アストロカートグラフィー解釈API

このエンドポイントは、出生時刻の完全なアストロカートグラフィーセットを計算し、その後、技術の創設文献から構築された19の人生領域の分類法を通じてそれをフィルタリングします：ジム・ルイスによる惑星の角度上の意味、アリン・サリバンによる4つの角度のそれぞれが支配するもの、マーティン・デイビスによる困難な線の扱い。各領域は、1から3の重みでそれに属する線を名付け、したがって、キャリアにおいて、天頂の太陽は同じ角度の水星よりもランクが高くなります。すべてのマッピングには極性も伴い、困難な線はフィルタリングされるのではなく、支援的な線と一緒に返されます。これは、有利な線のみを表示する移住ツールが技術を誤って表現するからです。ある点を通過すると、半径外の線は除外され、返される強度は占星術の重みを地理的な近接性で乗算します。これにより、単に線をリストするのではなく、候補都市をランク付けできます。解釈テキストは、11の言語で40の惑星と角度の組み合わせすべてをカバーするキュレーションされた知識ベースから提供され、翻訳が欠落している場合は文書化されたフォールバックがあります。

curl -X POST https://api.astroway.info/v1/acg/by-category \
  -H "X-Api-Key: aw_live_..." \
  -H "Content-Type: application/json" \
  -d '{
  "date": "1990-05-15",
  "time": "14:30:00",
  "timezoneOffset": 3,
  "latitude": 50.45,
  "longitude": 30.52,
  "category": "career",
  "point": { "lat": 51.5074, "lng": -0.1278 },
  "radiusDeg": 8,
  "language": "en"
}'

{
  "ok": true,
  "data": {
    "category": { "id": "career", "name": "Career" },
    "language": "en",
    "count": 3,
    "lines": [
      {
        "planet": "Jupiter",
        "type": "MC",
        "weight": 3,
        "polarity": "supportive",
        "strength": 2.31,
        "distanceDeg": 1.84,
        "pointCount": 341,
        "segments": [
          [[-85, 110.48], [-84.5, 110.48], "…"]
        ],
        "interpretation": {
          "title": "Jupiter - MC",
          "text": "Expansion of professional opportunity…",
          "lang": "en"
        }
      }
    ]
  }
}

あなたの製品が普通の言葉で表現された質問に答える場合にこれを使用してください：仕事のためにどこに行くべきか、この3都市のうちどれが関係に最適か、私の都市上のこの線は実際に何を意味するか。3つの形式がほとんどのビルドをカバーします。ランク付け：カテゴリと各候補都市のポイントを送信し、強度でソートします。説明：単一の惑星と角度に対して/v1/acg/line-reportを呼び出して、その線が触れるすべての他の人生領域を含む完全なテキストを取得します。発見：0クレジットで一度GET /v1/acg/categoriesを取得し、返された分類法からUIを構築して、新しいカテゴリがクライアントのリリースなしに表示されるようにします。テキストが生成されるのではなくキュレーションされているため、応答は決定論的で、モデルを引用せず、推論で追加の費用はかかりません：同じ要求は明日も同じ単語を返します。

分類法は10の伝統的な天体をカバーしています。キロン、リリス、月のノードは/v1/acg幾何学に現れますが、ジム・ルイスが定義した技術ではそれらに角度の人生領域の支配を割り当てていないため、意図的にマッピングの外にあります。重みと極性はデータとして表現された編集上の判断であり、リポジトリ内でバージョン管理され、プロンプト内に隠されるのではなく監査可能です。解釈テキストは言語モデルの呼び出しではなく、知識ベースのルックアップであるため、安定しており、オフラインで再現可能であり、生成された解釈が必要とする免責事項がありません。