FANzR-arch/Numerologist_skills

해결하는 문제

이 프로젝트는 전통 중국 점술 시스템(Qimen Dunjia, Ziwei Doushu, Bazi 등)에서 LLM의 환각 문제를 해결합니다. 모델을 "더 신비롭게" 만들려는 시도가 아니라, 차트 생성 오류, 학파별 해석 오류, 분석의 논리적 순서 오류를 줄이기 위해 프로세스를 검증 가능하고 재사용 가능한 엔지니어링 모듈로 모듈화합니다.

작동 방식

시스템은 점술 프로세스를 세 가지 주요 구성 요소로 분해합니다:

1. 프롬프트 제약: 질문의 순서와 출력의 범위를 제어하여 모델이 결과를 생성하기 전에 누락된 정보를 요청하도록 보장합니다.
2. 참고 자료: 고정된 규칙, 용어집, 해석 순서를 제공하여 용어와 논리를 표준화합니다.
3. 외부 스크립트: 달력 변환 및 차트 생성과 같은 엄격한 계산을 Python 스크립트(예: Qimen Dunjia CLI)로 이관하여 수학적 정확성을 보장합니다.

대상 사용자

전통 점술 시스템의 엔지니어링에 관심이 있는 개발자 및 AI 엔지니어로서, 투명하고 신뢰할 수 있으며 구조화된 AI 기반 분석 도구를 만들고자 하는 사람.

주요 특징

• 모듈화된 기술 세트: Qimen Dunjia, Ziwei Doushu, Bazi 전용 모듈 포함.
• 환각 감소: LLM 생성보다 외부 스크립트를 통한 엄격한 계산을 우선시.
• 구조화된 워크플로우: "질문 먼저, 출력 나중" 규칙을 강제하여 모델이 파라미터를 추측하는 것을 방지.
• 검증 가능성: 참고 자료와 학파별 규칙의 명확한 선언을 사용해 분석 프로세스의 투명성을 확보.