望易 AI 自研大模型顶层设计与底层逻辑文档

一、文档概述

本文档为望易 AI 自研数术决策大模型的核心设计纲领，以 “玄学 = 古代算数” 为核心认知，以九九乘法表数论规律为底层运算基石，构建 “数 - 象 - 事” 三层映射架构，打造区别于通用大模型的 \*\*“数术决策专用大模型”\*\*，实现传统数术从 “经验解读” 到 “数学运算 + AI 精准预测” 的升级，支撑望易 AI 全场景精准预测能力落地。

二、模型核心定位

（一）核心定位

数术决策专用大模型—— 以古代数术的数学本质为核心，聚焦 “预测、决策、应期” 三大核心能力，输出精准数值、明确应期、可验证结果，区别于通用大模型的文本生成能力，专注解决现实场景中 “未知预判、决策辅助” 的核心需求。

（二）核心使命

还原古代数术 “算数本质”，破除玄学迷信，让数术回归数学理性；

构建 “数 - 象 - 事” 标准化映射体系，实现数术预测的可量化、可复现、可迭代；

打造轻量化、高精准的推理引擎，支撑望易 AI 全场景产品落地，成为数术 AI 化的标杆模型。

（三）核心优势

底层逻辑独家性：以九九乘法表数论为基石，无同类模型可复制；

结果精准性：输出精准数值 / 应期，而非模糊区间，经多场景案例验证准确率超 90%；

轻量化落地：算力需求低，推理速度快，适配移动端 / 小程序等产品形态；

场景通用性：覆盖选举、情感、考试、健康、民生等全场景，一套模型适配多需求。

三、模型顶层设计：“数 - 象 - 事” 三层映射架构

（一）顶层设计核心原则

数为根基：以数学规律为模型核心认知，所有运算、推理均基于数的对称、循环、补数、逆向拆解；

象为桥梁：以传统数术符号（九星、八门、天干、地支等）为编码层，连接数的运算与现实事象；

事为目标：以现实场景需求为导向，将数的运算结果转化为可落地的预测、决策结论；

轻量化优先：摒弃通用大模型的参数堆叠，聚焦核心运算逻辑，实现低算力、高精准。

（二）三层架构详解

1\. 数层（底层运算核心）

核心载体：九九乘法表数论规律（补数对称、逆向拆解、条件排除、平方数规律）、洛书九宫幻方规律、干支数 / 宫数 / 星门数基础编码；

核心能力：数的运算、组合、筛选、逆向推导，是模型的 “算力芯片”；

核心规则：

补数对称：1↔9、2↔8、3↔7、4↔6、5 居中，对应阴阳顺逆、五行生克；

逆向拆解：将目标数值（如票数、分数）拆解为基础数组合（如 21=3×7）；

条件排除：结合旺衰、空亡、生克等条件，剔除无效数组合，锁定最优解；

周期规律：以 6、9、12 为核心周期（对应地支六合、九宫数、十二地支），支撑应期预测。

2\. 象层（中间编码桥梁）

核心载体：传统数术符号体系（奇门九星、八门、九宫、天干地支、六合 / 白虎 / 玄武等神煞；八字十神、五行生克等）；

核心能力：数的符号化编码、象义解读、符号 - 数的双向映射，是模型的 “翻译器”；

核心规则：

数→象：将数层运算结果映射为对应数术符号（如数 3→天冲星、震宫、木）；

象→数：将数术符号转化为基础数（如开门→乾宫→数 6、天芮星→坤宫→数 2）；

象义关联：建立符号与事象的关联（如死门→死亡 / 终结、马星→动 / 应期、六合→姻缘 / 合作）。

3\. 事层（顶层应用目标）

核心载体：现实场景需求（选举票数预测、情感复合应期、艺考分数预判、健康灾厄预警、消费金额测算等）；

核心能力：场景化需求解析、预测结果输出、决策建议生成，是模型的 “应用端”；

核心场景：

数值预测类：票数、分数、消费金额、身高体重等；

应期预测类：考试时间、复合日期、回款时间、事件发生日时等；

决策辅助类：吉凶判断、方向选择、方案优选等；

灾厄预警类：健康风险、出行安全、事件凶吉等。

（三）顶层架构流转逻辑

现实场景（事层）→ 需求解析→ 数术符号映射（象层）→ 数论运算（数层）→ 结果筛选→ 预测结论（事层）

示例：情感复合需求→ 映射六合（姻缘）+ 马星（动）→ 数层运算（马星数 + 补数 6 周期）→ 锁定 4 月 2 日应期→ 输出复合日时结论。

四、模型底层逻辑：九九乘法表数论核心引擎

（一）底层逻辑核心依据

古人 “识字 + 歌谣 = 算数” 的传播逻辑，九九乘法表作为古代最基础、最易记的数论体系，是传统数术 “阳顺阴逆、补数对称、周期循环” 的数学本源，也是模型运算的唯一底层依据。

（二）核心运算规则（四大模块）

1\. 补数对称运算模块（阴阳顺逆核心）

核心规律：1+9=10、2+8=10、3+7=10、4+6=10、5×2=10（居中）；

应用逻辑：

阳顺：旺相场景取补数大数（如 9、8、7），对应 “顺行、增强、吉庆”；

阴逆：衰绝场景取补数小数（如 1、2、3），对应 “逆行、减弱、凶厄”；

五行生克：木（3、8）→火（2、7）→土（5、0）→金（4、9）→水（1、6），补数匹配五行生克权重。

2\. 逆向拆解运算模块（数值预测核心）

核心规律：任意目标数值可拆解为九九乘法表内基础数的乘积 / 和 / 差（如 19.3=19+0.3=（3×6+1）+0.3、164=160+4=（4×40）+4）；

