一句话做 LLM 命理的人有个隐藏选择题是基于子平派还是盲派来做。我做 mangpai 选了盲派本文讲为什么 —— 不是因为盲派「准」是因为盲派教材的结构性特点决定了它比子平更适合 LLM 落地。命理两大主流子平派 vs 盲派中文命理体系里子平派和盲派是两大主流。子平派起于宋徐子平《渊海子平》《子平真诠》是核心教材讲格局、用神、喜忌 —— 是文人系统化的命理学。盲派起自民间盲人推命明清以来口耳相传杨清娟《盲派教学体系命例集细解》《段建业盲派命理》是相对系统的教材 —— 强调做功、应期、宾主是实战派。学术上没有「哪个更准」的定论。但我做 mangpai 的时候只能选一个落地最后选了盲派。理由不是「我相信盲派」是工程上盲派教材更可被 LLM 消化。本文写为什么。差异 1盲派的「做功」是结构性规则子平的「格局」是判断性术语盲派的核心推理框架是「做功 → 应期 → 事项」。「做功」可以拆成具体的结构化规则宾主关系、合冲刑害、十神搭配、组合特征 —— 每条规则都能写成 if-then 形式。比如「印星穿杀被七杀克制」是一个可识别的盘面结构特征落到代码就是一组标签匹配。子平的核心是「格局 → 用神 → 喜忌」。「格局」需要先判断身强身弱看五行旺衰再判断格成不成看月令是否得令、是否有相神扶助、忌神是否制约再判断用神生扶日主还是克制忌神。每一步都依赖前一步的判断且各家有不同标准 —— 同一张盘A 派说身强用财官B 派说身弱用印比争议很大。LLM 落地的差异盲派的「印星穿杀」这种特征你 grep 教材能数到几十上百个案例每个案例都标注了该结构 → 实际事项的映射。LLM 学这种「结构 → 事项」的对应关系是直接的。子平的「身强用财官」需要 LLM 先做主观判断多强算强月令带相神算几分这一步在没有共识标准的前提下LLM 输出的可重现性很差。差异 2盲派教材是高密度规则子平教材是高密度概念我做 mangpai 的时候用 grep 数过两套教材的关键词分布杨清娟《盲派教学体系命例集细解》245 页里「伤官见官」出现 28 次「印星穿杀」出现 0 次但「印重穿杀」出现 5 次「财印相合」0 次但「财坏印」12 次。也就是说盲派教材会大量重复一类结构 给出具体应事。子平派《子平真诠》里「身强」「身弱」概念到处出现但每次的判断标准、每次的用神选择并不严格对应。换句话说子平派的概念多、规则少。对 LLM 训练料 / RAG 知识库的意义盲派教材的「结构 应事」对可以直接做 tag overlap 检索按结构标签匹配相似案例不需要语义相似度。子平派教材的「概念 论断」对依赖语义相似度但概念的相似度不等于结论的相似度A 派的「身强」跟 B 派的「身强」判断口径不同embedding 拉不到点子上。差异 3盲派的应期是可验证的子平的论断是难证伪的盲派会给具体应期 —— 「丙午年事业转折」「甲寅年婚动」。这是可以拿真人命例去对的。子平派给的常是「日主旺财运顺利」「印旺多学历」 —— 这种论断没有具体年份无法在某个真实时间点上验证对错。做 LLM 评测的时候这点要命。BaziQA 200 题每题给八字 问具体人生事件如哪年结婚、哪年事业转折这种题目盲派教材里有大量类似训练数据子平教材几乎没有。顺带一提BaziQA 顶配 LLMDeepSeek-V3、GPT-5、Gemini 2.5 Pro的五年宏平均准确率约 30-40%跟随机猜测差不多。这不是模型不够强是它们没读过结构化的盲派应期数据。差异 4盲派的口诀简洁可执行子平的论述需要二次抽象盲派经典口诀「伤官见官为祸百端」「印星穿杀文书破败」—— 每条都是一个明确的 if-then。子平经典论述「日主太弱喜印比扶助日主太强喜财官泄秀」—— 这是讲原则不讲操作。做 prompt engineering 的人都懂前一种你能写进 system prompt 当 few-shot example后一种你只能写进 background context 让 LLM 自己抽规则。前者下游可控后者纯靠模型自己理解。工程上的结论盲派教材的「结构特征 应事」对天然适合做 tag-based RAG。