732642856
232 lines
5.5 KiB
Markdown
232 lines
5.5 KiB
Markdown
# 生时校正分盘调用决策树
|
|
|
|
> 目标：把生时校正从“所有分盘一起上”改成“按证据价值和过拟合风险分层调用”。
|
|
> 结论先行：**不是所有分盘一股脑上。**
|
|
|
|
## 1. 总原则
|
|
|
|
生时校正时，优先级应当是：
|
|
|
|
1. `Dasha + dated events`
|
|
2. `D9`
|
|
3. `D10`
|
|
4. `D7 / D12 / D24 / D4 / D2` 按主题选
|
|
5. `Nakshatra / Pada / house shifts`
|
|
6. `D30`
|
|
7. `D60`
|
|
|
|
一句话版本：
|
|
|
|
**Dasha 定框，D9/D10 定核心，D12/D7/D24 等按题补刀，D30/D60 最后谨慎使用。**
|
|
|
|
这和当前仓库里已有的校时权重一致：
|
|
|
|
- `Dasha` 40%
|
|
- `分盘一致性` 35%
|
|
- `宫位变化` 15%
|
|
- `Nakshatra Pada` 10%
|
|
|
|
对应实现见：
|
|
|
|
- [jyotish-app/rectification-engine.js](<repo>/jyotish-app/rectification-engine.js)
|
|
- [references/varga-system-quick-reference.md](<repo>/references/varga-system-quick-reference.md)
|
|
|
|
## 1.1 产品化问询原则
|
|
|
|
生时校正不应默认要求用户先列出 8-15 个事件。普通用户路径优先采用主动问询：
|
|
|
|
```text
|
|
候选时间扫描
|
|
→ 分盘 / Arudha / KP cusp / Dasha 敏感差异提取
|
|
→ 生成高信息量选择题
|
|
→ 用户回答 A/B/C/D
|
|
→ 动态缩小候选时间簇
|
|
→ 进入下一轮追问
|
|
```
|
|
|
|
用户只需回答：
|
|
|
|
```text
|
|
A. 明确有，且时间大致吻合
|
|
B. 有类似，但时间略偏或不够重大
|
|
C. 没有明显发生
|
|
D. 不确定 / 不记得
|
|
```
|
|
|
|
机器可审计入口：
|
|
|
|
```bash
|
|
python3 scripts/active_rectification_questions.py --birth-time "1955-02-24 19:15" --uncertainty-minutes 30 --pretty
|
|
```
|
|
|
|
## 2. 第一层：主引擎
|
|
|
|
### Dasha + dated events
|
|
|
|
这是第一裁判，不是某一张分盘。
|
|
|
|
先用真实事件把时间框住：
|
|
|
|
- 结婚 / 分手 / 离婚
|
|
- 入职 / 升职 / 创业 / 换工作
|
|
- 搬迁 / 出国 / 移民
|
|
- 生育 / 流产 / 子女关键年份
|
|
- 健康危机 / 手术 / 事故
|
|
- 重大财富变化 / 破财
|
|
|
|
如果没有 dated events，只靠分盘做校时，风险会显著上升。
|
|
|
|
## 3. 第二层：核心分盘
|
|
|
|
### D9
|
|
|
|
最适合验证：
|
|
|
|
- 婚姻 / 关系质量
|
|
- 亲密关系成熟度
|
|
- 配偶画像
|
|
- 内在命运路线是否与 D1 同向
|
|
|
|
### D10
|
|
|
|
最适合验证：
|
|
|
|
- 事业显化
|
|
- 职业兑现
|
|
- 升职 / 名声 / 社会角色
|
|
- 事业方向切换是否成立
|
|
|
|
如果用户提供的事件主要是婚恋和事业，**D9 + D10 是最值钱的双核**。
|
|
|
|
## 4. 第三层：主题分盘补刀
|
|
|
|
当 Dasha 已经定出大框，但两个候选时间都还能解释时，再按主题调专项分盘：
|
|
|
|
| 事件主题 | 优先分盘 | 用法 |
|
|
|---|---|---|
|
|
| 婚姻/关系 | `D9` | 核心，不是补充 |
|
|
| 事业/升职/换工作 | `D10` | 核心，不是补充 |
|
|
