以太命运引擎 · 产品文档

使用手册计算法不再把使用指导固化在文档页，而是根据用户当前所在页面、主体模式、用户阶段、功能复杂度、误用风险、回验需求、安全需求与文档曝光程度，动态计算「应该以何种强度显示何种使用指导」。

当前页面风险、主体模式敏感度、用户阶段熟悉度由系统自动判断；文档曝光度可后续通过用户阅读行为推断。

系统位置：/src/lib/manualCalculus.ts · /src/components/ContextualManualHint.tsx

• Demo 数据不进入真实主体回验权重。
• 真实主体数据不会覆盖 Demo Persona。
• Demo 页面不显示「你的命运」之类断言文案。
• Full 60 页面必须始终显示隐私状态。
• 用户从 Demo 切换到 Real 必须显式提示，两套数据独立保存。

数据默认保存在 localStorage（仅本地）。可在「使用与安全」页面随时导出或删除。

回验是系统进化的核心。如果预测可以被看到却不能被回验，权重学习就会停滞，模型无法贴近主体。回验入口规范保证：每一次预测结果出现的地方，都有一处显眼但不打扰的回验入口。

快速回验：命中 / 部分命中 / 未命中 / 时间提前 / 时间延迟 / 事件类型漂移 / 行动改变结果 / 信号噪声。详细回验在预测详情或回验中心补充强度、噪声来源与备注。

系统位置：/src/components/FeedbackEntryCard.tsx · /src/constants/feedbackEntryRules.ts

