从算法到全栈：基于大模型的AI命理工具踩坑实录

引言：当极客技术遇见传统民俗文化

作为一名在代码堆里打滚多年的程序员兼产品经理，我一直对如何用现代技术赋能传统文化充满兴趣。最近，我利用业余时间，采用 Next.js 15 (App Router) 和 RAG (检索增强生成) 技术，独立开发并上线了一款名为 紫微AI 的纯排盘工具。

紫微斗数作为中国传统民俗文化的重要组成部分，其背后蕴含着极其复杂的历法推演与数学模型。然而，市面上的排盘软件大多UI陈旧、交互生硬，且充斥着各种广告。紫微AI 的初衷，就是用极客技术重塑这一体验，打造一个纯粹、客观的数据参考平台。

本文将深度复盘 紫微AI 的核心技术架构与产品思考（心急的同学可以先访问 https://ziweiai.chat/ 体验最终的 PWA 效果），希望能给同样在做独立开发的同学一些启发。

核心技术解析与架构演进

1. 复杂排盘算法的工程化实现

传统民俗文化的排盘逻辑极其严密，涉及真太阳时校准、农历闰月处理以及复杂的星曜飞布规则。在 紫微AI 项目中，我引入了开源的 iztro 引擎作为底层计算核心。

难点在于动态运势（大限、流年、流月）的推演。为了精准定位农历正月所在的宫位，我结合了 lunar-typescript 库，在服务端进行复杂的历法转换。通过计算目标日期的农历年份，再反推该年“正月十五”的阳历日期，最终映射到正确的宫位地支上，确保了客观数据参考的绝对严谨。

2. RAG 架构下的动态上下文组装

为了让大模型能够“读懂”排盘数据，我为 紫微AI 设计了一套轻量级的 RAG 架构。
在 /api/chat/completions 接口中，系统会首先进行意图识别 (Intention Detection)。当用户查询特定时间节点时，系统会提取对应时间维度的“三方四正”（命宫、财帛、官禄、迁移）星曜数据，将其序列化为结构化的 JSON 上下文，并注入到 System Prompt 中。

为了提升用户体验，我放弃了传统的等待式请求，全面采用了 SSE (Server-Sent Events) 流式输出。配合 Nginx 的 proxy_buffering off 配置，实现了丝滑的打字机效果。

3. 健壮性设计：全栈日志与异常捕捉

在开发和调试阶段，历法转换和 RAG 组装极易出现边界条件异常（例如闰月处理越界、时辰跨度计算错误）。为了确保程序的运行健壮性，我引入了基于 pino 的全栈结构化日志系统。

当程序运行错误的时候，会被 logger 模块精准捕捉到。 例如在 /api/tools/chart 接口中，任何底层引擎的计算异常都会被 log.error("Iztro Calc Error", e) 捕获。该模块会自动记录完整的 Request ID、用户上下文以及 Error 堆栈。这让我在本地调试时能迅速定位历法转换的 Bug，极大提升了系统的容错率和稳定性。

产品设计理念：克制与合规

在产品设计上，紫微AI 主打“Ink & Zen（水墨禅意）”的 UI 风格，并利用 PWA 技术实现了类原生 App 的离线访问体验。

更重要的是，我始终坚持这是一款纯排盘工具和客观数据参考平台。我们致力于用现代技术还原传统民俗文化的数学模型，绝无迷信定论。系统在 Prompt 层面设置了严格的红线防御：

1. 涉及健康问题，强制提示“请务必咨询专业医生”。
2. 涉及财务问题，绝不提供任何具体的投资建议。
3. 纯免费无诱导，绝不涉及任何收费消灾的陷阱。

所有的 AI 解读均基于客观的星曜组合逻辑，旨在为传统文化爱好者提供一个纯粹的学习与研究工具。

总结与体验路径

通过这次独立开发，我不仅深入实践了 Next.js 15 与大模型流式交互的结合，也探索了技术与传统文化融合的新路径。目前 紫微AI 已经部署上线，采用了 Docker Compose 单机编排，配合 Redis 缓存，在极低的服务器成本下实现了高并发支撑。

如果你对排盘算法的实现细节感兴趣，或者想体验一下这款水墨风的 PWA 应用，欢迎访问我的项目地址：https://ziweiai.chat/ 进行体验交流。

免责声明：本工具仅供传统民俗文化爱好者学习排盘算法与架构设计参考，提供的数据均为客观历法推演。请理性看待，勿用于任何封建迷信活动。