前两天聊倪海夏中医，今天看这套《天纪》紫微排盘项目

前两天推荐过倪海夏老师相关的中医资料。今天换到《天纪》这一侧，看一个基于倪海夏体系做的紫微斗数开源项目：ziwei-doushu。

先把边界说清楚：这类工具更适合学习、研究和产品原型，不适合作为现实决策依据。紫微斗数本身有强解释性，AI 解读又会放大确定口吻，使用时最好把它当成传统知识的结构化学习入口。

这个项目的价值不只在“能排盘”。它把排盘算法、倪海夏《天纪》知识、古籍文本、格局识别和前端交互放在一个 Next.js 项目里。对想研究传统术数数字化、 AI 命理产品、知识库和前端体验的人，都有参考价值。

项目能做什么

仓库地址：https://github.com/Renhuai123/ziwei-doushu

线上体验地址：https://wdyziweidoushu666.com

开源部分主要有五块：

• 排盘算法：lib/ziwei/algorithm.ts，基于 iztro 和 lunar-javascript，负责从公历生日、生时、性别生成紫微命盘。
• 四化与格局：lib/ziwei/sihua.ts、lib/ziwei/patterns.ts，包含禄权科忌和经典格局判断。
• 倪海夏体系资料：lib/nihai/，整理了天纪、地纪、人纪相关内容和倪师资料。
• 古籍资料：lib/classics/，包含《骨髓赋》《紫微斗数全集》《紫微斗数全书》等文本数据。
• 前端界面：app/ 和 components/，包括排盘页、合盘页、古籍阅读、命理百科、命盘面板等。

README 里还提到 51.8 万条命盘样本数据，放在 Releases 。数据覆盖年、月、日、时辰、性别组合，每条包含命盘 JSON 和多个主题解读文本。这个数据量对做 RAG 、微调、 A/B 测试都很有用。

本地运行教程

先克隆仓库：

git clone https://github.com/Renhuai123/ziwei-doushu.git
cd ziwei-doushu

安装依赖：

npm install

复制环境变量：

cp .env.example .env.local

.env.example 里默认是 DeepSeek，也支持其他 OpenAI 兼容模型。最少需要配置：

AI_PROVIDER=deepseek
DEEPSEEK_API_KEY=your-deepseek-api-key
NEXT_PUBLIC_SITE_URL=http://localhost:3000

启动开发服务器：

npm run dev

然后打开：

http://localhost:3000

需要注意一点：README 明确说，开源版不包含后端 API 路由，比如 /api/interpret、/api/heming、/api/generate。所以如果直接跑起来发现 AI 解读或生成接口不通，不一定是你本地配置错了。排盘算法和前端界面可以先独立研究，AI 解读接口需要自己补。

先看哪几个文件

如果只是想理解它怎么排盘，先看这三个文件：

lib/ziwei/algorithm.ts
lib/ziwei/types.ts
lib/ziwei/constants.ts

generateChart() 是核心入口。它接收出生年、月、日、时辰、性别，调用 astro.bySolar()，再把十二宫、主星、辅星、煞星、庙旺利陷、大限等信息整理成项目自己的 ZiweiChart 数据结构。

表单部分在：

components/BirthForm.tsx

这里可以看到一个很实用的细节：项目根据出生地经度计算真太阳时时辰。代码里用 (longitude - 120) * 4 计算分钟偏移，再把北京时间转成对应时辰。对命理类产品来说，这类输入细节会直接影响用户信任。

命盘页在：

app/chart/page.tsx

它负责收集表单、调用生成接口、展示命盘、处理星曜点击、宫位点击、历史命盘等交互。以后要自己改产品，基本从这里下手。

格局知识库怎么读

重点看：

lib/ziwei/patterns.ts

这个文件有 1100 多行，写法没有停在文案堆叠，而是把每个格局拆成“必须条件、加分项、破格警示”。比如紫府同宫、君臣庆会、府相朝垣这类格局，都对应具体的检测函数。

这种结构很适合拿去做 AI 解读前的规则层。先由代码判断命盘里有哪些明确格局，再把结构化结果交给大模型解释。比直接把生日丢给模型让它自由发挥稳得多。

如果要补 AI 解读接口

开源版没有后端 API，但补起来并不复杂。最小思路是：

1. 前端提交出生信息到 /api/generate。
2. API 内部调用 generateChart() 得到命盘 JSON 。
3. 调用 detectPatterns() 一类的格局识别函数，得到规则层结果。
4. 把命盘结构、格局、用户问题、必要免责声明一起发给 LLM 。
5. 返回结构化文本，避免让模型自己重新排盘。

伪代码大概是这样：

import { generateChart } from '@/lib/ziwei/algorithm';

export async function POST(req: Request) {
  const birthInfo = await req.json();
  const chart = generateChart(birthInfo);
  return Response.json(chart);
}

如果要做解释接口，可以再加一层：

const chart = generateChart(birthInfo);
const prompt = buildPrompt({ chart, question });
const answer = await callLLM(prompt);
return Response.json({ chart, answer });

这里最重要的是：排盘交给确定性代码，解释交给模型。不要让模型负责“算盘”，否则同一个输入很容易出现不同答案。

51.8 万样本数据怎么用

Releases 里有三卷压缩包：

ziwei-samples-v3-part1.zip.001
ziwei-samples-v3-part2.zip.002
ziwei-samples-v3-part3.zip.003
SHA256SUMS.txt

Linux 或 macOS 合并解压：

cat ziwei-samples-v3-part*.zip.* > combined.zip
unzip combined.zip

这套数据更适合做三类事：

• 做 RAG，把命盘样本和解读主题拆成可检索片段。
• 做小模型微调，把输入命盘和输出解读配成训练样本。
• 做规则修改后的回归测试，比如改了 patterns.ts，再对比样本输出有没有明显偏移。

数据许可比较宽松，可以商用，但要保留来源标注。产品页、模型卡、数据集 README 里写清楚来源即可。

推荐的学习路径

如果你前两天看的是倪海夏中医内容，可以按这个顺序接到《天纪》：

1. 先读 lib/nihai/index.ts，了解天纪、地纪、人纪三套框架。
2. 再看 app/page.tsx，观察产品怎么把“紫微、天纪、地纪、人纪”组织成学习入口。
3. 然后看 algorithm.ts，把排盘主流程跑通。
4. 接着读 patterns.ts，理解格局识别怎么从文案变成规则。
5. 最后再考虑接 LLM，把命盘 JSON 和规则结果转成自然语言解释。

这个项目适合收藏。它既有传统术数内容，又有现代 Web 产品结构，还把一部分样本数据开放出来。拿来学习，比只看一个在线算命页面有用得多。

学习提醒：命理内容适合研究传统文化和产品设计，不建议用于医疗、投资、婚恋、职业等现实决策。

源地址

https://github.com/Renhuai123/ziwei-doushu

来源：https://github.com/Renhuai123/ziwei-doushu