作用：从主体数列与日期数字根中抽取触发数字，作为基础触发强度。

核心问题：今天哪些数字被点亮？是否落在主体的强位？

系统位置：触发日历 → 预测详情 · 第一层基础分数

安全边界：仅作为结构基础值，不可单独作为决策依据。

作用：区分真信号、情绪、愿望、恐惧、伪同步、反向信号。

核心问题：这个信号是真是假？

系统位置：所有计算法的前置净化层

安全边界：不替代心理评估，仅做结构性判断。

作用：判断同一事件是否在天/地/人/神/风/身/脉/资/制 多域同向显化。

核心问题：结构是否在多个域同向收束？

系统位置：结构验证层，定数计算法主要来源。

安全边界：折域高 ≠ 必然发生，仍受人物与场域变量影响。

作用：计算长期被压制、延迟、削弱的变量何时反向显化。

核心问题：什么被压住了？什么时候反向爆发？

系统位置：时间场引擎 · 风险窗口判断。

安全边界：反冲指数高时建议主动释放，不鼓励强压。

作用：判断主体与人/事/物/地点之间的频率锁定与补偿。

核心问题：谁/什么/哪里在与主体形成共振？

系统位置：关系 / 协作 / 合作判断层。

安全边界：强共振 + 弱真信号 = 警惕投射，不可直接行动。

作用：追踪未来分支从 OPEN → SEMI → COLLAPSED → MANIFESTED 的演化。

核心问题：哪条未来分支正在收束？哪条正在关闭？

系统位置：定数计算法核心输入。

安全边界：塌缩 ≠ 已发生，仅表示不可逆度上升。

作用：用 0–9 常数维度评估一个方法、项目、产品或决策的结构得分。

核心问题：这件事在结构层面的得分是多少？

系统位置：产品 / 项目 / 决策评估通用层。

安全边界：仅评估结构维度，不评估市场或法律风险。

作用：评估一个产品是否具备显化与扩张活性。

核心问题：这个产品现在有没有活性？

系统位置：产品阶段决策层。

安全边界：不构成投资建议，仅做产品结构评估。

作用：判断当前地点对当前阶段的承载度（制度/资源/文化/市场/物理/网络/成本/战略/阶段适配）。

核心问题：这个地点现在是否支持当前阶段？

系统位置：战略 / 迁移 / 发布层。

安全边界：不对城市做主观评价，不构成移居或经营建议。

作用：根据定数与多计算法结果，生成给 AI / Codex / Lovable 的结构化提示词。

核心问题：现在应该让 AI 工具做什么？

系统位置：外部工具协作层。

安全边界：提示词仅辅助生成，不保证外部工具一定成功。

作用：把多个计算法的输出压缩为最终定数判断（未定 / 半定 / 接近已定 / 已定 / 反定 / 假定）。

核心问题：什么已经固定？什么仍是变数？现在应该按定数行动还是按变数观察？

系统位置：多计算法输出的最终收束层。

安全边界：定数低时系统提示信息不足，不建议重大决策。

1. 什么已经固定？
2. 什么仍是变数？
3. 什么是假信号？
4. 哪个分支接近不可逆？
5. 当前应该按定数行动，还是按变数观察？

虽然方法论上称为「五种定数状态」，当前系统实际展示六个状态 ——「接近已定」作为半定到已定之间的过渡状态独立存在。

1. 方向准确率 Direction Accuracy（进 / 守 / 转 / 断 / 等待 / 恢复）
2. 事件类型准确率 Event Type Accuracy
3. 时间窗口准确率 Timing Window Accuracy（Exact / ±3 / ±7 / 同周 / 同月）
4. 行动许可有效率 Action Permission Accuracy
5. 定数判断准确率 Determination Accuracy
6. 综合有效率 Overall Effective Accuracy（按权重合成）

• 样本 < 30：标记「样本不足，准确率仅供参考」。
• 样本 30–100：可显示「早期回验有效率」，不可声称已达目标区间。
• 样本 ≥ 100 且综合 ≥ 90%：可显示「内测回验显示高有效率」。
• 方向高但时间窗口低：提示「系统更适合判断方向与行动许可，而非精确单日断言」。

• 不删除原始数列与回验记录；不重置 Prompt 历史与产品文档。
• Demo / Real / Light 20 / Full 60 / Imported 严格隔离，不互相污染。
• 每次重算前后写入本地日志（不上传）。
• 重算失败时保留旧状态。
• 若存在过期模块，Version Iteration 不能标记为 v1.0；Beta Launch 相应调低就绪度。

• Mobile Small 默认 LOW 密度，禁用 Full 60 编辑、密集矩阵、复杂提示词锻造。
• Enterprise User 强制 Safe Mode，命运/占断/风域奇点等词替换为 Scenario / Risk / Trigger Convergence。
• Demo Visitor 默认隐藏高级内核、QA、重算、版本迭代。
• 每个角色都有 defaultHome、primaryCTA、推荐导航与允许模块清单。
• 与 Software QA 接入：UI Fit < 50 生成 UX_HIGH；移动端 Full 60 暴露生成 CRITICAL。
• 与 Beta / Version 接入：核心用户端 Fit < 70 时不允许进入 Guided Beta。
• 与 Recalculation 接入：切换 clientProfile / deviceProfile 时 UI Fit 标记 stale。

• 16 个预测维度：事业 / 产品 / 关系 / 财务 / 学业 / 身体 / 认知 / 创作 / 身份 / 地理 / 社交 / 家庭 / 制度 / 主线 / 风险 / 提示词。
• 32 个事件算法，每个携带：极性、公式、必需信号、阻断信号、行动许可、回验指标。
• 10 个事件阶段：SEED → FORMING → TRIGGERED → ESCALATING → CONFIRMING → PEAKING → DECLINING；BLOCKED / REVERSED / ARCHIVED 为旁路。
• 事件表现分四级：轻微 / 中等 / 强 / 假信号，便于识别噪声与诱饵。
• 事件优先级矩阵输出：主事件 / 副事件 / 风险事件 / 背景事件，避免预测详情堆砌。
• Prompt Forge 按事件阶段生成不同许可级别的提示词。

• 7 个语言层级：RAW_SYSTEM / PROFESSIONAL / USER_FRIENDLY / ACTION_ORIENTED / ENTERPRISE_SAFE / EDUCATIONAL / MICROCOPY。
• 核心术语翻译表：定数计算法、分支塌缩、信号净化、风域奇点、五域、回验、真实主体、Full 60、多计算法内核、事件算法 等。
• 企业模式去命运化：命运 → Scenario、定数 → Decision State、回验 → Review Loop、分支塌缩 → Scenario Convergence。
• 移动端 microcopy：定没定 / 信号可信 / 建议观察 / 可以推进 / 需要回验。
• QA 新增类别：LANGUAGE_TOO_COMPLEX / JARGON_UNEXPLAINED / ENTERPRISE_LANGUAGE_RISK / DEMO_LANGUAGE_RISK / MOBILE_COPY_TOO_LONG / SAFETY_LANGUAGE_MISSING。
• Prompt Forge 读取语言指令：目标层级、禁用术语、推荐替换、解释深度、Microcopy 模式。
• Beta Launch / Version Iteration 接入 Language Fit Score，作为是否能进入 Closed Beta / Guided Beta 的门槛。

