微信小程序接入大模型实战3：星座运势（含代码）
引言
本文将介绍如何利用大语言模型（LLM）与结构化 Prompt 设计，将传统“星座运势”这种高度模糊、强主观的内容，重构为一个可控、可复用、低风险的生成式文本系统。
从技术视角看，星座运势并不是预测问题，而是一个典型的：
基于固定标签（星座）+ 情绪状态映射 + 巴纳姆效应的文本生成问题
本文将给出一个完整示例，演示如何实现一个
“看起来像星座运势，实际是 Prompt 驱动的文本生成规则系统”。
商务合作：18094708823
1. 项目背景
星座运势类小程序长期存在稳定需求，常见实现方式通常是：
固定星座运势文案
按日期或星座直接返回
更新成本高、内容同质化严重
这类实现方式的问题在于：
运势内容“可读性强，但复访价值低”
用户很容易意识到是“模板内容”
难以支持个性化扩展（如今日状态、提问）
本文尝试使用大语言模型 + 结构化 Prompt，实现一个：
看起来像星座运势，实际是文本生成规则系统
从而在不引入真实预测的前提下，提升内容的代入感与新鲜度。
2. 产品示意图
3. 技术架构
整体架构较为简单，适合快速验证：
微信小程序 | | 选择星座 / 查看运势 v Node.js 后端 | | 星座信息 + Prompt v 大语言模型 API该架构的核心在于：
前端不关心运势内容如何生成，只负责展示结果。
4. 小程序端：星座运势触发
4.1 页面示例
<button bindtap="getFortune">查看今日运势</button> <view>{{fortune}}</view>4.2 页面逻辑
Page({ data: { fortune: '' }, getFortune() { wx.request({ url: 'https://your-server/api/fortune', method: 'GET', data: { zodiac: '白羊座' }, success: res => { this.setData({ fortune: res.data.text }) } }) } })5. 后端：星座运势生成逻辑
5.1 星座与运势维度定义
const zodiacs = [ '白羊座','金牛座','双子座','巨蟹座', '狮子座','处女座','天秤座','天蝎座', '射手座','摩羯座','水瓶座','双鱼座' ] const levels = ['偏低', '平稳', '偏高']5.2 运势接口实现
app.get('/api/fortune', async (req, res) => { const zodiac = req.query.zodiac const level = levels[Math.floor(Math.random() * levels.length)] const prompt = ` 你是一位星座运势解读者。 星座：${zodiac} 今日整体运势：${level} 请用不超过 100 字进行解读， 语言模糊、克制，偏向状态描述， 不要给出明确结论或具体建议。 ` const text = await callLLM(prompt) res.json({ text }) })6. Prompt 设计思路
在星座运势场景中，Prompt 的设计目标并不是“预测准确”，而是：
增强代入感
避免确定性判断
保持长期可用性
核心设计原则如下：
6.1 模糊性优先
模糊表达可以覆盖更多用户状态，符合巴纳姆效应。
6.2 不给明确建议
避免诸如“应该”“一定要”“马上去做”等指令式表达，降低风险。
6.3 固定角色设定
保持输出风格一致，避免模型输出情绪过激或风格漂移。
7. 推荐 Prompt（可直接使用）
角色设定
你是一位星座运势解读者，语气理性、克制，不夸张、不渲染焦虑。
任务说明
根据给定的星座和今日运势状态，
生成一段偏向“状态提醒”的星座运势文本。
输入信息
星座：{zodiac}
运势状态：{偏低 / 平稳 / 偏高}
输出要求
字数控制在 70~100 字
不要给出确定性结论
不要直接给行动建议
避免使用极端、绝对化词汇
语言偏向描述、提醒、可能性
输出风格示例（仅供参考）
“当前阶段更适合关注自身节奏，而非结果本身，外部变化可能带来新的理解方式。”
现在请开始生成。
8. Prompt 构建函数示例
function buildZodiacPrompt(zodiac, level) { return ` 你是一位星座运势解读者，语气理性、克制。 星座：${zodiac} 今日运势状态：${level} 请输出 70~100 字的运势解读， 不下结论，不给建议， 只描述状态与可能性。 ` }从工程角度看，星座运势并不是一个“玄学系统”，而是一个：
用户分桶（星座）
状态映射（运势等级）
文本生成规则（Prompt）
通过引入大语言模型，可以在不增加内容维护成本的前提下，大幅提升内容的新鲜度和可扩展性。