LLamjinLab
명리글자 수 6823읽는 시간≈ 18 분

AI 현학 프로젝트 모음: 사주, 자미두수부터 풍수, 타로, 육효까지

전통 술수, 고전 지식 베이스, Claude Skill, MCP 및 AI 해석을 결합한 오픈 소스 프로젝트를 정리했습니다. 규칙 엔지니어링, 지식 베이스 설계, 문화 분야 AI 애플리케이션을 학습하기에 적합합니다.

명리사주팔자자미두수명반풍수타로육효RAG지식 베이스Claude SkillMCPAI 해석전통문화 디지털화

1. 서론: AI 현학 프로젝트에서 정말 볼 만한 것은 무엇인가

최근 전통 술수와 AI를 결합한 프로젝트를 적지 않게 보았습니다. 사주팔자, 자미두수, 기문둔갑, 풍수, 타로, 육효, 매화역수, 불교 경전 질의응답 등이 그 방향에 포함됩니다.

이러한 프로젝트에는 공통점이 있습니다. 단순히 대규모 모델이 자유롭게 답하도록 두는 것이 아니라, 명반 산출 과정, 고전 문헌의 조문, 규칙 판단, 카드 의미 체계 또는 지식 베이스 검색을 AI 대화에 연결해 AI의 답변이 더 근거 있고 검토하기 쉽게 만든다는 점입니다.

다시 말해, 정말 배울 만한 것은 “AI 점괘가 정확한가”가 아니라, 이러한 프로젝트가 전통 지식을 어떻게 데이터, 규칙, 절차 및 도구로 분해하는가입니다. AI Agent, Claude Skill, MCP, RAG 및 지식 베이스 엔지니어링 관점에서 보면, 이런 프로젝트는 오히려 훌륭한 연습 자료입니다.

아래에서는 비교적 대표적인 프로젝트 몇 가지를 정리합니다. 사이버 시대의 가벼운 스트레스 해소용 장난감으로 볼 수도 있고, 전통문화의 디지털화, 규칙 엔진, 지식 베이스 설계 및 AI 보조 해석을 배우기 위한 참고 사례로 활용할 수도 있습니다.

안내: 아래 프로젝트는 기술 학습, 문화 연구 및 오락적 체험에만 적합합니다. 어떠한 결과도 현실 의사결정의 근거로 삼는 것은 권장하지 않습니다. 운명은 결국 스스로 판단해야 하며, DYOR가 필요합니다.

2. MetaphysicsQuant: 전통 술수 지식 베이스, 규칙 엔진 및 데스크톱 분석 시스템

이것은 제 프로젝트이자, 이 목록에서 “완전한 엔지니어링 시스템”에 가장 가까운 사례입니다.

사주 사주팔자, 성반 또는 괘반을 보여 주는 가벼운 명반 도구에 그치지 않고, 중국 전통 술수 가운데 엔지니어링하기 어려운 부분을 실행 가능한 소프트웨어 시스템으로 분해하려고 시도합니다. 여기에는 역법 변환, 간지 추론, 신살 및 격국 규칙, 고전 문헌 조문 검색, 주제별 보고서, AI 2차 해석, SQLite 사례 라이브러리, Markdown/TXT 내보내기 및 데스크톱 워크플로가 포함됩니다.

프로젝트의 현재 주력은 Python 기반 데스크톱 분석 시스템입니다. 핵심 모듈은 사주팔자, 자미두수, 역경 괘 해석, 육효, 택일과 궁합, 성명학, 서양 수비학, 철판신수 및 소자신수 등 여러 분야를 포괄합니다. 단일 Skill과 비교하면 전통 술수 분야의 “지식 베이스 + 규칙 엔진 + 사례 관리 + 보고서 생성” 플랫폼에 더 가깝습니다.

사주팔자 모듈은 그중 가장 비중이 큰 부분입니다. 연주, 월주, 일주, 시주를 산출하는 데만 초점을 두지 않고, 원국, 대운, 세운, 세월, 태원, 명궁, 신궁, 칠주 주제별 명리 해석, 궁을 잇는 운세 압박, 신살 격국, 고전 문헌 조문 및 AI 해석 진입점을 중심으로 구조화된 보고서를 생성합니다.