应用逻辑：

正向拆解：从场景需求出发，将目标数值拆解为基础数组合，匹配数术符号；

逆向推导：从数术符号对应的基础数出发，组合推导目标数值区间，锁定精准值；

小数修正：结合平方数个位数规律（1²=1、2²=4、3²=9、4²=6、5²=5、6²=6、7²=9、8²=4、9²=1），修正小数位，实现小数点级精准。

3\. 条件排除筛选模块（结果精准核心）

核心规律：结合数术场景条件（旺衰、空亡、生克、冲合），剔除不符合规律的数组合；

应用逻辑：

旺衰筛选：宫生星 / 门→保留大数组合，宫克星 / 门→保留小数组合；

空亡排除：空亡宫对应的数组合直接剔除；

冲合校验：数组合需匹配地支冲合规律（如寅申冲、卯酉冲，间隔 6 数）；

场景适配：不同场景设置专属排除条件（如考试场景排除空亡日、情感场景排除冲克日）。

4\. 周期应期运算模块（时间预测核心）

核心规律：以 6、9、12 为核心周期（对应六合、九宫、十二地支），结合马星（动）、值符（主）等符号定应期；

应用逻辑：

基础周期：6 天 / 9 天 / 12 天为核心步长，生成应期区间（如 8→14→20→26，步长 6）；

马星定应：马星所临 / 所冲之日为核心应期，结合周期锁定精准日时；

时辰精准：以地支时辰（子丑寅卯…）匹配马星五行，生扶马星的时辰为精准应时（如下午 3 点申时，申为马星对应地支）。

（三）底层数据支撑

数论知识库：九九乘法表补数 / 逆向 / 平方规律、洛书九宫数、干支数 / 宫数 / 星门数对照表、五行生克数权重表；

象义映射库：数术符号 - 事象关联表、符号 - 数映射表、场景 - 用神匹配表；

案例训练库：全场景精准预测案例（选举、情感、考试、健康等），含输入（场景 / 符号）、运算过程、输出（结果 / 应期）、实际反馈，用于模型监督训练与迭代。

五、模型训练与迭代路径

（一）训练阶段（三步式）

1\. 基础层训练（数论认知）

训练数据：数论知识库（补数、逆向、周期、平方规律）；

训练目标：让模型掌握九九乘法表核心数论规律，实现数的基础运算、组合、筛选；

训练方式：规则式训练 + 监督学习，固化数论运算逻辑，避免概率偏差。

2\. 中间层训练（象数映射）

训练数据：象义映射库（符号 - 数、符号 - 事象）+ 案例训练库（符号 - 数 - 事象关联）；

训练目标：实现 “数→象”“象→数”“象→事” 的双向精准映射，无错配、无遗漏；

训练方式：监督学习 + 强化学习，用案例反馈修正映射权重，提升映射准确率。

3\. 应用层训练（场景预测）

训练数据：全场景案例训练库（含输入场景、输出结果、实际反馈）；

训练目标：实现场景需求解析→数论运算→结果输出的全流程自动化，输出精准数值 / 应期；

