干支编码的确定性实现：节气切分 + 1000 条溯源断语（附 JS 源码）

同一个出生时间，问三个 AI 内容产品，得到三个不同的干支编码结果------这不是 AI 不够聪明，是工具选型错误：该用确定性代码的地方，用了概率模型硬扛。

本文复盘我花 13 天做的开源历法引擎：干支编码为什么是确定性计算、节气边界怎么处理、1000 条带出处的断语库怎么建，附完整源码。

一、干支编码：规则是死的，答案只有一个

把公历时间转换为干支纪年（年柱/月柱/日柱/时柱），规则全部确定：

年界看立春时刻，不看春节；
月界看节气交节时刻（精确到分钟）；
23 点后为晚子时，时柱按次日干支；
中国 1986-1991 年夏令时需回拨一小时；
真太阳时按出生地经度校正。

每个边界答案唯一、可复现------这正是"该计算而非生成"的典型问题。

二、为什么大模型会算错

大模型是概率模型，本质在猜"下一个词最可能是什么"。让它处理历法边界：

偶尔对：训练数据里见过类似案例；
经常错：历法边界是低频细节，覆盖不足；
无法一致：同一输入、不同推理路径，输出不同。

用户问出三个答案，等于没问。

三、确定性实现：206 年节气表 + 精确切分

工程上采用预验证数据表方案，节气时刻不靠公式现算：

js 复制代码

// 节气表（1895-2100 共 206 年，预验证数据）
const JIEQI = {
  range: [1895, 2100],
  data: {
    "2026": ["02-04 04:02", "03-05 21:59", "04-05 02:40", /* 立春/惊蛰/清明... */],
    // ...
  }
};

// 年柱：立春时刻为界，精确到分钟
function yearGZ(y, m, d, hh, mm) {
  const lichun = parseJieqi(JIEQI.data[y][0]); // 立春时刻
  const born = toMinutes(y, m, d, hh, mm);
  const yy = born >= lichun ? y : y - 1;
  return ganZhiFromYear(yy);
}

核心排盘调用（101 个 API 之一）：

js 复制代码

const ctx = BaziEngine.paipan("测试", "男", 1990, 5, 15, 23, 30, "广州市", "no");
// ctx.yg=庚午 ctx.mg=辛巳 ctx.dg=庚辰 ctx.hg=戊子
// 23:30 属晚子时：日柱仍为当天庚辰，时柱已按次日日干遁为戊子

四、断语库：1000 条，每条带古籍出处

解读不是让 AI 现场编，而是规则匹配 + 出处可追溯：

json 复制代码

{
  "id": "char_jia",
  "category": "性格",
  "condition": { "日主": "甲木" },
  "conclusion": "如参天大树，仁德有担当，有领导气质；喜火通明、水木相滋，忌金重土埋。",
  "source": "《滴天髓》甲木参天 / 《穷通宝鉴》甲木",
  "confidence": "高",
  "suggestion": "发挥领导才能，注意人际柔性，寒木需火暖局"
}

每条断语都标注书名篇名，不搞"祖传秘方"。审计脚本专门扫描两类问题规则：

"永远成立"的废话规则 → 删；
"永远不命中"的死规则 → 删；
1000 个真实盘批量跑，检查断语矛盾。

五、工程质量：13 套测试 + CI 门禁

13 套回归测试（排盘 28 项 / 农历 27 项 / E2E 验收等）；
CI 门禁：不绿不让合并；
单文件 438KB、零外部依赖，浏览器/Node 双端可用。

六、开源与在线体验

GitHub ：https://github.com/ruanxiaoer888/bazi-engine（MIT 协议）
平台：SkillHub、ClawHub 双平台上架，13 套回归测试 + CI 门禁
在线产品 ：「本初」------它不预言什么，只把你出生的那一刻，翻译成一份可以读的「出厂说明书」。从出生之初，认识本来的你。
在线体验 ：https://benchu.xiaoerpro.com/

历法计算是确定性的，该算的不能靠猜。欢迎 ⭐ star 仓库、提 issue/PR，或评论区聊聊你的实现思路。

免责声明：本文内容仅供历法技术研究与传统文化参考，不构成任何专业建议。