자미두수 모듈은 십이궁, 주성, 보성, 잡요, 사화, 성요 밝기, 대한, 세운, 세월 및 명반도를 중심으로 구성됩니다. 역경과 육효 모듈은 시간 기괘, 숫자 기괘, 본괘와 변괘, 동효, 육친, 육신, 세응, 납갑 등을 지원합니다. 택일 모듈은 혼인, 구직, 개업, 재물 추구, 여행, 치료, 입주, 학업, 자녀 등 구체적 상황에 맞춰 규칙을 구성합니다.

이 프로젝트에서 가장 배우기 좋은 것은 세 가지입니다. 첫째, 전통 규칙을 프로그램 함수와 JSON 데이터로 분해하는 방법입니다. 둘째, 고전 지식, 명반 산출 결과 및 AI 해석을 결합하는 방법입니다. 셋째, 취미 프로젝트를 인터페이스, 데이터베이스, 보고서 내보내기 및 사례 관리가 갖춰진 장기적인 엔지니어링 프로젝트로 만드는 방법입니다.

적합한 대상: Python 데스크톱 시스템, 명리 규칙 엔진, 전통 술수 지식 베이스, SQLite 사례 관리, AI 보조 해석 및 보고서 내보내기 과정을 배우고 싶은 사람.

3. 자미지도: iztro 기반 자미두수 명반 산출 및 AI 심층 해석 도구

자미지도는 자미두수 기반의 오픈 소스 명반 산출 및 AI 심층 해석 도구로, 자체 배포를 지원합니다. 단순히 명반을 보여 주는 것이 아니라 자미두수 명반 산출, AI 해석, 연간 운세, 두 사람의 합반 및 시각화된 인생 추세를 결합하며, 바로 사용할 수 있는 Web 제품에 더 가깝습니다.

프로젝트의 기반은 iztro 라이브러리로 중주파 안성법 명반 산출을 수행하며, 프런트엔드는 React, TypeScript 및 Vite로 구현되었습니다. 전통적인 명반 도구와 비교하면 상호작용 경험과 제품화 역량을 더 강조합니다. 사용자는 출생 정보를 입력해 자미 명반을 생성할 수 있고, AI 해석, 연간 운세 분석, 두 사람의 합반, 그리고 “인생 K선”과 같은 현대적인 시각화 표현도 추가로 확인할 수 있습니다.

이 프로젝트에는 매우 실용적인 장점도 있습니다. 모델 선택이 비교적 개방적이라는 점입니다. 프로젝트 설명에서는 Kimi, Gemini, Claude, DeepSeek 등 여러 모델의 연동을 지원한다고 언급하며, 사용자가 비용, 효과 및 가용성에 따라 자유롭게 전환할 수 있습니다. 배포 방식도 비교적 친화적이어서 Vercel 또는 Cloudflare에 자체 배포할 수 있으며, 자미두수 AI 애플리케이션을 빠르게 구축하려는 사람에게 적합한 참고 사례입니다.

학습 관점에서 자미지도는 “전통 명반 라이브러리 + 현대 프런트엔드 + 다중 모델 AI 해석 + 클라우드 배포”의 완전한 흐름을 연구하기에 매우 적합합니다. 명리 도구를 로컬 스크립트나 데스크톱 소프트웨어에만 머물게 하지 않고 웹사이트로 만들고 싶다면, 매우 참고할 만한 오픈 소스 사례입니다.

적합한 대상: 자미두수 Web 애플리케이션, iztro 명반 라이브러리, React + TypeScript 프런트엔드, 다중 모델 AI 연동, Vercel / Cloudflare 자체 배포를 배우고 싶은 사람.

4. Numerologist Skills: 사이버 반선에게 “긴고아”를 씌우기

이 프로젝트의 핵심 아이디어는 술수 분석에서 대규모 모델의 환각을 줄이는 것입니다. 전통 술수에서 가장 두려운 점은 명반 산출 단계가 틀리면 이후의 설명이 아무리 유창해도 의미가 없다는 것입니다. 따라서 기문둔갑, 자미두수, 사주팔자 등 분야의 핵심 절차를 고정 단계로 나누어 AI가 완전히 자유로운 생성에만 의존하지 않도록 합니다.