mangpai 用 32 个结构特征 tag伤官见官 / 印星穿杀 / 财坏印 等做检索不用 embedding 相似度命中精度和可解释性都比 embedding 高。盲派的应期规则天然适合做 BaziQA 这类时间事件 benchmark。子平的「身强财运顺利」没法在某年某月上打分。盲派的口诀适合放进 LLM 的 few-shot prompt。子平的概念需要先训练 LLM 共识工程链路重。选盲派不是因为它哲学上更「对」是因为它的教材形态天然适合 LLM 落地。子平派在哲学上的优势系统化、可论证反而是 LLM 工程上的劣势口径不一、难以结构化。题外话为什么没看到子平派的 LLM 产品市面上 AI 算命产品多数是用通用 LLMDeepSeek / GPT直出输入八字、输出一段论断。这种通常拼贴的是子平派的词汇 —— 因为 LLM 训练料里子平词汇比盲派多得多互联网公开内容子平占绝对多数。但 LLM 拼贴出来的子平派论断准吗BaziQA 验证过了不准。原因前面讲过了 —— 子平的概念多、规则少没有结构化的训练料能让 LLM 学到真实的「身强 → 用神 → 应事」链路。所以市面上大多数 AI 算命产品其实是「拼贴子平派术语 LLM 流畅表达」看起来像那么回事验证起来准确率跟瞎猜差不多。想做真正能验证准确率的 LLM 命理盲派是工程上更稳的路。现状 后续mangpai 已经部署 mangpai.auramate.net走盲派路线。BaziQA 数据集和 200 道真题在 GitHub 开源。下一步是把盲派的「应期推理」做更细的拆分 —— 流年 / 大运 / 流月级别的事件预测配合用户反馈闭环参考我之前写的 AuraMate · 灵伴 self-evolution loop。如果你也在做 LLM 命理或对盲派工程感兴趣欢迎拍砖。—— 陈宇坤 / AuraMate · mangpai 团队
为什么 LLM 算命选盲派不选子平 — 教材结构性差异决定 AI 落地难度
发布时间：2026/5/23 1:58:13
一句话做 LLM 命理的人有个隐藏选择题是基于子平派还是盲派来做。我做 mangpai 选了盲派本文讲为什么 —— 不是因为盲派「准」是因为盲派教材的结构性特点决定了它比子平更适合 LLM 落地。命理两大主流子平派 vs 盲派中文命理体系里子平派和盲派是两大主流。子平派起于宋徐子平《渊海子平》《子平真诠》是核心教材讲格局、用神、喜忌 —— 是文人系统化的命理学。盲派起自民间盲人推命明清以来口耳相传杨清娟《盲派教学体系命例集细解》《段建业盲派命理》是相对系统的教材 —— 强调做功、应期、宾主是实战派。学术上没有「哪个更准」的定论。但我做 mangpai 的时候只能选一个落地最后选了盲派。理由不是「我相信盲派」是工程上盲派教材更可被 LLM 消化。本文写为什么。差异 1盲派的「做功」是结构性规则子平的「格局」是判断性术语盲派的核心推理框架是「做功 → 应期 → 事项」。「做功」可以拆成具体的结构化规则宾主关系、合冲刑害、十神搭配、组合特征 —— 每条规则都能写成 if-then 形式。比如「印星穿杀被七杀克制」是一个可识别的盘面结构特征落到代码就是一组标签匹配。子平的核心是「格局 → 用神 → 喜忌」。「格局」需要先判断身强身弱看五行旺衰再判断格成不成看月令是否得令、是否有相神扶助、忌神是否制约再判断用神生扶日主还是克制忌神。每一步都依赖前一步的判断且各家有不同标准 —— 同一张盘A 派说身强用财官B 派说身弱用印比争议很大。LLM 落地的差异盲派的「印星穿杀」这种特征你 grep 教材能数到几十上百个案例每个案例都标注了该结构 → 实际事项的映射。LLM 学这种「结构 → 事项」的对应关系是直接的。子平的「身强用财官」需要 LLM 先做主观判断多强算强月令带相神算几分这一步在没有共识标准的前提下LLM 输出的可重现性很差。