多智能体编排
由 Supervisor 负责问诊与路由，确定性排盘层输出客观盘面，再由 Specialist 在盘面与检索依据上做解读，各环节可分别检查。
BAIZE AI RESOURCE
本地桌面版多智能体八字咨询系统，模型自配、资料自存
zhiming-life
知命开源版是 zhiming.life 的本地桌面版，把问诊分诊、确定性八字排盘、双 RAG 资料检索与专家解读拆成可检查步骤，命册与知识库保存在本机，模型接口由用户自行配置。
资源介绍
知命开源版是 zhiming.life 的本地桌面实现，采用 Tauri 2 + React 桌面壳，Python FastAPI 作为 sidecar 运行。它不把大模型简单套上命理提示词，而是把一次咨询拆成问诊分诊（Supervisor）、确定性排盘、资料检索和专家解读（Specialist）几个可检查的环节。排盘基于自维护的 lunar-python 历法库，只输出客观盘面事实，评估交给上层模型。桌面版支持一个本地使用者管理多位命主，双人咨询可关联两份命册；知识库与匿名命例库使用两个独立 SQLite 文件，支持 TXT / Markdown 导入、内容去重、替换和删除，检索由 FastEmbed + ONNX Runtime + sqlite-vec 完成，并配有本地 reranker 重排。embedding、reranker 与预填充资料库随安装包提供，无需首次启动下载。模型支持任意 OpenAI 兼容接口，API Key 只写入 macOS Keychain 或 Windows 凭据库，不落 .env 或 SQLite。每轮咨询实际命中的本地知识与匿名命例会在界面右栏显示。仓库同时保留终端教学版，用于快速体验问诊、排盘、解读流程。
核心能力
确定性八字排盘
基于自维护的 lunar-python 历法库计算四柱、大运流年与干支五行，越界日校验、晚子时时柱等边界情况在 core/bazi.py 的 wrapper 中统一处理。
双 RAG 资料库
知识库与匿名命例库使用两个独立 SQLite 文件，支持 TXT / Markdown 导入、内容去重、替换和删除，咨询时把实际命中的依据传给解读环节。
本地向量检索与重排
使用 FastEmbed 与 ONNX Runtime 生成向量、sqlite-vec 执行检索，并用本地 bge-reranker-base ONNX 模型对召回结果重新排序。
多人命册管理
一个本地使用者可管理多位命主，双人咨询场景可关联两份命册，命册数据保存在本机。
系统级密钥存储
桌面版在界面中配置模型，API Key 只写入 macOS Keychain 或 Windows 凭据库，不写入 .env 或 SQLite。
使用方法
安装并启动知命开源版，在本机完成模型接口与知识库配置。
新建命册并填写排盘所需资料，系统会先完成问诊分流和确定性八字排盘。
按需要使用本地知识库检索与专家解读流程，查看每一步引用的资料和推理依据。
核对结果后再保存到本地命册；相关解读仅供文化研究与个人参考。
使用案例
事业与关系咨询
使用场景用户就职业调整与伴侣沟通问题发起咨询
系统先由 Supervisor 问诊分诊，再确定性排盘，随后从知识库与匿名命例库检索相关依据，由 Specialist 在盘面与依据上给出解读，右栏展示本轮命中的资料。
双人命册关联咨询
使用场景需要同时参考两位命主信息的咨询场景
在本地命册中分别建立两位命主，咨询时关联两份命册，结合双 RAG 检索结果进行分析。
导入自有命例资料
使用场景用户希望用自己整理的命例增强检索
将 TXT 或 Markdown 文件导入匿名命例库，系统执行内容去重，检索时由本地 reranker 对召回结果重排后供解读使用。
包含内容
zhiming-life-source.zip
README-中文安装说明.md
LICENSE-MIT.txt
THIRD-PARTY-NOTICES.md
SHA256.txt
常见问题
知命开源版桌面端与终端教学版的模型配置方式有何区别？
桌面版在界面中配置 API 地址、模型名和 API Key，API Key 只写入 macOS Keychain 或 Windows 凭据库，不写入 .env 或 SQLite；终端教学版则从 .env 读取模型配置，用于快速体验「问诊 → 排盘 → 解读」。
知命开源版内置的向量模型和预填充资料库需要联网下载吗？
不需要。embedding、reranker 的 ONNX 模型以及预填充的知识库和命例库随安装包提供，首次启动无需下载。
知命开源版的知识库与匿名命例库是同一个数据库吗？
不是。知识库与匿名命例库使用两个物理独立的 SQLite 文件，均支持 TXT / Markdown 导入、内容去重、替换和删除。
知命开源版桌面端的本地向量检索由哪些组件实现？
桌面版使用 FastEmbed / ONNX 生成向量，sqlite-vec 执行向量检索，并由本地 reranker 对召回结果重新排序，咨询时把实际命中的依据传给八字解读。
知命开源版的八字排盘历法库是如何引入的？
排盘历法库复制进项目并固定版本、自行维护，不走 pip；其中 lunar_python 来自 6tail/lunar-python（MIT License），纯 Python 无外部依赖，用于八字四柱 / 大运流年 / 取干支五行，越界日校验、晚子时时柱等边界情况在 zhiming_life/core/bazi.py 的 wrapper 里统一处理。
相关资源