프로젝트 소개에서는 Chinese astrology 상황에서 LLM hallucinations를 낮추기 위한 엔지니어링 프레임워크라고 강조합니다. 다시 말해, “당신은 대가입니다”라는 프롬프트 한 단락만 작성하는 것이 아니라, 기문의 용신, 격국, 반면 판단과 자미두수 및 사주팔자의 명반 산출, 규칙, 해석 연결 과정을 더 감사 가능하고 재사용 가능하며 확장 가능한 Skill 모듈로 만듭니다.

학습 관점에서 이 프로젝트는 “전통 규칙을 AI가 실행 가능한 절차로 어떻게 바꾸는가”를 살펴보기에 적합합니다. 자신의 명리 Agent를 만들고 싶다면, 가장 참고할 점은 문구가 아니라 본래 모호했던 분석 순서를 어떻게 명확한 작업 사슬로 바꾸는가입니다. 먼저 명반을 산출하고, 그다음 검증하고, 이어 해석한 뒤 마지막에야 조언을 제시합니다.

적합한 대상: 기문둔갑, 자미두수, 사주팔자, 저환각 Skill 설계 및 술수 Agent 워크플로를 연구하고 싶은 사람.

5. 사이버 점술 / 사주팔자 명리 Skill: 고전 문헌 기반 사주 분석 도구

이것은 사주팔자 명리 분석에 특화된 Claude Code Skill입니다. 대화형 상호작용을 통해 이름, 생년월일, 출생 시각, 성별, 출생지 등의 정보를 수집하고, 자동으로 사주팔자를 산출한 뒤 일주 강약, 십신 관계, 오행 균형, 격국, 대운, 세운, 직업, 감정 및 건강 등을 추가로 분석합니다.

특징은 사주 분석을 고전 명리 문헌과 결합한다는 점으로, 모델이 현장에서 임의로 만들어 내는 데만 의존하지 않습니다. 프로젝트 설명에서는 《穷通宝鉴》《三命通会》《滴天髓》《渊海子平》《子平真诠》 등의 자료를 참고한다고 언급합니다. 이를 통해 여러 차례의 후속 질문에서도 논리가 비교적 안정적으로 유지되고, 전통 용어를 중심으로 더 쉽게 확장할 수 있습니다.

이 프로젝트는 초보자가 “사주 Skill이 정보를 어떻게 수집해야 하는가”를 이해하기에 적합합니다. 사주 분석은 출생일 하나만 물어서는 충분하지 않으며, 양력/음력, 출생 시각, 성별, 출생지, 대운 시작 시점 등의 세부 사항도 포함됩니다. 정보 수집 과정이 명확할수록 이후 분석이 흐트러질 가능성이 낮아집니다.

적합한 대상: Claude Skill, 사주 명반 산출 절차, 명리 용어 해석 및 대화형 정보 수집을 배우고 싶은 사람.

6. 월하노인 · 인연 측정 Skill: 감정 문제를 위한 모듈형 도구

이 프로젝트는 인연, 감정 및 관계 분석에 초점을 맞춥니다. 종합 명리 도구와 비교하면 사용 상황이 더 명확합니다. 사용자는 대개 완전한 명반을 보고 싶은 것이 아니라 연애, 궁합, 관계 발전, 감정적 선택과 관련된 문제에 대해 다각도의 참고를 얻고 싶어 합니다.

프로젝트는 사주 궁합, 띠 궁합, 자미 부처궁, 인연을 묻는 제비뽑기, 도화운, 홍선 측정 등을 하나로 통합해 감정 상담 경험에 더 가까운 Skill을 구성합니다. 그 가치는 절대적인 결론을 내리는 데 있지 않고, 서로 다른 전통 체계에 있는 관계 판단 방식을 하나의 통합 진입점으로 조직하는 데 있습니다.

