tianjiyao-wiki

AI模块完整索引

如果你进入 AI 模块后,已经感觉页面不算少,但又不确定该先看总论、先看技术方法,还是先看评估与伦理,那么最省时间的方式不是逐页扫,而是先用这张完整索引把路线整理清楚。

这页把 AI 模块现有内容按“整体理解 → 技术方法 → 系统落地 → 评估与边界 → 回接主模块”的方式重新组织,目标是让你知道每一页在模块里承担什么角色,而不是只把它们当作平铺条目。

一、先看哪一类内容

可以先按你的目标进入:

  1. 想先知道 AI 命理到底在做什么,看概论页
  2. 想看技术方法,看机器学习、NLP、知识图谱和 LLM 页
  3. 想知道怎么真正做成系统,看知识库工作流页
  4. 想知道是否可靠、边界在哪,看评估和伦理页
  5. 想知道真实产品里人和模型怎么分工,看协作流程页

二、整体理解页

适合第一次系统进入 AI 模块的人。

  1. AI与传统玄学概论
  2. 大语言模型在传统预测中的应用:提示、推理与风险
  3. 未来发展趋势

三、技术方法页

适合已经知道 AI 模块不是“概念展示”,想进一步看技术路径的人。

  1. 机器学习与八字
  2. NLP文本分析
  3. 命理知识图谱:本体建模、关系抽取与知识推理

四、系统落地页

这部分最适合已经从“技术概念”走到“怎么做成系统”的读者。

  1. AI命理知识库工作流:从古籍整理到可检索问答

五、系统设计页

这部分更偏工程视角,适合已经开始考虑如何把 AI 模块做成稳定系统的人。

  1. AI评测集设计:命理问答、规则题与高风险边界如何构造
  2. AI知识源分层规范:古籍、规则、案例与站内文档如何分级
  3. AI提示词边界设计:怎样让模型更克制、更稳地回答

六、工程模板页

这部分适合已经开始实际搭系统、写评测、做入库和拆 prompt 的人,目标是提供可复用模板而不是原则说明。

  1. AI评测Rubric模板:怎样为命理问答与高风险场景统一打分
  2. AI知识源元数据模板:文档入库前至少应补哪些字段
  3. AI提示词模板规范:规则题、解释题与高风险题怎样分模板

七、评估与边界页

AI 模块真正有价值的地方,不只是能做出系统,而是能不能解释它是否可靠、边界在哪、风险怎么控。

  1. AI命理效果评估:准确性、数据集与验证框架
  2. AI命理伦理与边界:风险、责任与理性使用
  3. AI命理协作流程:人工判断与模型辅助如何分工

八、反例训练页

如果你已经看过方法页、工作流页和边界页,下一步最有价值的不是继续看抽象原则,而是训练系统最容易在哪些地方出错。

  1. AI命理问答误判案例:回答流畅却判断失真的常见问题
  2. AI知识库召回失误案例:检索看似命中却仍然答偏的原因
  3. AI过度自信案例:什么时候模型最容易把不确定说成确定

九、工程失败案例页

如果你已经看过系统设计页,下一步最值得看的不是重复原则,而是这些原则为什么在真实系统里经常落不住。

  1. AI评测集失败案例:分数看起来不错却不能真实反映系统能力
  2. AI知识源污染案例:分层失效后系统为什么会越答越乱
  3. AI提示词边界失败案例:约束写了却仍然压不住模型的原因

十、按阅读目标进入

1. 想先建立整体认知

建议顺序:

  1. AI与传统玄学概论
  2. 大语言模型在传统预测中的应用:提示、推理与风险
  3. AI命理知识库工作流:从古籍整理到可检索问答
  4. AI评测集设计:命理问答、规则题与高风险边界如何构造
  5. AI知识源分层规范:古籍、规则、案例与站内文档如何分级
  6. AI提示词边界设计:怎样让模型更克制、更稳地回答
  7. AI命理效果评估:准确性、数据集与验证框架
  8. AI命理伦理与边界:风险、责任与理性使用
  9. AI命理协作流程:人工判断与模型辅助如何分工
  10. AI命理问答误判案例:回答流畅却判断失真的常见问题

2. 想先看偏技术的方法

建议顺序:

  1. 机器学习与八字
  2. NLP文本分析
  3. 命理知识图谱:本体建模、关系抽取与知识推理
  4. AI命理知识库工作流:从古籍整理到可检索问答
  5. AI知识源分层规范:古籍、规则、案例与站内文档如何分级

3. 想先看系统设计与工程控制

建议顺序:

  1. AI评测集设计:命理问答、规则题与高风险边界如何构造
  2. AI知识源分层规范:古籍、规则、案例与站内文档如何分级
  3. AI提示词边界设计:怎样让模型更克制、更稳地回答
  4. AI评测Rubric模板:怎样为命理问答与高风险场景统一打分
  5. AI知识源元数据模板:文档入库前至少应补哪些字段
  6. AI提示词模板规范:规则题、解释题与高风险题怎样分模板
  7. AI命理知识库工作流:从古籍整理到可检索问答
  8. AI评测集失败案例:分数看起来不错却不能真实反映系统能力
  9. AI知识源污染案例:分层失效后系统为什么会越答越乱
  10. AI提示词边界失败案例:约束写了却仍然压不住模型的原因

4. 想先看可靠性和边界

建议顺序:

  1. AI命理效果评估:准确性、数据集与验证框架
  2. AI命理伦理与边界:风险、责任与理性使用
  3. AI命理协作流程:人工判断与模型辅助如何分工
  4. 命理的科学性与边界
  5. AI过度自信案例:什么时候模型最容易把不确定说成确定

5. 想知道怎么做产品或系统

建议顺序:

  1. 命理知识图谱:本体建模、关系抽取与知识推理
  2. AI命理知识库工作流:从古籍整理到可检索问答
  3. AI评测集设计:命理问答、规则题与高风险边界如何构造
  4. AI知识源分层规范:古籍、规则、案例与站内文档如何分级
  5. AI提示词边界设计:怎样让模型更克制、更稳地回答
  6. AI评测Rubric模板:怎样为命理问答与高风险场景统一打分
  7. AI知识源元数据模板:文档入库前至少应补哪些字段
  8. AI提示词模板规范:规则题、解释题与高风险题怎样分模板
  9. AI命理效果评估:准确性、数据集与验证框架
  10. AI命理协作流程:人工判断与模型辅助如何分工
  11. AI知识库召回失误案例:检索看似命中却仍然答偏的原因
  12. AI评测集失败案例:分数看起来不错却不能真实反映系统能力
  13. AI知识源污染案例:分层失效后系统为什么会越答越乱
  14. AI提示词边界失败案例:约束写了却仍然压不住模型的原因

十一、和其他模块怎么接

AI 模块不是为了替代八字、紫微和六爻,而是为了帮助你理解这些体系怎样被整理、建模、检索、评估和辅助使用。

  1. 想先理解底层知识结构,可以回到 理论基础完整索引:从阴阳五行到十神、宫位与纳甲方法
  2. 想看传统三大体系本身,可以进入 八字命理学习中心:四柱、十神与命例分析紫微斗数学习中心:星曜、宫位与命例分析周易六爻学习中心:八卦、断卦与案例
  3. 想看理性边界和现实问题结合,可以回到 命理实践指南

十二、相关阅读