• 50 个领域（Product Design / UX / QA / Prompt / Business / Fiction / Recovery / Documentation …）。
• 6 大模板族：Foundation / Expansion / Debug-Repair / UX-User-Facing / Strategy / Validation-Feedback。
• 50 × 6 = 300 种模板族结构，预置 60 个核心模板，其余按 Domain × Family 自动展开骨架，可按需补齐。
• 12 类抽象迁移模式：Product→Docs / Product→UX / Product→QA / Prediction→Product / Worldbuilding→Architecture / QA→Fix / Event→Action …
• 变量自动注入：productName / currentVersion / existingModules / region / languageLevel / doNotBreak / acceptanceCriteria 等。
• 与 Language Fit / Software QA / Event Algorithm / Version Iteration / Global Recalculation 接入，按系统状态推荐 Repair / Sync / Expansion / Strategy。
• 每条提示词记录使用回验，自动计算模板有效性分数，用于下一轮推荐。

• 不删除任何已有 eventId；合并通过 alias / mergedInto / deprecated 字段渐进进行。
• 事件 ≠ 阶段：CONFIRMING / PEAKING 等是 eventStage，不要新增为事件。
• 事件 ≠ 表现形式：把“看不懂”加入 PRODUCT_USER_CONFUSION 的 manifestation，而不是新增 PRODUCT_LANGUAGE_CONFUSION。
• 事件 ≠ 风险信号：OVERLOAD_RISK 类信号优先并入事件的 riskSignals。
• 相似度 ≥ 0.85 → 建议合并；0.65–0.85 → 标 alias / 人工确认；< 0.65 → 视为独立。
• 15 大目标维度：CAREER / PRODUCT_STARTUP / RELATIONSHIP / SOCIAL_NETWORK / FINANCE_RESOURCE / STUDY_APPLICATION / HEALTH_RECOVERY / COGNITION_PLASTICITY / CREATION_EXPRESSION / IDENTITY_MAINLINE / LOCATION_ENVIRONMENT / LEGAL_ADMIN_SYSTEM / TOOL_AI_PROMPT / RISK_CHAOS_NOISE / SPIRIT_SYMBOLIC_VALUE。
• 事件总容量目标约 180–240；少于下限的维度补事件，超出上限的维度先做父子化。
• 与回验、准确率、QA、Prompt Forge、总重新计算引擎接入：alias / deprecated 事件的历史回验数据归并到 primary event，避免准确率被拆散。

1. v0.1底层预测 OSPrediction OS FoundationShipped
   • · 主体模型
   • · 常数宇宙
   • · 触发日历
   • · 五域断事
   • · 回验系统
2. v0.2多计算法内核Multi-Calculus CoreShipped
   • · 信号净化
   • · 折域
   • · 反冲
   • · 共振锁定
   • · 分支塌缩
   • · 产品活性
   • · 地理因素
   • · 提示词计算
3. v0.3定数计算法Determinant NumberCurrent
   • · 多计算法输出收束
   • · 未定 / 半定 / 已定 / 反定 / 假定
   • · 定数状态接入行动许可
4. v0.4回验权重进化Feedback Weight EvolutionNext
   • · 回验统计
   • · 权重修正
   • · 个体模型更新
5. v0.5真实用户主体系统Real Subject SystemPlanned
   • · 多主体管理
   • · 私密数据隔离
   • · 真实案例库
6. v1.0内测发布版Closed BetaPlanned
   • · 完整体验闭环
   • · 回验机制成熟
   • · 小范围真实用户测试

1. 本系统用于结构预测、时间窗口判断、行动辅助与自我回验。
2. 不构成医疗、法律、金融、投资、心理诊断建议。
3. 预测结果不是绝对未来，而是当前结构下的分支增强与触发窗口判断。
4. 用户行动会改变结果，因此回验是系统的一部分。
5. 若定数值低，系统应提示信息不足，不建议重大决策。
6. 若噪声高于真信号，系统应提示暂缓判断。
7. Demo Persona 不代表真实用户命运。
8. 真实主体数据必须由用户主动输入，并与 Demo 严格隔离。