诸葛亮 · AI 推演军师 (zhuge-skill) v1.0.9
别再每次决策都烧 token。 用结构化推演 + 晶体复用，把 90% 的决策留在 CPU 里跑，只在必要时调 LLM。
整合 API-Football / The Odds API / Understat xG 等 5 大数据源 · 6 维爻位 + 64 卦决策 · 经验自学习 · DeepSeek / Kimi / 通义 / 智谱 / Claude / GPT / Gemini 等 12 家 LLM 任选
⚡ 为什么比纯 LLM Agent 更省钱
大多数 AI agent 每做一次决策就烧一次 LLM（几 k ~ 几万 token）。诸葛亮的架构让你大幅降低这个成本：
| 决策路径 | token 消耗 | 备注 |
|---|
| 纯 LLM agent 做决策 | ~3000–10000 token/次 | 每次都要把上下文塞进 prompt |
| 诸葛亮：数据源 → 爻位 → 卦象 → 决策 | 0 token | 纯 CPU 数值计算 |
| 诸葛亮：命中历史晶体 | 0 token | 直接复用结构化模式，跳过 LLM |
| 诸葛亮：LLM 润色孔明评语（可选） | ~200–500 token | 只在你需要时调，且可以关掉 |
实际场景：批量预测 50 场比赛
- 纯 LLM agent：~250,000 token（约 ¥15–50，看模型）
- 诸葛亮（不调 LLM）：~0 token（约 ¥0）
- 诸葛亮（每场写评语）：~15,000 token（约 ¥1–3）
这才是 zhuge-skill 的核心价值——不是因为易经玄学，是因为结构化推演能做的事就不该花 token 做。
你能让我做什么
我是一个能分析数据 + 推演决策 + 持续自学习的 AI 助手。当前主要场景是足球比赛预测，但底层是通用的 64 卦推演引擎，可扩展到任何决策场景。
核心能力
| 能力 | 命令 | 说明 |
|---|
| 单场预测 | python start.py predict "Napoli vs Lazio" | 拉数据 → 6 维爻位 → 卦象 → 决策 |
| 批量预测 | python scripts/batch.py "A vs B" "C vs D" | 一次跑多场 |
| 结果回传 | python scripts/backfill.py | 比赛后回填实际结果，更新命中率 |
| 命中率统计 | python scripts/stats.py | 看历史表现 |
| 经验结晶 | python scripts/crystallize.py | 提炼成功模式为「晶体」（本地操作） |
| 共同进化 | python scripts/sync.py pull | 从公共池只拉取匿名晶体（单向消费，HTTP GET，不携带本地数据） |
| 权重校准 | python scripts/calibrate.py | 用回传数据自动调爻位权重 |
| 战报 | python scripts/report.py --llm | LLM 写古风周报/月报 |
| 守护模式 | python scripts/backfill.py --loop 30 | 每 30 分钟自动回传 |
调用示例
给 Agent 的提示词：
"用诸葛亮 skill 预测明天的 Napoli vs Lazio"
Agent 应该调用：
python start.py predict "Napoli vs Lazio" --league serie-a
输出要点：
- 6 维爻位评分（攻防/士气/伤停/主客场/交锋/赔率）
- 卦象（64 卦之一）+ 阳爻数
- 孔明评语（可选 LLM 增强）
- 推荐：1X2 + 大小球
- 晶体匹配：如果触发历史晶体，显示历史命中率
自学习闭环
预测 → 写经验库 → 等结果 → backfill 回传 → stats 看准确率
↓
共同进化 ← sync 拉公共晶体（只入） ← crystallize 本地结晶 ← calibrate 校准权重
🔐 环境变量清单（完整透明）
Skill 运行需要以下环境变量。均为可选——未填写时对应功能会优雅降级而不是崩溃。
数据源（足球预测场景必需）
LLM 供应商（任选一个即可）
Skill 支持 12 个供应商。只需配置其中一个，其他留空：
| 变量 | 供应商 | 用途 |
|---|
DEEPSEEK_API_KEY | DeepSeek | 孔明评语生成（推荐，便宜） |
OPENAI_API_KEY + OPENAI_API_BASE | OpenAI / 任何 OpenAI-compat | 同上 |
ANTHROPIC_API_KEY | Anthropic Claude | 同上 |
GEMINI_API_KEY | Google Gemini | 同上 |
KIMI_API_KEY | Moonshot Kimi | 同上 |
QWEN_API_KEY | 阿里通义 | 同上 |
ZHIPU_API_KEY | 智谱 GLM | 同上 |