제품 설계 관점에서 이런 Skill에는 뚜렷한 장점이 있습니다. 주제가 충분히 수직적이라는 점입니다. 사용자가 복잡한 술수 분류를 이해할 필요 없이 감정 문제만 제기하면, 시스템이 궁합, 띠, 제문 또는 다른 모듈을 호출해 보조 분석을 수행할지를 결정합니다.

적합한 대상: 수직형 감정 Agent, 인연 측정 도구 및 궁합 분석 절차 설계를 만들고 싶은 사람.

7. Master-skill: 불교 경전에 기반한 AI 학습 보조 도구

이 프로젝트는 점술보다 문화 경전 학습에 더 가깝습니다. 불교 고전 문헌, 조사 역할 및 RAG 검색을 결합해 사용자가 대화 방식으로 불교 내용을 학습할 수 있게 합니다.

프로젝트 소개에서는 한전, 장전, 남전 전통의 여러 조사 역할 중에서 선택할 수 있으며, 답변은 경전 근거 검색과 결합되어 원전 출처를 제시한다고 언급합니다. “불교 학습 보조 도구” 또는 “디지털 인문학 지식 베이스”에 더 가깝고, 경전, 용어, 종파 사상 및 여러 조사의 표현 양식을 이해하는 데 도움을 줍니다.

이 프로젝트가 주는 시사점은 AI 전통문화 프로젝트가 반드시 점술만 할 필요는 없다는 것입니다. 경전 학습, 텍스트 검색, 역할 기반 설명 및 전통 간 비교도 할 수 있습니다. RAG, 지식 베이스, 인물 스타일 프롬프트 및 고전 출처 검증을 연구하려는 사람에게 이 프로젝트는 큰 참고 가치가 있습니다.

유의할 점은 불교 AI 학습 도구가 보조 독서와 자료 진입점으로 적합할 뿐, 정식 수행, 사승 관계의 지도 또는 엄밀한 학술 연구를 대체해서는 안 된다는 것입니다. 프로젝트 자체에도 유사한 안내가 있습니다. 관련 내용은 역사적 불교 문헌을 바탕으로 생성되며, 참고 학습용으로만 제공됩니다.

적합한 대상: 불교 경전 질의응답, RAG 검색, AI Persona 및 디지털 인문학 프로젝트를 배우고 싶은 사람.

8. 역경 풍수 / 양택 분석 Skill: 현공, 팔택 및 택일을 대화형 자문으로 만들기

이 프로젝트의 위치는 전통 풍수 자문 Skill입니다. 주로 주거 환경, 주택 방향, 입주 시기, 명괘, 비성반, 팔택 유년, 택일 및 일반적인 외부 살기 분석을 중심으로 전개됩니다.

흥미로운 점은 프로젝트 소개에서 “형세는 체이고 이기는 용이다”를 명확히 강조한다는 것입니다. 즉, 추상적인 방위 하나만 보는 것이 아니라, 전통 감여의 형세, 이기, 비성, 팔택, 택일 등을 하나의 대화 프레임워크에 넣으려 시도합니다.

엔지니어링 관점에서 풍수 Skill의 어려움은 입력 정보가 충분히 표준화되어 있지 않다는 데 있습니다. 사용자는 집이 남향이라는 것, 책상이 창가에 있다는 것, 출입구 앞에 도로 충이 있다는 것만 알 수 있으며, 정확한 좌향, 입주 시기 및 평면도를 제공하지 못할 수도 있습니다. 따라서 이런 프로젝트에서 가장 배울 만한 점은 필요한 정보를 어떻게 단계적으로 되묻고, 풍수 용어를 사용자가 이해할 수 있는 배치 조언으로 바꾸는가입니다.

적합한 대상: 풍수 지식 엔지니어링, 공간 정보 수집, 현공비성, 팔택명경 및 택일 규칙을 연구하고 싶은 사람.

9. 타로 해석 Skill: 78장 카드 의미와 스프레드 관계 체계

이 프로젝트는 78장의 타로 카드, 일반적인 스프레드, 카드 간 관계 및 무작위 카드 뽑기 스크립트를 중심으로 구성된 AI 타로 점술 Agent Skill입니다. 동양 술수 프로젝트와 비교하면 타로의 장점은 구조가 더 명확하다는 것입니다. 카드 라이브러리, 정·역방향, 스프레드 위치, 질문 유형, 카드와 카드 사이의 관계는 모두 지식 베이스로 정리하기에 적합합니다.

