nihai-tianji-corpus

github2026-08-16 更新2026-08-18 收录

传统命理学科

语料库构建

数据链接：

https://github.com/Renhuai123/nihai-tianji-corpus 数据链接链接失效反馈

官方服务：

资源简介：

倪海厦《天纪》结构化语料库，包含紫微斗数、易经、堪舆、铁板神数四学科，共4886条判语，每条判语包含倪师原话短引文、十一册体系归属和精确到秒的视频出处，可回放溯源。

Structured Corpus of Ni Haixia's *Tian Ji*: This corpus encompasses four traditional Chinese divination disciplines: Ziwei Doushu, *I Ching* (Book of Changes), Fengshui (Kan Yu, traditional Chinese geomancy), and Tieban Shenshu. It comprises a total of 4,886 divination judgments. Each entry features a short direct quote from Master Ni's original statements, attribution to the 11-volume framework of *Tian Ji*, and a video source timestamped down to the exact second, enabling playback and accurate source tracing.

创建时间：

2026-08-16

原始信息汇总

倪海厦《天纪》结构化语料库 · nihai-tianji-corpus

数据集概览

本数据集是将倪海厦先生《天纪》全部课程（共112个单元、约61小时讲课）整理成的结构化知识库，每条判语包含倪师原话短引文、知识体系归属以及精确到秒的视频出处，支持一键跳转B站原视频对应时间点回放验证。当前版本为 v2.0 · 天纪全量，覆盖紫微斗数、易经（序卦+六十四卦）、堪舆、铁板神数四大学科。

核心数据指标

指标	数值
判语条目	4886 条（引文净字数 690,289 字，平均 141 字/条）
覆盖课程	天纪全部 112 个单元、约 61 小时讲课
知识体系	十一册，倪师授课原生分类
溯源精度	每条带 `[讲 §段 @时:分:秒]`，可拼 B 站 `?p=N&t=秒` 一键回放
质检	七道自动门禁 + 全库 5142 条逐条语义清扫 + 三轮独立抽样审查
封库终裁	162 条随机样本，问题率 0.0%
人工勘误	171 对字幕错字逐条人工裁决，账本全量公开

知识体系（十一册分类）

册	条数	内容
01 主星	378	十四主星与辅煞星的定性、性情、格局
02 十二宫	366	命宫至父母宫、三方四正、借星
03 格局	127	吉格 / 凶格 / 结构性警示
04 四化	174	化科 / 化权 / 化禄 / 化忌
05 疾厄	80	十二地支宫配脏腑、病灾判断
07 方法论	751	天纪总纲、批命顺序、学习法、面相手相、阳宅化命
08 易理总纲	400	象 / 序卦通义 / 三道 / 卦爻通论
09 六十四卦	2139	六十四卦逐卦：卦象 / 序卦 / 爻辞 / 卜筮 / 人间道
10 占断	100	金钱卦 / 测字 / 六神 / 小六壬
11 堪舆	257	峦头理气 / 罗经坐山来龙 / 宅法
12 铁板神数	114	铁板神数 / 皇极经世 / 卦数批命

（06 为历史保留编号，无该册。）另有课程轴索引，逐讲语义段大纲 + 段级回放直链。

数据形态与使用

人读：docs/ 册内每条判语呈现为倪师原话引文 + 出处时间码，例如：「比如说，你是一子送终，你是半空折翅，通通从福德宫里面批出来的。」 [p03 §10 @00:40:09]
机读：data/entries.jsonl 每条包含 book / h2 / h3 / quote / bvid / part / section / t_hms / note 字段，可直接作为 RAG 的 chunk，无需再切。
回放：每条判语可按 https://www.bilibili.com/video/{bvid}?p={part}&t={秒数} 直达原视频对应秒。
整包投喂：data/corpus-rag.md 约 69 万字 / 100 万+ token 可直接用于大模型。

数据保真机制

机制	说明
双源交叉	人工校正字幕（OCR）× whisper / FunASR 双引擎独立转写，逐讲一致率 60–91%
七道门禁	空批次防线 / 秒级去重 / 探针覆盖≥95% / 一致率≥60% / 术语白名单 / 出处可回溯≥95% / 逐字命中≥90%
全库语义清扫	5142 条逐条 AI 判读，清洗 1872 条 OCR 噪声、移出 256 条、重挂 95 条
只删不改	清洗文本经程序逐字符验证为原文子序列；49 条 AI 越界改字的一律作废转人工
人工勘误	字幕错字须人工逐条裁决，改动留痕 `〔已按裁决改正：X→Y〕`，账本 171 对全量公开
三轮抽查	归类抽查 121 条 → 清扫后复审 150 条 → 封库终裁 162 条，问题率 0.0%

附带资源

格局重绘图（14 张）：依判语数据用 SVG 重新绘制倪师板书盘面，不复制原视频任何像素，每张图标注成格条件与判语出处（20 个格局中绘出 14 张，另 6 个判语只讲现象未言盘面结构，据实不画）。
学习网站（124 页，零依赖静态）：支持十一册 × 112 单元双轴导航、判语卡一键回放、全库 4886 条前端检索与关键词高亮、深浅色自适应。
中间层复现管线：本库不分发帧/音频/转写等中间层，但 tools/REPRODUCE.md 提供完整开源管线，可从公开视频复现每一个中间层，文内写清音轨选择、whisper 参数陷阱、水印位置过滤、繁简归一等踩坑点。

