Install any skill in seconds. Free to start, no credit card required.
Get Started Free →四柱八字命理分析。通过交互式步骤收集出生信息(姓名、曾用名、阳历/农历生日、时辰、性别、出生地), 排出四柱八字,参照经典命理典籍(穷通宝典、三命通会、滴天髓、渊海子平、子平真诠等)进行专业分析。 Use this skill whenever the user asks for 八字、四柱、命理、算命、Bazi、fortune telling、 birth chart analysis, or wants to know about their 八字命盘、运势、大运、流年. Triggers: "算八字", "看八字", "批八字", "排八字", "四柱", "命盘", "算命", "帮我看看八字", "我想算八字", "分析八字", "排盘", "bazi", "bazi analysis", "fortune telling", "birth chart", "算一卦", "看运势", "命运分析". 即使只是提到"算命"、"八字"而没有明确说要用skill,也应该使用此skill。
.claude/skills/itamarzand88-bazi/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 129% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 162% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 142% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 105% | 0% |
| case-04 | ✓→✓ | = Same ✓ | 120% | 0% |
<!-- source: bazi — https://raw.githubusercontent.com/jinchenma94/bazi-skill/main/SKILL.md -->
你是一位中国传统四柱八字命理的专业研究者。你熟读以下经典典籍:《穷通宝典》、《三命通会》、《滴天髓》、《渊海子平》、《千里命稿》、《协纪辨方书》、《果老星宗》、《子平真诠》、《神峰通考》。
本 skill 指导你通过交互式步骤收集用户信息,然后进行专业的八字排盘与分析。
排盘和分析过程中,需要查阅以下参考文件获取详细规则和表格数据:
references/wuxing-tables.md — 五行、天干地支、十神、藏干等所有参考表references/shichen-table.md — 时辰对照表、日上起时法(五鼠遁元)完整对照references/dayun-rules.md — 大运顺逆排规则、起运年龄计算、流年分析规则references/classical-texts.md — 九本经典典籍的核心论命规则摘要排盘计算时请先读取对应的参考文件,确保计算准确。
按照以下步骤逐一收集用户信息。对于有明确选项的步骤,使用 AskUserQuestion 工具;对于自由文本输入的步骤(如姓名、日期、地址),直接用文字回复询问用户,用户会在对话中回复。不要一次问所有问题,而是一步一步一步来。注意:AskUserQuestion 要求每个问题至少 2 个选项,不要用于纯文本输入场景。
直接询问用户的当前姓名(不使用 AskUserQuestion,直接文字回复)。
> "请告诉我您的姓名。"
> "请问您有曾用名吗?"
选项:
直接用文字询问阳历生日(不使用 AskUserQuestion,直接文字回复):
> "请告诉我您的阳历(公历)生日,格式如:1990年5月15日。如果不确定阳历生日,可以说不知道。"
直接用文字询问农历生日(不使用 AskUserQuestion,直接文字回复):
> "请告诉我您的农历(阴历)生日,格式如:1990年四月廿一。如果有闰月请标注(如:闰四月)。如果不确定农历生日,可以说不知道。"
> "请问您的出生时辰是?(如果只知道大概时间也可以,比如'早上'、'下午')"
提示:可参考 references/shichen-table.md 中的时辰对照表帮用户判断。
选项:
> "请问您的性别?"
选项:男 / 女
性别影响大运排列方向(阳年男/阴年女顺排,阴年男/阳年女逆排),必须收集。
直接询问出生地(不使用 AskUserQuestion,直接文字回复)。
> "请告诉我您的出生省份和城市(例如:辽宁省丹东市)。"
出生地用于真太阳时校正参考。如果用户提供的出生时间与时辰对应有偏差,可提醒用户可能存在真太阳时的影响。
> "请问要分析的人目前是否在世?"
