为什么我们不用 AI 生成解读

同一张图、同一个生日，今天和明天必须得到同一个答案。

一、问题的起点

把一个户型图交给通用大模型，问「这个房子风水怎么样」，它会给你一段看起来很专业的回答。但同一张图问两次，答案可能不一样；换一个措辞问，结论可能相反。原因是它在**生成**文本，而不是在**计算**结果 —— 它的目标是有说服力，不是可复现。对一个要以「准不准」来衡量的产品，这是致命缺陷。

模型只做一件事：看图。识别指南针读数、识别户型图里门的朝向、识别房间里有什么家具、它在画面哪个位置。这些是感知任务，模型做得好，也允许有误差 —— 我们要求它输出结构化坐标，而不是结论。

拿到坐标之后，接下来全部由代码完成：方位由度数确定性地映射到八卦八宫；吉凶由典籍规则逐条判定；化解方案由物品与方位的对应表查出。同一份输入，永远得到同一份输出 —— 这才能谈「准确率」，才能让用户拿两次结果去对比、去验证。

如果照片里没有指南针、用户也没提供朝向，代码不会去猜一个方位 —— 它会明确标注「本次没有方位依据」，并说明后续结论的适用范围。宁可给一个保守但有依据的答案，也不给一个漂亮但编造的答案。

只做图像识别：从照片里读出指南针度数与物体位置。识别结果会以结构化坐标的形式交给规则引擎，模型不参与任何吉凶判定。

识别完成后会进入一个确认页，把模型读到的度数与识别出的物体列出来，用户可以逐项修正后再生成报告。修正会一并记入埋点，用于持续改进识别质量。

来自公开的典籍与通行体例：八宅（八宫配位）、金锁玉关的砂水规则、流年飞星、四柱干支推算。规则库有版本号，可追溯、可核对。

想验证这一点？同一个户型图连续分析两次，对比两次给出的评分与建议 —— 它们会完全一致。