Destiny：将古典占星学与 Claude Code 的 AI 融合用于算命

大型语言模型（LLM）的出现为将 AI 融入各种应用打开了新途径，即使是那些根植于古老传统的领域也是如此。其中一个引人入胜的项目是 “Destiny”，它是一个 Claude Code 插件，旨在基于古典东亚占星学提供算命阅读。该工具通过尝试将传统占星计算的确定性与 LLM（特别是 Claude）的解释能力相结合而脱颖而出。

Destiny 提供了一个引人入胜的案例研究，展示了 AI 如何用于处理结构化数据并生成细腻、具上下文感知的散文。它引发了关于 AI 在个人建议等敏感领域的角色、避免幻觉的挑战以及在开发环境中部署此类工具的实际考虑等重要讨论。

Destiny 的工作原理：双层结构

Destiny 在 Claude Code 界面中运行，用户只需输入 /destiny 即可调用算命阅读。首次使用时，用户需要提供生日，系统会将其存储以供后续阅读。核心创新在于其双层架构，旨在保持对传统占星系统的忠实，同时利用 AI 进行解读：

第 1 层：确定性占星计算

Destiny 的基础层是一个负责所有数值计算的 Python 脚本。该脚本根据用户的出生日期和当前日期计算若干关键占星要素：

  • 八字命盘：东亚占星学的基本组成部分。
  • 今日日柱：代表当日的占星影响。
  • 时刻卦象：源自《易经》原理。
  • 五行关系：五种古典元素（木、火、土、金、水）之间的相互作用。

开发者强调此层完全是确定性的：“相同的人 + 相同的日子 = 相同的输出”。这确保原始占星数据与传统历法来源保持一致且可验证，防止在数据生成阶段出现任何 AI 驱动的捏造。

第 2 层：Claude 的解读性散文

一旦确定性数据生成完毕，Claude（LLM）接管。它的职责是将这些数值和符号输入转化为人类可读的散文。这包括生成：

  • 今日星象：当日特定的占星影响。
  • 性格概述：对用户个性的洞察。
  • 人生轨迹：总体趋势和潜在路径。
  • 建议：基于占星阅读的指导。

开发者强调的关键区别在于，Claude 将“数百年的解读惯例”应用于这些固定数据。此方法旨在通过将 AI 的输出根植于既定的解读框架，防止出现“LLM 幻觉星座”，而不是让其自由编造细节。

社区洞察与讨论

Destiny 在 Hacker News 的发布引发了各种反应和讨论，涉及其实用性、技术实现以及更广泛的影响。

受众与使用案例相关性

讨论的一个共同点是目标受众以及在编码环境中使用算命插件的适宜性。

有趣，但我真的想知道在 Claude Code 界面中使用 Claude 编码时，有多少人想了解自己的运势。 — @treexs

安装与可用性

早期反馈指出需要更清晰的安装说明，尤其是对不熟悉 Claude 插件市场的用户而言。

能否把安装说明再详细一点？我还没有使用过插件市场，也没有 /plugin 命令。Claude 本身也无法告诉我如何安装它。 — @awakeasleep

准确性、幻觉与信任

声称避免“LLM 幻觉星座”自然引发了怀疑，并对 AI 生成的解读相较于传统方法的有效性提出了质疑。

我在努力克制不去讽刺的冲动。但你怎么知道 Claude 的幻觉星座比传统技术不更准确？你们做过 A/B 测试吗？ — @sudosteph

所以占星是确定性的，而解读是概率性的。这很有趣，因为这正是大多数感知到的“准确性”来源所在。 — @tokyoproductj

伦理与法律考量

通过 LLM 提供“建议”的性质引发了对潜在负面后果的担忧，促使人们建议加入法律免责声明。

既然你提到了“命运”“人生轨迹”和“建议”，为自己考虑，最好加入某种法律免责声明——使用 LLM 进行生活等方面的建议已经导致了一些非常糟糕的后果，甚至出现自杀案例，正如我们现在所知。 — @hansmayer

安全性与资源使用

其他评论涉及更广泛的技术关注点，包括集成第三方插件可能带来的“供应链风险”，以及为非必要任务消耗 LLM 令牌。

在我看来这像是供应链风险。 — @pdp

我以为 Anthropic 正在收紧使用，但似乎人们对他们的令牌毫不在意… — @chakintosh

潜在改进与未来方向

多位用户提供了建设性的建议，以扩展 Destiny 的功能：

  • 自动调用：将“Claude 代码钩子”集成到特定代理生命周期事件（如 SessionStart）以触发算命阅读，作为手动调用的替代方案。（@tomaytotomato）
  • 多用户档案：建议构建一个“使用两个用户档案的婚姻宫”，用于比较个人之间的占星图表。（@babblingfish）
  • LLM 可比性：有人好奇如果由其他 LLM 生成，输出会有何不同，暗示了进行比较评估的潜力。（@gorlokthedev）

结论

Destiny 代表了 LLM 的一种新颖应用，展示了 AI 如何与结构化的传统系统相结合，生成个性化内容。通过将确定性数据计算与概率性解读分离，它尝试在 AI 准确性与幻觉的复杂局面中寻找平衡。社区的反馈既凸显了此类工具的趣味潜力，也强调了其伦理影响、可用性和技术稳健性等严肃考量。随着 LLM 能力的持续演进，像 Destiny 这样的项目为 AI 与人类文化传统交叉的多样且常常出人意料的方式提供了宝贵的洞见。

Sources