AI知识源分层规范

做 AI 命理系统时，很多问题不是“知识太少”，而是知识混在一起。古籍原文、现代解释、案例分析、站内教程、FAQ、风险提示，如果没有层级，模型最后很容易把不同性质的内容混成一个口径。

知识源分层规范要解决的，就是不同来源在系统里应该怎么放、怎么标记、怎么被调用。

一、为什么知识源必须分层

因为不同知识源承担的角色完全不同：

古籍原文提供传统依据
现代解释负责把原文转成可理解语言
规则库提供可计算和可校验结构
案例库提供现实问题映射
风险和边界文档提供使用限制

如果这些内容没有层级，模型很容易把规则当建议、把案例当定律、把原文当现代结论。

二、推荐的五层结构

建议至少分成五层：

原典层
解释层
规则层
案例层
边界层

三、原典层放什么

主要放经典原文、古籍片段、条文性内容。

这一层的价值是保留传统依据，但不适合直接生成现代建议。

四、解释层放什么

主要放现代整理、术语解释、教学型说明。

这一层适合支撑问答、总结和教学类回答，但应和原典层明确区分。

五、规则层放什么

主要放可验证、可计算、可结构化的规则，例如：

干支关系规则
十神识别规则
宫位和四化定位规则
六爻纳甲、六亲和世应规则

这一层更适合被程序或规则引擎调用。

六、案例层放什么

主要放命例、专题案例、失败案例、对照案例。

案例层很重要，但它的角色是帮助模型理解现实问题映射，不应直接当作规则替代品。

七、边界层为什么必须单列

边界层主要包括：

高风险场景说明
理性使用说明
反例训练和误判案例
升级到人工复核的条件

如果没有这一层，系统会更容易输出过满结论。

八、知识源分层后怎么在系统里使用

更稳的方式通常是：

规则问题优先调用规则层
教学解释问题以解释层为主、原典层为辅
现实问答问题由解释层 + 案例层 + 边界层共同支撑
高风险问题强制加入边界层内容

九、最常见的分层失败方式

1. 原典和现代解释混在一起

会让模型把历史语境误当现代建议。

2. 案例和规则混在一起

会让模型把个案经验当成通用规律。

3. 没有边界层

系统看起来知识很多，但实际缺乏克制能力。