差异 2盲派教材是高密度规则子平教材是高密度概念我做 mangpai 的时候用 grep 数过两套教材的关键词分布杨清娟《盲派教学体系命例集细解》245 页里「伤官见官」出现 28 次「印星穿杀」出现 0 次但「印重穿杀」出现 5 次「财印相合」0 次但「财坏印」12 次。也就是说盲派教材会大量重复一类结构 给出具体应事。子平派《子平真诠》里「身强」「身弱」概念到处出现但每次的判断标准、每次的用神选择并不严格对应。换句话说子平派的概念多、规则少。对 LLM 训练料 / RAG 知识库的意义盲派教材的「结构 应事」对可以直接做 tag overlap 检索按结构标签匹配相似案例不需要语义相似度。子平派教材的「概念 论断」对依赖语义相似度但概念的相似度不等于结论的相似度A 派的「身强」跟 B 派的「身强」判断口径不同embedding 拉不到点子上。差异 3盲派的应期是可验证的子平的论断是难证伪的盲派会给具体应期 —— 「丙午年事业转折」「甲寅年婚动」。这是可以拿真人命例去对的。子平派给的常是「日主旺财运顺利」「印旺多学历」 —— 这种论断没有具体年份无法在某个真实时间点上验证对错。做 LLM 评测的时候这点要命。BaziQA 200 题每题给八字 问具体人生事件如哪年结婚、哪年事业转折这种题目盲派教材里有大量类似训练数据子平教材几乎没有。顺带一提BaziQA 顶配 LLMDeepSeek-V3、GPT-5、Gemini 2.5 Pro的五年宏平均准确率约 30-40%跟随机猜测差不多。这不是模型不够强是它们没读过结构化的盲派应期数据。差异 4盲派的口诀简洁可执行子平的论述需要二次抽象盲派经典口诀「伤官见官为祸百端」「印星穿杀文书破败」—— 每条都是一个明确的 if-then。子平经典论述「日主太弱喜印比扶助日主太强喜财官泄秀」—— 这是讲原则不讲操作。做 prompt engineering 的人都懂前一种你能写进 system prompt 当 few-shot example后一种你只能写进 background context 让 LLM 自己抽规则。前者下游可控后者纯靠模型自己理解。工程上的结论盲派教材的「结构特征 应事」对天然适合做 tag-based RAG。mangpai 用 32 个结构特征 tag伤官见官 / 印星穿杀 / 财坏印 等做检索不用 embedding 相似度命中精度和可解释性都比 embedding 高。盲派的应期规则天然适合做 BaziQA 这类时间事件 benchmark。子平的「身强财运顺利」没法在某年某月上打分。盲派的口诀适合放进 LLM 的 few-shot prompt。子平的概念需要先训练 LLM 共识工程链路重。选盲派不是因为它哲学上更「对」是因为它的教材形态天然适合 LLM 落地。子平派在哲学上的优势系统化、可论证反而是 LLM 工程上的劣势口径不一、难以结构化。题外话为什么没看到子平派的 LLM 产品市面上 AI 算命产品多数是用通用 LLMDeepSeek / GPT直出输入八字、输出一段论断。这种通常拼贴的是子平派的词汇 —— 因为 LLM 训练料里子平词汇比盲派多得多互联网公开内容子平占绝对多数。但 LLM 拼贴出来的子平派论断准吗BaziQA 验证过了不准。原因前面讲过了 —— 子平的概念多、规则少没有结构化的训练料能让 LLM 学到真实的「身强 → 用神 → 应事」链路。所以市面上大多数 AI 算命产品其实是「拼贴子平派术语 LLM 流畅表达」看起来像那么回事验证起来准确率跟瞎猜差不多。想做真正能验证准确率的 LLM 命理盲派是工程上更稳的路。现状 后续mangpai 已经部署 mangpai.auramate.net走盲派路线。BaziQA 数据集和 200 道真题在 GitHub 开源。下一步是把盲派的「应期推理」做更细的拆分 —— 流年 / 大运 / 流月级别的事件预测配合用户反馈闭环参考我之前写的 AuraMate · 灵伴 self-evolution loop。如果你也在做 LLM 命理或对盲派工程感兴趣欢迎拍砖。—— 陈宇坤 / AuraMate · mangpai 团队