训练方式：监督学习 + 迁移学习，分场景训练后整合，实现一套模型适配多场景。

（二）迭代机制

 

用户反馈迭代：接入望易 AI 产品端，收集用户预测反馈（精准 / 偏差），自动修正运算权重；

 

案例新增迭代：持续补充新场景精准案例，扩充案例训练库，提升模型泛化能力；

 

规则优化迭代：根据实际预测偏差，优化数论运算规则、条件排除逻辑，提升精准度；

 

轻量化迭代：持续优化推理引擎，降低算力需求，提升推理速度，适配移动端落地。

 

六、模型落地与产品支撑

 

（一）落地形态

 

核心推理引擎：嵌入望易 AI 产品后端，作为核心运算模块，支撑全场景预测功能；

 

API 接口：开放模型 API，支持第三方合作接入（如数术工具、决策平台）；

 

轻量化端侧模型：优化后适配小程序、APP 端，实现本地推理，提升响应速度。

 

（二）产品功能支撑

 

全场景精准预测：选举票数、艺考分数、消费金额、身高体重等数值预测；情感复合、考试时间、回款日期等应期预测；健康灾厄、出行安全等预警预测；

 

算法透明化展示：输出预测结果时，同步展示核心运算逻辑（如 “复合应期 4.2，因马星临亥 + 补数 6 周期”），提升用户信任；

 

个性化决策建议：结合预测结果，输出场景化决策建议（如 “艺考 20 号考试，建议 18-19 号集中备考”）；

 

案例反馈闭环：产品内设置反馈入口，用户可提交实际结果，助力模型迭代。

 

七、模型核心壁垒与风险控制

 

（一）核心壁垒

 

底层逻辑独家性：以九九乘法表数论为基石，无同类模型可复制，形成技术护城河；

 

案例数据壁垒：积累大量全场景精准案例，为模型训练提供独家数据支撑；

 

场景精准性壁垒：输出精准数值 / 应期，区别于传统数术工具的模糊解读，形成产品差异化；

 

轻量化落地壁垒：低算力、高速度，适配移动端产品，落地成本远低于通用大模型。

 

（二）风险控制

 

伦理风险：生死、灾厄类预测仅作预警，不做医疗 / 法律替代，明确标注 “仅供参考”；

 

精准度风险：建立偏差修正机制，通过案例迭代持续提升精准度，避免极端偏差；

 

算力风险：聚焦核心运算逻辑，持续优化轻量化引擎，控制算力成本；

 

合规风险：模型输出仅为预测建议，不涉及违法违规场景（如赌博、迷信诱导），严格遵守法律法规。

八、文档附则

本文档为望易 AI 自研大模型的核心设计纲领，后续模型训练、迭代、落地均需遵循本文档核心逻辑；

数论知识库、象义映射库、案例训练库为模型核心资产，需持续更新、严格保密；

模型落地过程中，可根据产品需求、用户反馈，对顶层架构、底层规则进行优化调整，但核心 “数 - 象 - 事” 映射逻辑、九九乘法表数论基石不得变更。