塔羅牌解讀 Skill：78 張牌義與牌陣關係體系

這個項目是一個 AI 塔羅占卜 Agent Skill，圍繞 78 張塔羅牌、常見牌陣、牌間關係和隨機抽牌腳本構建。相比東方術數項目，塔羅的優勢是結構更清晰：牌庫、正逆位、牌陣位置、問題類型、牌與牌之間的關係，都比較適合被整理成知識庫。

項目介紹中提到，它支持 78 張完整牌義、6 種牌陣、牌間關係理論體系和真隨機抽牌腳本。這意味著它不是簡單讓模型隨機說幾張牌，而是先完成抽牌，再根據牌陣位置和牌義系統進行解釋。

這個項目適合觀察“隨機性 + 結構化解釋”的設計方式。對於日常使用來說，塔羅可以當作一個多視角思考工具；對於開發者來說，它是一個很好的 Skill 入門案例，因為牌義、牌陣和解釋規則都比較容易模塊化。

適合人羣：想學習塔羅 Agent、隨機抽牌、牌陣結構、輕量級 Skill 開發的人。

十、太卜：覆蓋多種術數的 AI 算命工具與 MCP / Skills 項目

太卜是一個覆蓋面非常廣的 AI 術數項目。項目介紹中提到，它涵蓋八字、紫微斗數、六爻、梅花易數、奇門遁甲、大六壬、小六壬、占星術、太乙神數、塔羅、MBTI、面相手相、合盤配對、每日/每月運勢、周公解夢等方向，並支持 MCP 服務和 Skills。

如果前面的項目多是單一方向或少數幾個方向的 Skill，那麼太卜更像是一個綜合型術數平台。它的重點不是某一個模塊特別深入，而是把多個常見玄學入口統一到一個 AI 工具體系裏。

從學習角度看，它適合用來觀察 MCP、Skills、Web 工具和多模塊術數入口如何組合。尤其是當你想做一個“統一入口型 AI 玄學平台”時，這類項目的整體結構會很有參考意義。

另外，太卜採用混合許可證：部分核心包採用 MIT，其他 Web、伺服器端、部署與運行時代碼採用 AGPL-3.0-only。學習和自用問題不大，但如果要二次開發並作為網絡服務對外提供，就需要認真閱讀許可證要求。

適合人羣：想研究 MCP、綜合型 AI 術數平台、多模塊工具集成、Web 產品化的人。

十一、補充觀察：這類項目的核心不是“神秘”，而是工程化

把這些項目放在一起看，會發現 AI 玄學項目大致有幾條路線：

1. 排盤工具路線：先把命盤、卦盤、牌陣算準確，再讓 AI 解讀； 2. Skill 路線：把知識、流程和邊界寫進 SKILL.md，讓 AI 按固定步驟執行； 3. RAG 路線：把古籍、經典、術語解釋做成可檢索知識庫，減少憑空編造； 4. Web 產品路線：把排盤、模型選擇、報告、可視化和部署整合成完整應用； 5. MCP 工具路線：把術數能力做成可被 Agent 調用的外部工具。

這其實也說明了一個問題：傳統文化類 AI 項目並不只是“提示詞工程”。真正能長期維護的項目，往往需要數據結構、規則拆解、輸入校驗、輸出模板、引用來源、測試案例和用戶邊界。

術數項目尤其如此。因為術語多、流派多、規則多，一旦沒有結構化約束，大模型很容易說得很順，但內部邏輯並不可靠。越是複雜的系統，越不能只靠一句“你是命理大師”。

十二、可以怎麼學習這些項目

如果只是想體驗，可以從八字、塔羅、姻緣這類交互門檻低的項目開始；如果想學工程實現，可以優先看 MetaphysicsQuant、紫微知道、太卜、Numerologist Skills 和風水 Skill；如果想學知識庫和 RAG，可以重點看 Master-skill 這類典籍問答項目。

我個人建議的學習順序是：

1. 先看塔羅 Skill，理解“知識庫 + 隨機抽取 + 結構化解釋”的基本形態； 2. 再看八字 Skill，學習如何通過多輪對話收集必要信息； 3. 然後看奇門、紫微、風水這類流程更複雜的 Skill，理解如何降低 AI 幻覺； 4. 最後看 MetaphysicsQuant、紫微知道和太卜這類綜合項目，學習如何把多個模塊、前端頁面、數據庫、報告導出、AI 解讀和雲端部署整合成完整系統。

這些項目真正值得學習的地方，不是“算得準不準”，而是它們如何把傳統知識拆成數據、規則、流程和工具。對 AI Agent 開發來說，這比單純寫提示詞更有價值。

如果你想排盤驗證本文中的命盤案例，可以直接使用本站的 四柱八字排盤工具 或 紫微斗數排盤工具。

常見問題

這些 AI 玄學項目的可靠性如何？

AI 玄學項目的質量差異很大。好的項目把傳統體系準確編碼，提供清晰的計算邏輯；差的項目則大量使用模糊語言和套路話術。建議對照傳統文獻或成熟工具驗證輸出結果。

哪些工具比較成熟？

本站提供 四柱八字排盤、紫微斗數排盤、易經占卜 等工具，邏輯透明，可與傳統方法對照驗證。

AI 能真正"算命"嗎？

AI 可以處理命理系統中的規則性和模式性計算，但"斷命"本質上需要大量實例積累、經驗判斷和個案背景，目前 AI 在這方面仍有明顯侷限。

如何評估一個 AI 命理項目的質量？

關鍵指標：排盤結果是否準確（可用成熟工具對照）、斷命邏輯是否有來源支持、是否存在過度包裝或引導消費跡象。

參考來源

Share

分享這篇文章