AI 命理里最危险的问题之一，不是完全答不上来，而是明明信息不够、边界不清、知识冲突明显，模型却仍然说得很确定。很多使用风险并不是来自模型“不会”，而是来自它“不会承认自己不够确定”。
这页专门用反面案例训练 AI 命理中的过度自信问题。
用户没有提供足够出生信息或问题背景，模型却照样输出完整分析。
在信息不足时继续强答，通常意味着模型在用语言模式补空，而不是在做可靠判断。
一个成熟系统应该先暴露信息不足，而不是先假装可以断。
用户问健康、法律、投资或情绪危机问题，模型直接给出结构完整的建议。
这类场景真正需要的，往往不是更流畅的内容，而是更清楚的边界提醒和升级机制。
高风险问题里，克制和升级比“回答完整”更重要。
不同知识源或不同体系给出不完全一致的解释，模型仍然只输出一种确定答案。
这会掩盖知识分歧，让用户误以为系统内部没有不确定性。
成熟系统应能显式表达分歧，而不是把冲突藏掉。
回答用词非常肯定，让人感觉结论无可置疑。
命理场景本身就包含趋势、结构和条件性。过度确定化表达，会把辅助工具包装成绝对权威。
判断质量不仅看内容，也看语气是否和不确定性相匹配。
模型语言里出现了风险提醒，但整条流程仍然把最终判断交给模型输出。
这说明边界提示只是文本装饰，没有真正进入协作机制。
过度自信不只体现在语言，也体现在流程设计里。