프로젝트 소개에서는 78장의 완전한 카드 의미, 6종의 스프레드, 카드 간 관계 이론 체계 및 진정한 무작위 카드 뽑기 스크립트를 지원한다고 언급합니다. 이는 모델이 몇 장의 카드를 단순히 무작위로 말하는 것이 아니라, 먼저 카드를 뽑고 스프레드 위치와 카드 의미 체계에 따라 해석한다는 뜻입니다.

이 프로젝트는 “무작위성 + 구조화된 해석”의 설계 방식을 관찰하기에 적합합니다. 일상적으로는 타로를 다각도 사고 도구로 활용할 수 있으며, 개발자에게는 카드 의미, 스프레드 및 해석 규칙이 비교적 쉽게 모듈화되므로 훌륭한 Skill 입문 사례가 됩니다.

적합한 대상: 타로 Agent, 무작위 카드 뽑기, 스프레드 구조 및 경량 Skill 개발을 배우고 싶은 사람.

10. 태복: 다양한 술수를 포괄하는 AI 점술 도구 및 MCP / Skills 프로젝트

태복은 매우 폭넓은 범위를 다루는 AI 술수 프로젝트입니다. 프로젝트 소개에 따르면 사주팔자, 자미두수, 육효, 매화역수, 기문둔갑, 대육임, 소육임, 점성술, 태을신수, 타로, MBTI, 관상과 수상, 합반 매칭, 일일/월간 운세, 주공 해몽 등을 포괄하며 MCP 서비스와 Skills를 지원합니다.

앞선 프로젝트들이 단일 분야 또는 소수 분야의 Skill인 경우가 많다면, 태복은 종합형 술수 플랫폼에 더 가깝습니다. 특정 모듈 하나를 특히 깊게 파고들기보다는, 여러 일반적인 현학 진입점을 하나의 AI 도구 체계로 통합하는 데 초점을 둡니다.

학습 관점에서는 MCP, Skills, Web 도구 및 다중 모듈 술수 진입점이 어떻게 조합되는지 관찰하기에 적합합니다. 특히 “통합 진입점형 AI 현학 플랫폼”을 만들고 싶을 때, 이런 프로젝트의 전체 구조는 매우 참고할 만합니다.

또한 태복은 혼합 라이선스를 채택합니다. 일부 핵심 패키지는 MIT를 적용하고, 기타 Web, 서버, 배포 및 런타임 코드는 AGPL-3.0-only를 적용합니다. 학습과 개인 사용에는 큰 문제가 없지만, 2차 개발 후 네트워크 서비스로 외부에 제공하려면 라이선스 요구사항을 주의 깊게 읽어야 합니다.

적합한 대상: MCP, 종합형 AI 술수 플랫폼, 다중 모듈 도구 통합 및 Web 제품화를 연구하고 싶은 사람.

11. 추가 관찰: 이러한 프로젝트의 핵심은 “신비함”이 아니라 엔지니어링이다

이 프로젝트들을 함께 놓고 보면 AI 현학 프로젝트에는 대략 몇 가지 경로가 있음을 알 수 있습니다.

1. 명반 도구 경로: 먼저 명반, 괘반, 스프레드를 정확히 계산한 뒤 AI가 해석하도록 한다. 2. Skill 경로: 지식, 절차 및 경계를 SKILL.md에 작성해 AI가 고정 단계에 따라 실행하도록 한다. 3. RAG 경로: 고전 문헌, 경전 및 용어 해석을 검색 가능한 지식 베이스로 만들어 근거 없는 생성을 줄인다. 4. Web 제품 경로: 명반 산출, 모델 선택, 보고서, 시각화 및 배포를 완전한 애플리케이션으로 통합한다. 5. MCP 도구 경로: 술수 역량을 Agent가 호출할 수 있는 외부 도구로 만든다.

