微信小程序接入大模型实战 5：测名与起名大师（含代码）-编程阁

引言

本文将介绍如何利用大语言模型（LLM）的跨领域知识检索能力（文学、历史、五行学）和结构化输出能力，将传统的起名服务升级为高效率、高品质的“AI 起名与评估”系统。

从技术视角看，AI 起名大师是一个典型的知识融合与结构化输出任务：

固定标签（八字/五行） → 知识检索（诗词/古籍）→ 多维度评估（音、形、意） → JSON 结果输出

传统起名软件往往只能简单地罗列笔画和五行，缺乏文学底蕴。本文将演示如何通过 LLM 确保生成的名字不仅满足传统要求，还富有诗意、寓意和现代美感。

商务合作：18094708823

1. 项目背景

起名服务市场长期存在以下痛点：

内容同质化：多数软件生成的字词组合缺乏美感和新意。
缺乏考据：名字寓意往往是牵强附会，无法提供可靠的诗词或典故出处。
用户输入复杂：用户需要手工计算五行缺补，体验繁琐。

解决方案：

利用 LLM 强大的知识库和文本生成能力，实现：

自动化五行缺补分析：根据出生信息自动推算出五行偏向。
诗词古籍溯源：确保名字的文化内涵，并提供出处。
多维度评估报告：提供音律、字形、谐音风险等综合评估。

2. 产品示意图

3. 技术架构

该系统的核心在于 LLM 的Input/Output Mapping：

代码段

微信小程序 (前端) | | 1. 输入：姓氏、性别、生日 (年月日时分) v Node.js / Python 后端 (中间层) | | 2. (传统算法/预置库) -> 计算五行缺补 (例如：缺水) | | 3. 组装 Prompt (包含五行需求与文化要求) v 大语言模型 API | | 4. 生成包含 3 个名字的结构化 JSON v 返回：JSON 结构化结果

4. 小程序端：数据采集与展示

4.1 页面核心代码

前端需要采集四个核心信息：姓氏、性别、生日时间（用于五行计算）和起名需求（如“希望阳光开朗”）。

HTML

<!-- naming.wxml --> <view class="form-section"> <input placeholder="请输入姓氏 (例如：张)" bindinput="inputFamilyName" /> <picker mode="selector" range="{{genderArray}}" bindchange="selectGender"> <view class="picker-display">性别：{{genderText}}</view> </picker> <!-- 简化日期选择 --> <input placeholder="出生日期 (例如: 2024-05-20 10:30)" bindinput="inputBirthTime" /> </view> <button bindtap="generateNames">开始生成好名</button> <!-- 结果列表 --> <view wx:for="{{nameResults}}" wx:key="name" class="name-card"> <view class="name-title">{{item.name}}</view> <view class="detail">五行契合度: {{item.fit_score}}</view> <view class="detail">诗词出处: 《{{item.source_poem}}》</view> </view>

5. 后端：五行预处理与结构化 Prompt

后端有两个关键步骤：

5.1 五行计算（预处理）

由于 LLM 在日期/时间计算上可能存在误差，我们应使用传统的日期库（如 Python 的lunar_python或 Node.js 的dayjs-plugin-lunar）来推算用户的八字，进而确定五行缺补。

JavaScript

// naming_service.js (简化逻辑) function calculateFiveElements(birthTime) { // 假设通过第三方库计算得出 return { missing: ['水', '木'], strong: ['土'] }; }

5.2 结构化 JSON Prompt (核心)

这是确保输出可控、可解析的关键。我们要求 LLM 以JSON 格式返回结果列表。

JavaScript

// naming_service.js const promptTemplate = ` 你是一位专业的起名大师，精通诗词文化与五行学。 请根据用户的输入和五行分析，生成 3 个高质量的中文名。 **角色与任务：** 1. 名字必须从中国古代诗词、古籍中选取，并提供出处。 2. 名字必须符合五行缺补要求（优先补【水】和【木】）。 3. 名字需包含寓意解析、音律评估和五行评分。 **输入信息：** - 姓氏：张 - 性别：女 - 五行缺补要求：**急需补水，宜用属水或属木的字。** - 风格偏好：清新脱俗，有书卷气。 **输出要求：** **必须严格按照下面的 JSON 结构返回结果，不要添加任何解释性文字。** [ { "name": "张XX", "meaning": "名字的寓意解析，15字以内。", "source_poem": "诗词出处，精确到篇名和句子。", "element_required": "水/木", "element_used": "名字所用字的五行属性", "sound_assessment": "音律评估 (例如：平仄相宜，朗朗上口)", "fit_score": "95" }, ... (共3个结果) ] `;

6. Prompt 设计思路

Prompt 的设计目标是让 LLM 成为一个“文化检索器” + “评分模型”。

强制检索：必须要求 AI 给出具体的诗词出处。这能有效利用 LLM 的知识库，并避免它编造名字。
评分机制：要求 LLM 对自身生成的名字进行打分（fit_score），这能触发其“自我评估”的思维链，提高名字质量。
JSON 结构：使用responseMimeType: "application/json"和responseSchema确保后端接收到的是可解析的 JSON 字符串。

7. JSON Schema 结构示例

在实际的 API 调用中，我们将定义如下结构：

JavaScript

// generationConfig.responseSchema const responseSchema = { type: "ARRAY", description: "Generated names list", items: { type: "OBJECT", properties: { "name": { "type": "string", "description": "Generated full name." }, "meaning": { "type": "string", "description": "Meaning and analysis." }, "source_poem": { "type": "string", "description": "Source poem or classic text." }, "element_required": { "type": "string" }, "element_used": { "type": "string" }, "sound_assessment": { "type": "string" }, "fit_score": { "type": "string" } }, required: ["name", "meaning", "source_poem", "fit_score"] } };