| 子女/生育 | `D7` | 用于拉开生育相关年份与子女主题差异 |
|
|
| 父母/家族 | `D12` | 辅助裁判，不是第一裁判 |
|
|
| 教育/考试 | `D24` | 学业、考试、研究路线 |
|
|
| 房产/搬迁 | `D4` | 房产、居所、迁移、家庭落点 |
|
|
| 财富/收入变化 | `D2` | 收入、资产、财务结构变化 |
|
|
| 健康/事故/创伤 | `D30` | 只在有明确健康事件时用 |
|
|
|
|
其中 `D12` 的角色要说清楚：
|
|
|
|
- 它很有价值
|
|
- 但通常在 `D9/D10` 不能彻底拉开差距时再上
|
|
- 所以它是**辅助裁判**，不是**第一裁判**
|
|
|
|
## 5. 第四层：细分钟收口层
|
|
|
|
这一层适合最后 2-10 分钟的缩窄，不适合一开始就拍板：
|
|
|
|
- `Nakshatra / Pada`
|
|
- 特殊 Lagna
|
|
- 敏感点
|
|
- 分盘上升切换点
|
|
- 宫位变动
|
|
|
|
它们的作用是：
|
|
|
|
- 在大框已经基本收敛后
|
|
- 继续缩小到更细的分钟段
|
|
|
|
不应让这一层反过来主导整体结论。
|
|
|
|
## 6. 第五层：超高敏层，慎用
|
|
|
|
### D30
|
|
|
|
可用，但前提是用户有明确的：
|
|
|
|
- 健康危机
|
|
- 手术
|
|
- 创伤
|
|
- 事故
|
|
- 极端压力事件
|
|
|
|
### D60
|
|
|
|
只适合在已经高度收敛后，作为最后参考。
|
|
|
|
不要让 `D60` 反过来主导校时结论。原因很简单：
|
|
|
|
- 对出生时间太敏感
|
|
- 在事件样本不足时特别容易过拟合
|
|
- 很容易出现“解释很漂亮，但时间其实没校准好”
|
|
|
|
## 7. 实战决策树
|
|
|
|
### Step 1
|
|
|
|
先问：有没有 5 个以上带年份或日期的真实事件？
|
|
|
|
- 没有：先补事件，不急着堆分盘
|
|
- 有：进入 Dasha 定框
|
|
|
|
### Step 2
|
|
|
|
事件主要落在哪个主题？
|
|
|
|
- 婚姻/关系 -> `D9`
|
|
- 事业/升职/换工作 -> `D10`
|
|
- 子女/生育 -> `D7`
|
|
- 父母/家族 -> `D12`
|
|
- 教育/考试 -> `D24`
|
|
- 房产/搬迁 -> `D4`
|
|
- 财富/收入 -> `D2`
|
|
- 健康/事故/创伤 -> `D30`
|
|
|
|
### Step 3
|
|
|
|
如果两个候选时间在核心分盘上仍都说得通：
|
|
|
|
- 再看 `Nakshatra / Pada / house shifts`
|
|
- 再看更窄的分盘上升切换
|
|
|
|
### Step 4
|
|
|
|
只有当 Dasha + 核心分盘 + 主题分盘都已经明显收敛后，才允许上 `D60` 做最后参考。
|
|
|
|
## 8. 时间敏感度提醒
|
|
|
|
仓库当前已有的分盘时间精度要求：
|
|
|
|
- `D9 / D10`: `±2分钟`
|
|
- `D2/D3/D4/D7/D12`: `±5分钟`
|
|
- `D30`: `±1分钟`
|
|
- `D60`: `±30秒`
|
|
|
|
因此：
|
|
|
|
- `D9/D10` 足够敏感，适合作为校时主力
|
|
- `D30/D60` 过于敏感，适合作为后段验证
|
|
|
|
## 9. 禁止做法
|
|
|
|
以下做法不推荐：
|
|
|
|
- 一开始就把所有分盘全开
|
|
- 用 `D60` 反向主导时间结论
|
|
- 没有 dated events 时过度依赖高敏分盘
|
|
- 用单一分盘推翻 `D1 + Dasha + 核心分盘` 的同向证据
|
|
|
|
## 10. 落地口径
|
|
|
|
校时时，默认解释顺序应是：
|
|
|
|
1. `Dasha + dated events`
|
|
2. `D9`
|
|
3. `D10`
|
|
4. 主题专项分盘
|
|
5. `Nakshatra / Pada / house shifts`
|
|
6. `D30`
|
|
7. `D60`
|
|
|
|
如果需要一句给用户看的简明口径，就用这句：
|
|
|
|
**校时主力不是“所有分盘”，而是“Dasha 定框，D9/D10 定核心，D12/D7/D24 等按题补刀，D30/D60 最后谨慎使用”。**
|