이는 한 가지 문제도 보여 줍니다. 전통문화 AI 프로젝트는 단순한 “프롬프트 엔지니어링”이 아닙니다. 장기적으로 유지할 수 있는 프로젝트에는 대개 데이터 구조, 규칙 분해, 입력 검증, 출력 템플릿, 인용 출처, 테스트 사례 및 사용자 경계가 필요합니다.

술수 프로젝트는 특히 그렇습니다. 용어가 많고, 유파가 많고, 규칙도 많기 때문에 구조화된 제약이 없으면 대규모 모델은 매우 그럴듯하게 말하면서도 내부 논리가 신뢰할 수 없을 수 있습니다. 시스템이 복잡할수록 “당신은 명리 대가입니다”라는 한 문장에만 의존해서는 안 됩니다.

12. 이러한 프로젝트를 어떻게 학습할 수 있는가

체험만 하고 싶다면 사주, 타로, 인연처럼 상호작용 장벽이 낮은 프로젝트부터 시작할 수 있습니다. 엔지니어링 구현을 배우고 싶다면 MetaphysicsQuant, 자미지도, 태복, Numerologist Skills 및 풍수 Skill을 우선 살펴보는 것이 좋습니다. 지식 베이스와 RAG를 배우고 싶다면 Master-skill과 같은 경전 질의응답 프로젝트에 집중할 수 있습니다.

제가 개인적으로 권하는 학습 순서는 다음과 같습니다.

1. 먼저 타로 Skill을 보며 “지식 베이스 + 무작위 추출 + 구조화된 해석”의 기본 형태를 이해한다. 2. 그다음 사주 Skill을 보며 여러 차례의 대화를 통해 필요한 정보를 수집하는 방법을 배운다. 3. 이후 기문, 자미, 풍수처럼 절차가 더 복잡한 Skill을 보며 AI 환각을 줄이는 방법을 이해한다. 4. 마지막으로 MetaphysicsQuant, 자미지도, 태복 같은 종합 프로젝트를 보며 여러 모듈, 프런트엔드 페이지, 데이터베이스, 보고서 내보내기, AI 해석 및 클라우드 배포를 완전한 시스템으로 통합하는 방법을 배운다.

이 프로젝트들에서 정말 배울 만한 점은 “점괘가 정확한가”가 아니라, 전통 지식을 어떻게 데이터, 규칙, 절차 및 도구로 분해하는가입니다. AI Agent 개발 관점에서는 이것이 단순히 프롬프트를 작성하는 것보다 더 가치 있습니다.

본문의 명반 사례를 산출해 검증하고 싶다면, 본 사이트의 사주팔자 명반 도구 또는 자미두수 명반 도구를 직접 사용할 수 있습니다.

자주 묻는 질문

이러한 AI 현학 프로젝트의 신뢰성은 어떠한가요?

AI 현학 프로젝트의 품질 차이는 매우 큽니다. 좋은 프로젝트는 전통 체계를 정확하게 코드화하고 명확한 계산 논리를 제공합니다. 반면 좋지 않은 프로젝트는 모호한 언어와 상투적인 표현을 대량으로 사용합니다. 전통 문헌이나 검증된 도구와 대조해 출력 결과를 확인하는 것이 좋습니다.

어떤 도구가 비교적 성숙한가요?

본 사이트는 사주팔자 명반, 자미두수 명반, 역경 점복 등의 도구를 제공합니다. 논리가 투명하며 전통적 방법과 대조하여 검증할 수 있습니다.

AI가 실제로 "점을 볼" 수 있나요?

AI는 명리 체계 안의 규칙적·패턴적 계산을 처리할 수 있지만, "운명을 단정하는 일"은 본질적으로 많은 사례 축적, 경험적 판단 및 개별 사례의 배경을 필요로 합니다. 현재 AI는 이 측면에서 여전히 뚜렷한 한계가 있습니다.

AI 명리 프로젝트의 품질은 어떻게 평가하나요?

핵심 지표는 다음과 같습니다. 명반 산출 결과가 정확한지(검증된 도구로 대조 가능), 운명 해석 논리에 출처의 뒷받침이 있는지, 과도한 포장이나 소비 유도 조짐이 있는지입니다.

참고 출처

Share

이 글 공유