新闻详情

新闻详情

首页 / 资讯中心 / 详情

为什么bazi-skill排盘不会错:黄金用例回归测试与参考表一致性设计详解

发布时间:2026/11/16 22:47:28来源:尧图网络
为什么bazi-skill排盘不会错:黄金用例回归测试与参考表一致性设计详解
为什么bazi-skill排盘不会错黄金用例回归测试与参考表一致性设计详解【免费下载链接】bazi-skill四柱八字命理分析项目地址: https://gitcode.com/gh_mirrors/ba/bazi-skillbazi-skill 是一个四柱八字排盘与命理分析工具核心排盘脚本 pai_pan.py 仅用 Python 标准库实现。它能排盘不会错靠的不是运气而是两件事黄金用例回归测试test_pai_pan.py和参考表一致性设计代码常量与 references/ 下的 Markdown 表共用同一张表。本文面向新手用通俗的方式讲清这套设计。一、八字排盘到底容易在哪些地方出错八字排盘看似只是查表实则踩坑点极多。以下是最常见的 6 个翻车现场易错点正确规则常见错误年柱分界以立春精确时刻为界误以为正月初一或 2 月 4 日零点换年月柱分界以十二节立春、惊蛰…为界误用中气或节气近似日期日柱日界23:00 起夜子时用次日日柱全天都用当日日柱大运方向阳男阴女顺排阴男阳女逆排男女方向记反农历换算定气定朔、无中气之月为闰月查现成万年历、闰月标错神煞查法年支/日支三合等固定口径各查各的、口径不一bazi-skill 的处理思路是每一条规则都配一个锚点命例——一个已知标准答案的具体出生日期只要算出来和锚点一致规则就没错。二、黄金用例回归测试一个锚点命例守住全局回归测试的核心文件是 scripts/test_pai_pan.py。它不直接调用内部函数而是像真实用户一样运行排盘脚本、解析标准输出的文本报告再逐项断言确保用户看到什么测试就验证什么。黄金命例1990-05-15 午时男全部测试围绕一个基准命例展开见 test_golden_1990_wushi_male输入阳历 1990 年 5 月 15 日午时男标准答案年柱庚午、月柱辛巳、日柱庚辰、时柱壬午大运顺排神煞应命中天乙贵人、将星而不应出现驿马、桃花命局地支无申、无卯为什么连不该出现的神煞也要断言——防止神煞计算从漏报悄悄变成多报。边界用例清单除黄金命例外测试还覆盖了最容易翻车的 8 类边界场景测试用例守住什么规则立春前出生1990-02-03 10:00年柱必须是己巳绝不能是庚午夜子时 23:30日柱用次日辛巳标记夜子时早子时 00:30日柱仍是庚辰标记早子时阴年男辛未年大运逆排阳年女庚午年大运逆排时辰未知时柱输出未知年月日三柱完整农历对照四月廿一与阳历 1990-05-15 四柱完全一致已故年份2010 年流年列表到 2010 为止不出现更晚年份另有神煞专项测试ShenshaTests用日干甲见丑→天乙贵人日柱甲子→旬空戌亥这类表驱动小用例直接验证查表函数。实际运行python3 scripts/test_pai_pan.py11 个测试全部通过Ran 11 tests ... OK耗时约 3 秒无需任何第三方依赖。三、算法锚点注释把标准答案写进代码文档打开 scripts/pai_pan.py文件开头就有一段算法锚点供 QA 对照把每条规则的正确答案钉死在代码里日柱公历儒略日换算六十甲子锚点1990-05-15 庚辰年柱立春分界锚点1990-02-03 10:00 必须是己巳不是庚午月柱十二节分界锚点1990-05-15立夏后、芒种前 辛巳月时柱五鼠遁元锚点庚日午时 壬午对照 references/shichen-table.md大运1990-05-15 男阳年必须顺排对照 references/dayun-rules.md节气时刻用太阳视黄经精算立春315°明确禁止写死立春大约 2 月 3-5 日神煞与 references/shensha-table.md 同一张表。这套做法的价值任何人改代码后只要跑一遍回归测试锚点不一致会立刻失败。标准答案不需要背测试替你记着。四、参考表一致性设计代码和文档共用同一张表排盘工具最常见的文档与结果对不上源于文档一套表、代码另一套表。bazi-skill 的做法是藏干表代码里的地支藏干常量直接标注与 references/wuxing-tables.md 同一张表CANGGAN十神推导规则与参考表中的十神推导规则十神定义及生克关系一致以日干为基准神煞天乙、驿马、桃花等 20 余项查法常量TIANYI 等与 references/shensha-table.md 同口径测试用例test_shensha_table_driven专门回归这一条链接。这样文档就是代码的人话版用户拿排盘结果对照 references/wuxing-tables.md 里的十神、藏干表一定能对上号。同时SKILL.md 明确规定四柱、大运、流年、神煞一律以脚本输出为准禁止口算或凭记忆中的万年历改盘——人机两侧用同一口径从流程上杜绝AI 自由发挥改盘。五、新手如何亲自验证一遍整个过程只需两行命令本机有python33.6即可无需 pip 安装任何东西# 1. 跑黄金用例回归测试看到 OK 即说明排盘正确 python3 scripts/test_pai_pan.py # 2. 亲手排一个盘对照测试结果 python3 scripts/pai_pan.py --solar 1990-05-15 --shichen 午 --sex 男第二步输出的四柱应当是 庚午 / 辛巳 / 庚辰 / 壬午大运方向为顺排与回归测试的断言完全一致。六、这套设计对普通用户意味着什么边界不糊弄立春前后、节气交界出生脚本会给出警告并严格采用一套年柱/月柱不会让你面对两种可能时柱不确定也有明确行为只做六字分析不瞎猜时柱SKILL.md 边界情况表结果可复查任何一次排盘你都能用 references/ 下的对照表五行十神、时辰、大运、神煞逐项核对改错有护栏未来若有人修改算法11 个黄金用例就是护栏回归不通过就不能发布。一句话总结bazi-skill 用锚点命例 回归测试 代码文档同表三层设计把八字排盘里最容易出错的节气分界、子时日界、大运顺逆、神煞查法全部钉死在可验证的标准答案上——这就是它排盘不会错的原因。命理分析仅供传统文化学习与娱乐参考请理性看待。【免费下载链接】bazi-skill四柱八字命理分析项目地址: https://gitcode.com/gh_mirrors/ba/bazi-skill创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