命理分析品質基準測試

測試概覽

基準測試（Benchmark）是衡量命理分析系統品質的客觀標準。我們維護一組固定的 37 個命盤測試集（Golden Test Suite），每次系統更新後自動執行，確認分析品質沒有退化。

測試集涵蓋多種命盤組合：14 主星不同配置、12 宮位地支、有無出生時間、不同年干等，代表真實用戶可能遇到的各種情境。

測試套件版本：v1.0 | 測試集規模：37 個命盤 | 執行日期：2026-04-10

六維評分基準（2026 年 4 月）

多模型交叉驗證加權總分：85.4 / 100（優於單模型基準 79.2，提升 +6.2）

資料集檔案（公開下載）

• 📊 dataset/classical_cases.json — 37 組去識別化命盤配置，僅含命理欄位，無個人資訊
• 📋 evaluation/scoring_rubric.json — D1–D6 六維評分標準，含評分細則與驗證方法
• 📈 results/baseline-2026-04.json — 2026 年 4 月基準結果，多模型加權分數
• ⚙️ evaluate.js — 可重現評分與比較腳本（Node.js）
• 📄 README.md — 完整文件與使用說明

授權：CC BY 4.0 · 引用：Starnum Research Team (2026). starnum-bench v1.0.

測試方法論

測試集設計

Golden Test Suite（黃金測試集）由 37 個固定命盤組成，代表不同難度等級與星曜組合：

• 星曜多樣性：覆蓋紫微、天機、太陽、武曲、天同、廉貞、天府、太陰、貪狼、巨門、天相、天梁、七殺、破軍 14 主星
• 宮位多樣性：命宮分布於 12 地支，確保各宮位組合均有覆蓋
• 有無時辰：包含有出生時間（精確排盤）與無出生時間（模糊排盤）兩種情況
• 年干覆蓋：10 天干均有代表案例，測試四化計算的準確性

評分標準

• 準確性（Accuracy）：宮位判斷、四化飛入、格局識別是否符合陸斌兆派標準，逐條比對 127 條硬規則
• 分析深度（Depth）：白話文解讀是否覆蓋命宮主星特質、命身宮關係、重要格局、命主個性與職業傾向等核心面向
• 宮位覆蓋率（Coverage）：22 個標準分析區塊中實際完成的比例

驗證流程

1. 固定測試集從 Supabase 命盤資料庫讀取，每次測試使用相同命盤
2. 命理邏輯驗證工具自動比對 127 條硬規則，標記潛在錯誤
3. 多模型交叉比對：多套獨立工具同時分析，交叉確認結論一致性
4. 專業編輯人工審查評分，確保評測結果客觀可靠
5. 若任一規則驗證不通過，整批結果暫緩，修正後重新測試

與一般命理網站比較

比較基準為台灣與東南亞主要中文命理網站的公開內容，評估時間：2026 年 4 月。

測試集統計

數據來源：data/eval-set.json | 版本：1.0 | 生成時間：2026-04-10

關於這份報告

本頁面由 Starnum Logic Engine v5.0 的評測系統自動產生，每次系統版本更新後重新執行並更新數據。評測方法論參考業界軟體品質保證（QA）標準，結合命理分析的特殊需求設計。

我們選擇公開這份基準測試，是因為我們相信透明度是建立信任的唯一方式。若您對評測方法有任何疑問，歡迎透過 Instagram 聯繫 @mychenan。