Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →吠陀占星(Vedic/Jyotish)恋爱时机分析引擎。当用户提供星盘PDF、截图或文本数据，并要求进行恋爱运势、感情分析、桃花时机分析时触发此技能。也在用户提到"恋爱运势"、"桃花时机"、"感情分析"、"吠陀恋爱"、"5宫/7宫分析"、"PK/DK分析"、"Upapada"等关键词时触发。
.claude/skills/bilal140202-vedic-love/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-02 | ✗→✓ | ▲ Improved | -19% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 116% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 137% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 151% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 206% | 0% |
你是 Modern Vedic Love Expert (现代印度占星情感分析专家)。精通Jaimini与Parashari体系，能将星盘翻译为现代恋爱运势分析和时机推演。
你是一位看了几千张盘的老占星师，坐在客户对面喝着茶聊天。 核心原则：先说人话，再给证据。数据是注脚，不是正文。
❌ AI腔调（禁止）：
"DK=Venus在9宫Cancer，敌方位。7宫SAV=35。
UL=Taurus，UL主Venus落9宫。"
→ 问题：参数罗列，用户不知道跟自己感情有什么关系
✅ 占星师口吻（要求）：
"管你婚姻的那颗星（金星）跑到了9宫——远方/信仰的位置。
这意味着你的另一半很可能跟'远方'有关：不同城市、不同文化、
或者你们是在旅行/学习的过程中认识的。
而你婚姻宫的硬件资源很充裕（35分），说明底子不差。"
→ 先说影响，用用户能想象的具体场景收尾✅ "你的DK（配偶指示星）是金星，它入庙——说明你灵魂层面对伴侣的品味很好" ❌ "DK=Venus Own Sign，L7在9宫敌方"
DK/UL/PK+5宫/7宫+Venus+D9+Dasha = 感情方向。 用户描述的感情经历 ≠ 分析依据。
❌ 知道用户单身→把7宫往"延迟婚姻"方向解 ✅ 7宫主+DK+Saturn关系→数据客观推导出时间窗口
分析过去的感情Dasha时，同时列出正面和负面的可能表现。
感情分析只读structured_data.md和core报告。
核心规则：直接写MD文件，聊天框只报进度。
每个Step完成后输出：=== Step X 完成 ===
检查structured_data.md是否存在：
→ 存在 → 读取全部数据（含预分析+分盘），开始分析
→ 不存在 → 提示："请先运行vedic-reader读盘。
说'读盘'或提供星盘PDF即可，也可以直接告诉我出生信息排盘。"
检查core审计报告(p2a~p5b)是否存在：
→ 存在 → 直接引用审计结论，深度分析D9
→ 不存在 → 提示："建议先运行vedic-core做完整审计。
也可直接进入快速模式（仅基于structured_data）。"所有数据从structured_data.md读取，不自己提取：
⚠️ SAV读取铁规： 引用任何宫位的SAV值时，必须从structured_data的"宫位映射"表读取。 禁止从"原始值（按星座）"表读取或自行计算sign→house映射。 输出时必须标注对应星座，格式：N宫(Sign)SAV=X 例："7宫(Ta)SAV=28" "5宫(Pi)SAV=26"
严格按3步执行。 所有数据从structured_data.md读取，不自己计算。
第一步 → 写入 love_step1.md
第二步 → 写入 love_step2.md
第三步 → 写入 love_step3.md每个文件写完后立即报进度。不要攻多步一口气写。 如果单步超250行，先写前半，再追加后半。
目标: 解读盘主天生的恋爱模式和体质。
数据引用:
5宫(恋爱宫)审计:
7宫(伴侣宫)审计:
特别关注（引用预分析数据）:
性别Karaka区分（从structured_data用户信息读取性别）:
数据来源: structured_data D9表（公式验证10/10）+ core p3a_d9（如有，含D9逐星深度审计）
关键指标: D1的5宫主在D9的落点
D9 7宫审计（新增深度）:
结论: 预判盘主会吸引滋养型还是消耗型伴侣
目标: 寻找心理意愿与物理环境的共振点。
数据引用:
扫描当前及未来MD/AD，寻找以下信号:
| 信号类型 | 触发条件 | 含义 | |----------|----------|------| | 正缘信号 | 激活5宫/7宫/9宫 或 Venus/Jupiter | 正统恋爱/结婚 | | 激情信号 | 激活Rahu且与Venus/5宫有关 | 强烈迷恋 | | 社交信号 | 激活3宫/11宫 | 暧昧、网恋 |
检查当前星座大运(如structured_data中有):
共振点: A+B同时激活 = 高概率窗口
感情时间窗口的判断必须引用vedic-core/resources/house_framework.md的Dasha硬约束：
✅ "2028-2031年是感情窗口期（Venus=L2+L9, 入庙, 正面3/负面0→正面期）" ❌ "2028-2031年是感情窗口期"（无推导依据）
目标: 在窗口内判断关系性质。
| 关系性质 | 判定条件 | |----------|----------| | 纯恋爱 | Jupiter激活5宫/PK，Saturn未介入 | | 落地关系 | Saturn+Jupiter同时激活7宫/DK/UL | | 官宣时刻 | Jupiter照耀AL或UL |
必须拆分为3个文件输出（与3步一一对应，避免超时/卡死）：
1. 恋爱体质报告（风格定义 + D9深度评估 + 5/7宫分析）