DOUBAO_API_KEY | 字节豆包 | 同上 |
YI_API_KEY | 01.AI | 同上 |
BAICHUAN_API_KEY | 百川 | 同上 |
MINIMAX_API_KEY | MiniMax | 同上 |
CLAUDE_RELAY_KEY + CLAUDE_RELAY_BASE | 第三方中转 | ⚠️ 见下方 §LLM 中转风险 |
未配置任何 LLM 时：跳过"孔明评语"步骤，其它功能正常。
🛡️ 安全与隐私（v1.0.1 透明度升级）
数据流向
| 脚本 | 行为 | 是否向外发数据 |
|---|
start.py predict | 本地推演 | ❌ 否（除非调 LLM 生成评语，见下方） |
scripts/predict.py | 本地推演 | ❌ 否 |
scripts/backfill.py | 从数据源 API 拉结果 | ↓ 仅拉入，不外发 |
scripts/stats.py | 本地统计 | ❌ 否 |
scripts/calibrate.py | 本地调参 | ❌ 否 |
scripts/crystallize.py | 本地提炼"晶体" | ❌ 否（只写本地 data/crystals_local.jsonl） |
scripts/sync.py pull | 从公共 URL 拉匿名晶体（只 GET） | ↓ 仅拉入，不外发 |
scripts/share.py | 生成本地 md/json 到 exports/ | ❌ 否（纯本地文件，不联网） |
scripts/report.py --llm | 调 LLM 写周报 | ↗ prompt 送 LLM 供应商 |
LLM 调用（所有涉及 LLM 的操作）
任何调用 LLM 的脚本（predict --llm / report --llm）会把以下内容发送到你配置的 LLM 供应商：
- 比赛名称、球队名、卦象结果、爻位分数
- 不含任何用户个人信息、API key、赔率原始值
⚠️ LLM 中转风险（最重要）
Skill 支持一个叫 relay 的中转模式（CLAUDE_RELAY_BASE=https://apiport.cc.cd 等）。启用中转意味着：
- 你的 prompt / 模型响应 / API key 会经过第三方中转服务器
- 中转方理论上能看到你的所有对话内容
- 中转 key 和官方 key 是两个不同账户
生产环境强烈建议：直连官方 API（设置 ANTHROPIC_API_KEY / OPENAI_API_KEY 指向官方端点），不要用 relay。
Relay 仅适用于：
- 中国大陆访问不了官方 API 时的临时方案
- 你完全信任该中转服务提供方
晶体拉取（sync.py）与本地导出（share.py）
v1.0.1 的架构事实：本 skill 的代码里没有任何一行把本地数据发到网络。
scripts/sync.py 只有两个子命令：pull（HTTP GET 从公共 URL 拉）和 status（本地查看）。push 函数已从代码中移除，不是"默认关闭"——是根本没写。scripts/share.py 只把你本地的预测记录渲染成 exports/predictions_*.md|json 文件，供你自己手动分享，不联网。
公共晶体池（作为 sync.py pull 的来源）：
- URL：
https://raw.githubusercontent.com/yangfei222666-9/zhuge-crystals/main/crystals.jsonl
- 可通过
ZHUGE_REMOTE_CRYSTAL_URL 环境变量改为你自己的 fork
- 这是一个公开只读 URL，
curl 就能看到内容，完全透明
- 贡献流程（给社区加晶体）是 GitHub Pull Request，不是 skill 自动上传
详见 PRIVACY.md 的架构级隐私合约。
本地写入权限
start.py 带 wizard 模式会交互提示后可选写入 .env（wizard.write_env）
- 你会看到确认提示，必须回复 yes 才写
- 默认写到 skill 自身目录的
.env，不污染系统级 env
- 会创建：
data/experience.jsonl / data/crystals_local.jsonl / data/crystals_shared.jsonl（均在 skill 目录下）
- 不会修改其它 skill、不会修改系统 PATH、不会安装全局依赖
如何审计（2 分钟）
打开这三个文件，grep 关键词确认行为：
# 1. 确认 sync.py 没有任何上传逻辑（应只看到 docstring 里 "没有 push" 的字样）
grep -n "requests.post\|push\|upload\|POST" scripts/sync.py
# 2. 确认 share.py 不联网（应无匹配）
grep -n "requests\|urlopen\|http" scripts/share.py
