AI 性格分析的技术原理：确定性算法 + 语言模型

通用架构：确定性 + 概率性

无论 Co-Star 用西方占星，还是天机推演用中国易经，它们的核心架构是同一套：

这种「前 AI + 后 AI」的混合架构是这个品类的技术核心。前半段用传统算法保证准确性和一致性，后半段用大模型保证可读性和个性化。

卦象推算引擎：确定性的前端

以天机推演为例，卦象推算引擎基于传统农历历法算法，根据出生年月日时计算本命卦。六十四卦的推算规则是固定的数学公式（参照《梅花易数》年月日时起卦法），不涉及 AI，用纯代码实现，部署在服务器上。

这部分的关键价值是「信任」：用户测一万次，只要出生时间不变，卦象永远一样。确定性是性格分析产品最基础的信度要求。

AI 性格分析：概率性的后端

卦象对应的原始文言文描述（卦辞、爻辞等）作为 prompt 输入，调用大模型进行「文言文 → 现代性格分析」的翻译。关键的设计点：

• Temperature 设置偏低（0.3–0.5），保证输出的一致性；
• System prompt 限定「这是性格分析框架，不是预测」；
• 每次生成输出标准化字段：性格特征、优势、劣势、建议。

这套设计的妙处在于：同一个卦象，大模型每次可以从不同角度解读，用户每次阅读体验是新鲜的，但核心结论框架保持稳定。

合盘匹配算法：两个人的分析

合盘匹配是这类产品最具传播力的模块。天机推演的合盘算法 = 两卦之间的五行生克关系 + 卦象组合的历史解读 + AI 综合分析。它不是简单的「相合/相冲」二元输出，而是生成多维度的匹配报告（沟通、决策、情绪等维度）。

为什么「两个人的分析」比「一个人的分析」更具传播力？因为测完就想分享——把「我是什么卦」发到群里，把「我们合不合」拉朋友一起测。这种社交裂变机制是产品增长的核心引擎。

工程范式总结：可复制的五种能力

从这些案例中可以提炼出「AI + 传统智慧」类应用的通用工程范式：

1. 确定性前端：传统算法负责核心判定，保证一致与可复现；
2. 概率性后端：大模型负责语言层面的个性化呈现；
3. 内容管理系统：传统知识的数字化与结构化是核心竞争力；
4. 社交层：两个人的分析天然比一个人的分析更易传播；
5. 透明性设计：标注「AI 生成」不是减分项，坦诚反而建立信任。

对这个赛道而言，技术不是壁垒，对传统智慧的尊重和理解才是。