FANzR-arch/Numerologist_skills

• highreadme#1

  Clarify README H1 and opening sentence to emphasize LLM hallucination prevention in traditional knowledge

  原因：

  当前

  # Numerologist Skills (AI 术数工程化)
  
  本项目把传统术数相关的 AI skill 拆成可审计、可复用、可逐步扩展的工程模块。目标不是把模型包装成“更会玄学”，而是尽量减少它在排盘、流派口径、步骤顺序和解释链路上的幻觉。

  复制粘贴的修复

  复制

  # Numerologist Skills: An Engineering Framework to Stop LLM Hallucinations in Traditional Knowledge Systems
  
  本项目是一个工程化框架，旨在减少大型语言模型（LLM）在解释奇门遁甲、紫微斗数等传统术数时产生的幻觉。它将传统术数相关的AI技能拆解为可审计、可复用、可逐步扩展的工程模块，目标是固定排盘步骤、统一流派口径，并减少解释链路上的不确定性。

  待办完成忽略
• mediumlicense#2

  Add a LICENSE file to the repository

  原因：

  复制粘贴的修复

  复制

  Create a LICENSE file in the repository root. A common choice for open-source projects is the MIT License, but choose one that aligns with your project's distribution goals.

  待办完成忽略

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

• 品类问题

  How to prevent large language models from hallucinating when interpreting complex traditional knowledge systems?

  你：未被推荐
  AI 推荐顺序：

  1. LangChain
  2. Pinecone
  3. Weaviate
  4. OpenAI API
  5. Hugging Face Transformers
  6. Llama 2
  7. Mistral
  8. Argilla
  9. Snorkel AI
  10. Anthropic Claude
  11. Google Gemini
  12. Neo4j
  13. Stardog

  AI 推荐了 13 个替代方案，却始终没点名 FANzR-arch/Numerologist_skills。这就是要补上的差距。

  查看 AI 完整回答
• 品类问题

  What frameworks help integrate external scripts and structured references for accurate LLM domain applications?

  你：未被推荐
  AI 推荐顺序：

  1. LangChain (langchain-ai/langchain)
  2. LlamaIndex (run-llama/llama_index)
  3. Haystack (deepset-ai/haystack)
  4. OpenAI Functions
  5. DSPy (stanfordnlp/dspy)
  6. Mojo (modularml/mojo)
  7. Semantic Kernel (microsoft/semantic-kernel)

  AI 推荐了 7 个替代方案，却始终没点名 FANzR-arch/Numerologist_skills。这就是要补上的差距。

  查看 AI 完整回答

• Metadata completeness

  warn

  建议：

• README presence

  pass

• Compared to common alternatives in this category, what is the core differentiator of FANzR-arch/Numerologist_skills?

  pass
  ⚠AI 未点名 FANzR-arch/Numerologist_skills —— 很可能在说另一个项目

  AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

• If a team adopts FANzR-arch/Numerologist_skills in production, what risks or prerequisites should they evaluate first?

  pass
  ✓AI 明确点名了 FANzR-arch/Numerologist_skills

  AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

• In one sentence, what problem does the repo FANzR-arch/Numerologist_skills solve, and who is the primary audience?

  pass
  ⚠AI 未点名 FANzR-arch/Numerologist_skills —— 很可能在说另一个项目

  AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？