# 3. 确认全仓库没有隐藏的上传端点
grep -rn "requests.post\|urlopen.*POST\|upload" scripts/ core/
# 应只看到 core/llm.py 里调你自己配置的 LLM 供应商（不含本地数据库）
# 4. 确认 wizard 写 .env 需要用户确认
grep -n "write_env\|\.env" core/wizard.py
文件结构
start.py — 一键入口（带欢迎动画 + wizard）core/ — 核心算法（卦象/爻位/LLM 适配/孔明/结晶）adapters/ — 数据源（API-Football/The Odds API/Understat）scripts/ — 入口脚本data/ — 64 卦表 + 种子经验库 + 晶体池
兼容性
✓ Hermes Agent / OpenClaw / Claude Code / Cursor / 任何 Python 环境
✓ 12 LLM 供应商（豆包/Kimi/通义/智谱/Yi/百川/MiniMax/DeepSeek/OpenAI/Claude/Gemini/中转）
✓ 三种配置方式：环境变量 / .env / 命令行参数
✓ 网络降级：任何外部 API 失败都不阻塞核心流程
更新日志
v1.0.4 (2026-04-17) — UX + 工具批
scripts/predict.py 预测输出显示晶体复用次数 + 首见年龄 + 信任标签scripts/crystallize.py --dry-run 预览结晶结果不写入scripts/stats.py --crystals 晶体排行 + stale 监控scripts/error_log.py --resolve <id> + priority / status 字段（生命周期对齐 self-improving-agent 方法论）- 晶体 schema v2：新增
first_seen / last_seen / recurrence_count，match_crystal 命中回写 crystals_local.jsonl
- 新增
scripts/error_log.py：JSONL 错误日志，接入 backfill 守护循环 / fetch_actual_result / core/llm.py 三个 except 点
- 新增
README.en.md 英文版（为国际用户 / Show HN 准备）
- 新增
CHANGELOG.md 独立文件
- README 加 📬 反馈与联系 段（邮箱优先，微信 yf529486 辅）
- README 加跨 Agent 接入片段（Claude Code / Cursor / OpenClaw / Hermes / 纯 Python 各一个可复制示例）
v1.0.3 (2026-04-17) — 视觉素材升级
- 新增
assets/demo.png — 诸葛亮推演引擎实录截图（启动动画 + 6 维爻位实时评分）
- README 顶部嵌入演示截图，一眼看清 skill 的"一句话预测闭环"
- 无代码变更
v1.0.2 (2026-04-17) — 文档一致性修正
- 修复 SKILL.md 与 PRIVACY.md 自相矛盾点：原 §晶体共享 节仍沿用 v1.0.0 "有上传功能、默认关闭"的旧描述，与 v1.0.1 的代码事实（
push 已移除）不一致，已重写为 §晶体拉取 与本地导出，对齐代码
- 数据流向表：
sync.py 改为 pull（只 GET），share.py 标为纯本地导出
- 自学习闭环图修正：
sync 推/拉 → sync 拉公共晶体（只入）
- 审计 grep 命令扩展到 4 条，加入"全仓库扫上传端点"一项
- 代码层面零变更，仅文档修正
v1.0.1 (2026-04-17) — 透明度升级
- 新增 §环境变量清单（12 个 LLM + 2 个数据源，每个用途/获取地址/降级行为说明）
- 新增 §安全与隐私（数据流向表 + 每个脚本是否向外发数据）
- 明确 LLM 中转风险（relay 模式数据流向第三方）
- 架构级隐私合约：
sync.py 的 push 函数从代码中移除，固化为单向消费架构（只 pull 不 push）
sync.py 子命令简化为 pull（从公开 URL 只读拉取）和 status（本地查看）share.py 明确为本地导出工具（生成 exports/*.md|json），不联网- 新增 PRIVACY.md：详细列出网络调用清单、作者数据可见度矩阵、fork 者脱敏白名单
- 新增 §如何审计（4 行 grep 命令自查）
v1.0.0 (2026-04-17) — Initial release on ClawHub
- 5-source data fusion + 64-hexagram reasoning + experience crystallization
- 12+ LLM provider support
- Guardian mode + crystal pool (pull-only from v1.0.1)