相关项目与协议

关联项目：ziwei-doushu（紫微斗数开源排盘引擎），本库作为其知识层。
语料协议：data/ 与 docs/ 为 CC BY-NC-SA 4.0；tools/ 代码为 MIT。
版权声明：《天纪》课程内容著作权归倪海厦先生及其权利继承人所有；本库仅收录短引文 + 出处的结构化条目，不含可还原完整课程的逐字稿，不搬运任何视听内容；权利方提出异议将立即下架相应部分。
免责声明：内容涉及传统命理学说，属文化研究与学习资料，不构成任何医疗、投资或人生决策建议。

搜集汇总

数据集介绍

构建方式

本数据集以倪海厦先生《天纪》全部课程为蓝本，通过人工校正字幕与双引擎（whisper/FunASR）独立转写的交叉验证，构建了涵盖紫微斗数、易经、堪舆、铁板神数四大学科的结构化语料库。每条判语包含倪师原话短引文、十一册体系归属及精确到秒的视频出处，并经过七道自动门禁与全库语义清扫，确保文本为原文子序列，最终经三轮独立抽样审查，封库终裁问题率为0.0%。

特点

数据集共收录4886条判语，引文净字数达69万字，平均每条141字，覆盖112个课程单元，约61小时讲课内容。其显著特点在于每条判语均可回放验证，出处链接直达B站原视频秒级位置；知识体系按倪师授课原生分类为十一册，另附课程索引提供双轴导航。此外，还包含14张基于判语数据用SVG重绘的格局图，忠实呈现原板书结构，不复制任何视频像素，确保学术严谨性与可追溯性。

使用方法

使用者可直接阅读docs/目录下十一册文档或从课程索引跟学；技术用户可通过Python加载data/entries.jsonl文件，每条判语作为一个独立chunk，利用book/h2/h3等字段进行过滤检索，并生成一键回放链接。另提供data/corpus-rag.md整包文件，约69万字，便于大规模语言模型训练或检索增强生成（RAG）应用。所有清洗与构建管线完全开源，可依据tools/REPRODUCE.md从公开视频完整复现中间层，确保数据可复验性与透明性。

背景与挑战

背景概述

倪海厦《天纪》结构化语料库（nihai-tianji-corpus）由开源社区于2026年构建，旨在将中医名家倪海厦先生《天纪》系列课程转化为可回放验证的结构化知识库。该语料库覆盖紫微斗数、易经、堪舆、铁板神数四大学科，共计4886条判语，约69万字，每条判语均附精确到秒的视频出处，支持一键回放至B站原视频。项目由Renhuai123等研究者主导，采用双引擎语音识别与人工校正相结合的数据保真机制，经过七道自动门禁与三轮独立抽样审查，最终封库终裁问题率为0.0%。该语料库为传统命理学说的数字化研究提供了高质量、可追溯的语料基础，推动了该领域在自然语言处理与知识图谱构建方面的应用，成为连接古典智慧与现代AI技术的桥梁。

当前挑战

该数据集构建面临多重挑战。领域层面，传统命理学说术语晦涩、体系复杂，且口语化授课内容存在大量模糊表达与语境依赖，使得语义结构化与知识抽取难度极高。构建过程中，需处理原始视频字幕的OCR噪声与语音识别误差，项目通过双源交叉验证（人工字幕与双引擎转写）将一致率提升至60-91%，但部分课程一致率仍偏低。此外，需严格防范AI改字破坏原文，项目采用程序逐字符验证，确保清洗文本为原文子序列，并辅以人工勘误171处。版权与伦理问题亦构成挑战，项目仅收录短引文，避免再分发完整课程内容，需在知识开放与版权保护间取得平衡。最终，通过全库语义清扫与终裁审查，实现了0.0%的问题率，但这一过程耗时耗力，凸显了高质量古籍数字化语料构建的长期性与复杂性。

常用场景

经典使用场景

该语料库作为传统命理学领域首个结构化知识库，其经典使用场景在于为研究者提供可精确回溯的原文片段检索平台。通过将倪海厦先生《天纪》课程中4886条判语按十一册体系分类，并附加视频时间戳，学者能够迅速定位至特定主题的原始论述，如紫微斗数主星性质、六十四卦哲理或堪舆理论，从而开展逐句对照的文本分析。这种设计极大便利了传统术数文献的定性研究，使深度挖掘倪师授课精髓成为可能。

衍生相关工作

围绕此语料库已衍生出多项重要工作。最显著的是与其关联的“ziwei-doushu”开源排盘引擎，该引擎提供紫微斗数盘面计算，而此语料库则充当其知识层，使引擎能结合倪师判语解释盘面格局，形成从排盘到解盘的完整链路。此外，基于判语数据绘制的14张SVG格局重绘图，以可视化形式再现了倪师的板书精髓，为格局研究提供了直观的参考资源。这些衍生成果共同构建了一个从数据整理、语义分析到交互呈现的生态，拓展了原始课程的学术与应用价值。

数据集最近研究