chatgpt-tarot-divination

GitHub
743 208 简单 1 次阅读 今天语言模型
AI 解读 由 AI 自动生成,仅供参考

chatgpt-tarot-divination 是一款基于大语言模型打造的 AI 占卜应用,将传统玄学与现代人工智能技术巧妙融合。它支持塔罗牌、生辰八字、姓名五格、周公解梦、梅花易数及姻缘分析等多种占卜方式,旨在为用户提供趣味性的心理探索与运势参考,满足人们对未知的好奇心及娱乐需求。

这款工具特别适合对传统文化感兴趣的普通用户,同时也为开发者提供了研究 AI 在垂直领域应用的开源范例。其核心亮点在于流畅的交互体验:采用流式输出技术,让占卜结果以打字机效果实时呈现,增强了沉浸感;内置历史记录管理功能,自动保存各类占卜记录以便回顾;界面采用响应式设计并支持暗色模式,完美适配手机、平板和电脑等多端设备。

在部署方面,chatgpt-tarot-divination 展现了极高的灵活性,既支持通过 Vercel 一键免费云端部署,也提供 Windows 安装包、Docker 容器化部署以及本地源码运行等多种方案,能够轻松满足不同技术背景用户的需求。无论是想随手测测运势的大众用户,还是希望快速搭建个性化 AI 服务的开发者,都能从中获得便捷的使用体验。

使用场景

刚失恋的小陈急需情感指引,但面对复杂的传统命理知识无从下手,只想快速获得一份有温度的心理慰藉与运势分析。

没有 chatgpt-tarot-divination 时

  • 门槛高且耗时:想要进行专业的塔罗或八字分析,必须花费数小时查阅古籍或付费咨询线下大师,无法即时获得反馈。
  • 解读生硬割裂:网上零散的算命工具只能给出机械的断语,缺乏针对个人情感困境的连贯逻辑和深度共情。
  • 记录难以留存:每次占卜结果散落在不同网页或聊天记录中,无法系统回顾之前的运势走向和心理变化轨迹。
  • 体验单一枯燥:传统的文本输出缺乏互动感,漫长的等待过程加剧了焦虑情绪,难以起到安抚作用。

使用 chatgpt-tarot-divination 后

  • 一键多维洞察:小陈只需输入出生信息和当前困惑,chatgpt-tarot-divination 即可瞬间融合塔罗牌与生辰八字,提供全方位的情感运势解读。
  • 流式温情对话:借助流式输出功能,AI 像真人咨询师一样逐字生成充满同理心的分析建议,让等待过程变成一种治愈体验。
  • 自动历史归档:系统自动保存最近 10 次占卜记录,小陈可以随时复盘从“失恋痛苦”到“走出阴霾”的心路历程与运势转折。
  • 全场景随时访问:无论是深夜用手机还是白天在电脑前,响应式设计确保界面舒适,暗色模式更保护视力,随时随地获取心灵支持。

chatgpt-tarot-divination 将深奥的传统易学转化为触手可及的 AI 陪伴,让用户在迷茫时刻能低成本、高效率地获得专业且有温度的决策参考。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具主要作为 ChatGPT 的客户端应用,自身不运行大型 AI 模型,因此无特殊 GPU 或大内存需求。支持四种部署方式:Vercel 云部署、Windows EXE 安装包、Docker 容器部署以及本地源码运行。本地运行需同时安装 Node.js(用于构建前端)和 Python(用于运行后端),并配置 OpenAI API Key 等环境变量。
python3.8+
requirements.txt 中定义的 Python 依赖
Node.js 16+
pnpm
chatgpt-tarot-divination hero image

快速开始

AI 占卜 - ChatGPT 塔罗牌占卜

基于 ChatGPT 的 AI 算命、占卜应用,支持多种占卜方式,提供流式输出体验和历史记录管理。

demo

功能列表

  • 塔罗牌占卜 - 通过塔罗牌探索内心,洞察未来可能性
  • 生辰八字 - 根据出生时间分析命理运势
  • 姓名五格 - 通过姓名笔画分析性格和命运
  • 周公解梦 - 解析梦境含义,探索潜意识
  • 起名取名 - 根据生辰八字和五行推荐吉祥名字
  • 梅花易数 - 传统易学占卜方法
  • 姻缘占卜 - 分析感情运势和姻缘走向 @alongLFB

特色功能

  • 🌊 流式输出 - AI 占卜结果以打字机效果实时呈现
  • 📚 历史记录 - 每种占卜类型自动保存最近 10 条记录
  • 📱 响应式设计 - 完美适配手机、平板、电脑
  • 🌙 暗色模式 - 支持明暗主题切换