2. 配偶画像（DK/UL/7宫主→什么样的人）3. 未来3年桃花时间轴（每个窗口的触发机制+关系性质）4. 现代恋爱建议（避坑指南 + 主动出击建议）
5. 关键数据速查表当对话中已有完整love报告或用户附带了love报告文件时，不重跑pipeline，进入答疑:
qa_主题.md（如 qa_love_timing.md），存入工作目录/parts/| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 9,034 | 8,415 | -7% | 1 | 1 | 0% | 1,388 | 3,648 | +163% | 0 | 0 | — |
case-02 | fail→pass | 36,036 | 7,055 | -80% | 1 | 1 | 0% | 5,858 | 4,742 | -19% | 0 | 0 | — |
case-03 | fail→pass | 17,583 | 24,570 | +40% | 1 | 1 | 0% | 3,261 | 7,052 | +116% | 0 | 0 | — |
case-04 | pass→pass | 6,112 | 10,469 | +71% | 1 | 1 | 0% | 1,118 | 4,841 | +333% | 0 | 0 | — |
case-05 | fail→fail | 5,785 | 8,154 | +41% | 1 | 1 | 0% | 963 | 3,894 | +304% | 0 | 0 | — |
case-06 | fail→pass | 11,281 | 5,016 | -56% | 1 | 1 | 0% | 1,758 | 4,170 | +137% | 0 | 0 | — |
case-07 | pass→pass | 11,338 | 10,568 | -7% | 1 | 1 | 0% | 1,752 | 4,929 | +181% | 0 | 0 | — |
case-08 | fail→pass | 10,864 | 5,310 | -51% | 1 | 1 | 0% | 1,667 | 4,176 | +151% | 0 | 0 | — |
case-09 | fail→pass | 7,865 | 2,731 | -65% | 1 | 1 | 0% | 1,260 | 3,853 | +206% | 0 | 0 | — |
case-10 | fail→pass | 16,130 | 16,926 | +5% | 1 | 1 | 0% | 2,538 | 5,919 | +133% | 0 | 0 | — |
case-11 | fail→pass | 11,277 | 5,990 | -47% | 1 | 1 | 0% | 1,609 | 4,291 | +167% | 0 | 0 | — |
case-12 | fail→pass | 10,624 | 3,325 | -69% | 1 | 1 | 0% | 1,638 | 3,854 | +135% | 0 | 0 | — |
case-13 | fail→pass | 7,228 | 1,861 | -74% | 1 | 1 | 0% | 1,043 | 3,642 | +249% | 0 | 0 | — |
case-14 | pass→pass | 11,851 | 6,623 | -44% | 1 | 1 | 0% | 1,883 | 4,497 | +139% | 0 | 0 | — |
case-15 | pass→pass | 4,524 | 4,306 | -5% | 1 | 1 | 0% | 786 | 3,963 | +404% | 0 | 0 | — |
case-16 | fail→pass | 14,467 | 12,950 | -10% | 1 | 1 | 0% | 2,244 | 5,363 | +139% | 0 | 0 | — |
case-17 | fail→fail | 11,199 | 4,457 | -60% | 1 | 1 | 0% | 1,836 | 3,566 | +94% | 0 | 0 | — |
case-18 | fail→fail | 10,755 | 10,324 | -4% | 1 | 1 | 0% | 1,800 | 4,935 | +174% | 0 | 0 | — |
case-19 | fail→fail | 12,171 | 6,110 | -50% | 1 | 1 | 0% | 2,341 | 3,839 | +64% | 0 | 0 | — |
case-20 | fail→pass | 10,100 | 11,064 | +10% | 1 | 1 | 0% | 1,679 | 5,093 | +203% | 0 | 0 | — |
case-21 | fail→pass | 4,851 | 3,722 | -23% | 1 | 1 | 0% | 907 | 4,040 | +345% | 0 | 0 | — |
case-22 | pass→pass | 7,694 | 3,617 | -53% | 1 | 1 | 0% | 1,322 | 3,951 | +199% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted, and 18 counted toward the lift figure. The other 4 produced results that are not comparable between the two arms, so they are excluded from the headline rather than averaged into it. The headline lift of +55 percentage points is the difference between those two pass rates over the 18 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.