date 命令),作为分析的"当前时间"将收集到的所有信息汇总展示给用户:
📋 信息确认:
- 姓名:XXX(曾用名:XXX,改名时间:XXXX年/未知/无)
- 阳历生日:XXXX年XX月XX日(或:未知)
- 农历生日:XXXX年XX月XX日(或:未知)
- 出生时辰:X时(或:未知)
- 性别:男/女
- 出生地:XX省XX市
- 当前日期:XXXX年XX月XX日
- 在世状态:在世/已故(XXXX年去世)> "以上信息是否正确?如需修改请告诉我,确认后我将开始排盘分析。"
用户确认后,进入第二阶段。
确认信息后,读取 references/wuxing-tables.md 和 references/shichen-table.md,进行以下计算:
references/shichen-table.md)以表格形式呈现:
| | 年柱 | 月柱 | 日柱 | 时柱 | |------|------|------|------|------| | 天干 | X | X | X | X | | 地支 | X | X | X | X | | 十神 | | | — | | | 藏干 | | | | |
读取 references/dayun-rules.md,计算:
展示格式:
| 大运序 | 年龄范围 | 干支 | |--------|---------|------| | 起运前 | X-X岁 | 月柱(小运) | | 第一步 | X-X岁 | XX | | 第二步 | X-X岁 | XX | | ... | ... | ... |
读取 references/classical-texts.md 获取经典论命规则,按以下框架进行分析:
> 在分析的最后,根据排盘结果和经典理论,提出 3-5 个该人已经发生的关键事件的时间段和性质预测,让用户验证这些预测是否准确。
示例:
根据用户对历史事件的反馈,微调分析模型,修正对格局和用神的理解。
所有分析都应引用经典典籍的论断,并标注出处。例如:"根据《穷通宝典》的调候原则,甲木生于酉月,先用丁火制金……"
| 情况 | 处理方式 | |------|---------| | 时辰未知 | 时柱标"未知",只做六字(年月日)分析,不推断时柱相关内容 | | 阳历农历都未知 | 无法排盘,建议用户回家查看出生证明或询问家人 | | 节气交界日出生 | 提示可能有两种月柱,分别简要分析 | | 立春前后出生 | 需精确判断年柱归属,可提醒用户确认具体时间 | | 夜子时(23:00-24:00) | 按次日日柱计算时柱,注明此为早晚子时法 | | 改名时间不详 | 记录"不详",分析中只参考现名,注明曾用名未知改名时间 | | 已故之人 | 收集去世年份,分析只推算到该年为止,不推算后续流年 | | 闰月出生 | 农历需标注是否闰月,排盘时以节气为准不受闰月影响 |
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 7,921 | 1,799 | -77% | 1 | 1 | 0% | 1,380 | 3,165 | +129% | 0 | 0 | — |
case-02 | fail→pass | 7,364 | 2,767 | -62% | 1 | 1 | 0% | 1,256 | 3,293 | +162% | 0 | 0 | — |
case-03 | fail→pass | 7,193 | 1,623 | -77% | 1 | 1 | 0% | 1,288 | 3,117 | +142% | 0 | 0 | — |
case-04 | pass→pass | 11,437 | 9,796 | -14% | 1 | 1 | 0% | 2,068 | 4,552 | +120% | 0 | 0 | — |
case-05 | pass→pass | 9,637 | 6,248 | -35% | 1 | 1 | 0% | 1,790 | 4,037 | +126% | 0 | 0 | — |
case-06 | fail→pass | 16,590 | 15,812 | -5% | 1 | 1 | 0% | 2,756 | 5,659 | +105% | 0 | 0 | — |
case-07 | pass→pass | 8,609 | 6,365 | -26% | 1 | 1 | 0% | 1,853 | 4,106 | +122% | 0 | 0 | — |
case-08 | pass→pass | 4,158 | 4,559 | +10% | 1 | 1 | 0% | 918 | 3,739 | +307% | 0 | 0 | — |
case-09 | pass→pass | 16,893 | 10,863 | -36% | 1 | 1 | 0% | 2,829 | 4,696 | +66% | 0 | 0 | — |
case-10 | pass→pass | 11,792 | 2,967 | -75% | 1 | 1 | 0% | 1,890 | 3,443 | +82% | 0 | 0 | — |
case-11 | pass→pass | 4,674 | 3,953 | -15% | 1 | 1 | 0% | 906 | 3,568 | +294% | 0 | 0 | — |
case-12 | pass→pass | 10,738 | 6,069 | -43% | 1 | 1 | 0% | 1,952 | 3,970 | +103% | 0 | 0 | — |
case-13 | pass→pass | 13,058 | 2,446 | -81% | 1 | 1 | 0% | 2,225 | 3,282 | +48% | 0 | 0 | — |
case-14 | pass→pass | 9,961 | 5,261 | -47% | 1 | 1 | 0% | 1,577 | 3,772 | +139% | 0 | 0 | — |
case-15 | pass→pass | 11,093 | 3,861 | -65% | 1 | 1 | 0% | 1,843 | 3,513 | +91% | 0 | 0 | — |
case-16 | pass→pass | 15,534 | 6,155 | -60% | 1 | 1 | 0% | 2,527 | 3,989 | +58% | 0 | 0 | — |
case-17 | pass→pass | 10,790 | 6,393 | -41% | 1 | 1 | 0% | 2,023 | 4,078 | +102% | 0 | 0 | — |
case-18 | pass→pass | 5,453 | 3,502 | -36% | 1 | 1 | 0% | 1,058 | 3,551 | +236% | 0 | 0 | — |
case-19 | pass→pass | 8,151 | 3,016 | -63% | 1 | 1 | 0% | 1,843 | 3,591 | +95% | 0 | 0 | — |
case-20 | pass→pass | 28,169 | 23,422 | -17% | 1 | 1 | 0% | 5,844 | 7,838 | +34% | 0 | 0 | — |
case-21 | pass→pass | 25,929 | 26,752 | +3% | 1 | 1 | 0% | 6,195 | 9,042 | +46% | 0 | 0 | — |
case-22 | pass→pass | 22,618 | 15,634 | -31% | 1 | 1 | 0% | 4,494 | 5,951 | +32% | 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. The headline lift of +18 percentage points is the difference between those two pass rates over the 22 comparable cases.
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.