四种部署方式

方式一:Vercel 一键部署(推荐)⭐

最简单快捷的部署方式,无需服务器,完全免费。

  1. 点击下方按钮开始部署:

    Deploy with Vercel

  2. 在部署时配置环境变量:

    • api_key:必填,你的 OpenAI API Key
    • api_base:可选,API 地址(默认为 OpenAI 官方地址)
    • 其他可选参数:modelgithub_client_idgithub_client_secret
  3. 部署完成后,Vercel 会自动分配一个访问域名

  4. 也可以绑定自己的域名

方式二:下载 EXE 安装包(Windows 用户)

  1. 点击下载 EXE 安装包
  2. 安装并运行程序
  3. 在设置中配置:
    • API BASE URL(OpenAI API 地址)
    • API KEY(你的 API 密钥)
  4. 返回主页即可开始使用

方式三:Docker 部署

创建 docker-compose.yml 文件:

services:
  chatgpt-tarot-divination:
    image: ghcr.io/dreamhunter2333/chatgpt-tarot-divination:latest
    container_name: chatgpt-tarot-divination
    restart: always
    ports:
      - 8000:8000
    environment:
      - api_key=sk-xxx                    # 必填:OpenAI API Key
      # - api_base=https://api.openai.com/v1  # 可选:API 地址
      # - model=gpt-3.5-turbo              # 可选:模型名称
      # - rate_limit=10/minute             # 可选:速率限制
      # - user_rate_limit=600/hour         # 可选:用户速率限制
      - github_client_id=xxx               # 可选:GitHub OAuth
      - github_client_secret=xxx           # 可选:GitHub OAuth
      - jwt_secret=secret                  # 可选:JWT 密钥
      - ad_client=ca-pub-xxx               # 可选:广告客户端
      - ad_slot=123                        # 可选:广告位

启动服务:

docker-compose up -d

访问 http://localhost:8000 即可使用。

方式四:本地运行(开发者)

前置要求

  • Node.js 16+
  • Python 3.8+
  • pnpm

步骤

  1. 创建配置文件 - 在项目根目录创建 .env 文件:
api_key=sk-xxxx                         # 必填:OpenAI API Key
api_base=https://api.openai.com/v1      # 可选:API 地址
github_client_id=xxx                     # 可选:GitHub OAuth
github_client_secret=xxx                 # 可选:GitHub OAuth
ad_client=ca-pub-xxx                     # 可选:广告客户端
ad_slot=123                              # 可选:广告位
  1. 构建前端
cd frontend
pnpm install
pnpm build --emptyOutDir
cd ..
  1. 部署前端文件
rm -r dist
cp -r frontend/dist/ dist
  1. 安装并运行后端
python3 -m venv ./venv
./venv/bin/python3 -m pip install -r requirements.txt
./venv/bin/python3 main.py
  1. 访问应用 - 打开浏览器访问 http://localhost:8000

License

MIT License

版本历史

v0.4.02025/02/23
v0.3.112024/05/15
v0.3.102024/04/28
v0.3.82024/04/24
v0.3.12024/03/05
v0.3.02024/03/04
v0.2.42024/03/02
v0.2.32024/03/02
v0.2.22024/03/02
v0.2.12023/09/11
v0.2.02023/09/11
v0.1.152023/08/22
v0.1.142023/05/29
v0.1.132023/05/28
v0.1.122023/05/24
v0.1.112023/05/23
v0.1.102023/05/21
v0.1.92023/05/21
v0.1.82023/05/14
v0.1.72023/04/22

常见问题

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

154.3k|★★☆☆☆|今天
开发框架Agent语言模型

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|1周前
语言模型图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|1周前
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85.1k|★★☆☆☆|3天前
图像数据工具视频

funNLP

funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。

79.9k|★☆☆☆☆|5天前
语言模型数据工具其他

gpt4all

GPT4All 是一款让普通电脑也能轻松运行大型语言模型(LLM)的开源工具。它的核心目标是打破算力壁垒,让用户无需依赖昂贵的显卡(GPU)或云端 API,即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。 对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说,GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点,让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者,还是单纯想体验私有化 AI 聊天的普通用户,都能从中受益。 技术上,GPT4All 基于高效的 `llama.cpp` 后端,支持多种主流模型架构(包括最新的 DeepSeek R1 蒸馏模型),并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端,支持 Windows、macOS 和 Linux 等多平台一键安装,还为开发者提供了便捷的 Python 库,可轻松集成到 LangChain 等生态中。通过简单的下载和配置,用户即可立即开始探索本地大模型的无限可能。

77.3k|★☆☆☆☆|3天前
语言模型开发框架