近日，V2EX 社区发布了一款名为 bazi-skill 的开源项目，该项目通过 GitHub 开源，旨在构建一个面向命理场景的 AI 编排框架。该项目并非简单的“AI 算命”工具，而是一个旨在解决大模型幻觉问题的 AI Harness。其核心技术逻辑在于通过工程化手段将确定性任务与生成式任务解耦：利用传统代码严格负责排盘、真太阳时校正、JSON 格式校验等确定性事实计算；而将大模型的角色限制在仅对已算好的事实进行语义解释。项目采用了多 Agent 编排架构，引入了子平、盲派、紫微等多个不同流派的角色模拟，并设置主理官进行综合裁决与报告生成。通过这种“证据包+角色编排+结果校验”的多层架构，bazi-skill 有效避免了 AI 在数学计算和逻辑引用上的常见错误，为垂直领域如何组合大模型与传统算法提供了具有参考价值的落地案例。
事件分析
bazi-skill 的技术价值超越了其应用场景本身，它展示了一种解决大模型“幻觉”缺陷的标准工程范式。在处理涉及数学计算、天文历法等严格逻辑的任务时，纯生成式模型往往力不从心。该项目通过构建中间层，将 Python 等确定性编程语言作为大模型的“计算底座”，强迫 AI 仅在结构化数据之上进行推理，这实际上是构建了一个类 RAG（检索增强生成）或 Tool Use 的增强版 Agent 框架。这种“代码负责事实，模型负责解释”的分层架构，对于医疗、法律、金融等对事实准确性要求极高的行业具有重要的借鉴意义，预示着 AI 应用开发正从简单的 Prompt 调试转向复杂的系统编排。
💡 核心观点：bazi-skill 验证了垂直领域 AI Agent 的最佳实践：将确定性计算剥离给传统代码，仅让大模型负责逻辑解释，是规避模型幻觉并构建高可靠应用的有效路径。
原文链接：V2EX 分享发现
