玄空飞星 AI 软件项目复盘:从＂让 AI 做＂到＂我指导 AI 做＂

2026 年 7 月，我开始系统学习玄空飞星。

最早看的是《沈氏玄空学》，看完有个框架，但离熟练应用还差得远。

后来冒出一个想法：既然市面上难找到可靠的 AI 玄空排盘、断语软件，能不能自己做一个？

于是我把玄空知识和 AI 编程结合起来，做一个能完成"排盘 → 提取信息 → 生成断语"的辅助系统。反复校对、测试之后，它逐渐稳定下来。

这个项目最值钱的地方在于：我把知识转化成了程序能执行的规则，而不只是学了玄空。

二、真正困难的地方：排盘相对容易，断语才是真正的难点

排盘系统稳定后我发现：排盘只是第一步，真正难的是"怎么断"。

玄空飞星里，山星、向星、运星、宫位之间层层组合，再叠加各种原典断语，关系非常多。

我一开始想把这些整理成规则表，让 AI 能查询调用。但就是这一步，我犯了最大的错误。

三、最大的错误：把判断过程完全交给 AI

我最初以为：把资料和规则表给 AI，让它自己综合判断，就能得到好结果。

事实证明不行。

问题不在于 AI 不够聪明，而在于我没告诉它：该按什么逻辑、什么层级、什么优先级去判断。

规则一多，它一定会"综合"——而综合就是把不同层级的规则混在一起、强弱不分、原典和推导分不清、事实与解释搅成一团，冲突时也没有裁决机制。

最后交上来一份看起来很完整、很专业的东西，里面却夹着它自己推出来的内容。

这就是幻觉。更麻烦的是，自己基础不懂，根本发现不了这些错。

四、真正的转折：从"让 AI 判断"转向"建立判断层级"

想清楚之后，我把顺序整个反过来：先分层，再判断；先提取事实，再调用规则，最后才综合。

也就是让 AI 在我的逻辑体系里执行，而不是替我建立体系。

具体到排盘，是这样分层的：

第一层 基础事实：坐山、向首、山星、向星、运星、宫位、阴阳、得令失令等。

第二层 核心组合：比如山星 × 向星，这是基础判断的核心。

第三层 运星修正：山星/向星 × 运星，是对核心组合的修正，不是另起一套。

第四层 宫位修正：星曜 × 宫位，只做辅助修正，不能反客为主。

第五层 原典断语：只有找到依据，才调用原典。

第六层 最终断事：把前面证据综合成完整判断。

分完层，逻辑就清楚了。

五、这件事最大的价值：把"记忆知识"变成"调用知识"

过去学玄空，最头疼的是记。

星曜组合、断语、宫位，彼此牵连，全靠脑子记，学过就想不起来。

有了 AI 辅助，流程变成：排盘 → 提取星象 → 查询规则 → 展示依据 → 辅助理解。

排完盘，它直接告诉我：什么山向、什么山星向星、什么组合、对应哪条原典、哪些是核心、哪些只是修正。

原来要死记硬背的知识，变成了一个可调用、可验证、可追溯的系统。

我第一次感到：AI 不只帮我干活，也改变了我的学习方式。

六、但 AI 能走多远，取决于人的认知边界

AI 很强，但不是无条件正确。

你让它做什么，它能快速扩展；但扩展的高度，取决于你自己知道多少。

有基础、有逻辑、有判断标准，AI 是放大器；没有，就是 AI 说什么你信什么，被它带着走。

专业领域里，AI 特别容易生成"看起来完整、其实没依据"的解释。你分不清对错，是因为你不知道什么是对的。

所以：AI 降低知识调用的门槛，但取消不了人的认知责任。

七、学 AI 这段时间的收获

以前我以为学 AI 就是学写提示词、学让 AI 帮我干活。

现在明白，真正的能力分三层：

第一层 会用 AI：提问、搜索、整理、写代码。最基础。

第二层 会拆问题：分清哪些事实、哪些参数、哪些规则、哪些判断、哪些人工确认、哪些交给 AI。这比"会提问"重要得多。

第三层 有判断体系：核心逻辑握在自己手里——解决什么、怎么拆、依据是什么、冲突怎么裁决、什么 AI 不能自己推。这一层清楚了，AI 才是你的工具。

八、最终的变化：不是"AI 替我做"，而是"我指导 AI 做"

最早：资料 → 给 AI → AI 帮我做。

后来：我定义 → 我拆解 → 我定规则 → AI 执行 → AI 扩展 → 我验证 → 我判断。

前者把思考外包，后者用 AI 放大思考。

这可能才是 AI 时代真正重要的能力。

九、这次项目的核心结论

1. 专业知识没贬值，反而更值钱。领域越专业，越需要人掌握判断标准——AI 越强，越需要有人判断它对不对。

2. AI 最适合执行和扩展。搜索、整理、编码、测试、归纳、生成方案，这些它都行；但目标、逻辑、边界仍要人来定。

3. 别一上来就让它"综合判断"。先拆解、再分层、分别判断、最后综合，否则看着什么都有，实则混乱。

4. 学 AI 的核心不是提示词，是问题结构。把"我该怎么定义问题"想清，比研究"怎么问出好答案"重要。

5. 最终要形成"知识—规则—工具"的循环：专业知识 → 规则体系 → AI 工具 → 自动执行 → 验证反馈 → 反过来深化知识。

十、总结

这次实践表面是做排盘软件，实际是一次认知转变：

从学习知识，到把知识结构化；

从使用 AI，到指导 AI；

从让 AI 给答案，到自己建逻辑、让 AI 执行。

AI 时代要避开的不是"不用 AI"，而是把思考也外包出去。

更好的分工是：人负责目标、逻辑、边界、判断；AI 负责搜索、整理、计算、编码、执行、扩展。

一个懂专业的人 + 一个强大的 AI 工具 = 更高效的个人能力。

这次玄空项目，只是我对这种工作方式的一次实践。