不用App、不找占星师，年轻人正在用「复制粘贴」算命

prompt 提示词，多出现在创作、开发场景，但最近，它却在占卜这个完全 toC 的应用场景中，火了起来。

小红书平台上关于 AI 算命的话题热度，

其中 #deepseek 算命的话题浏览量达到5608 万，讨论量 35.4 万 | 图源：小红书

在以往的占星语境下，用户的常规路径是在 App 里看下星盘、了解运势，真有问题了去找个占卜师聊上一聊。但最近，使用路径却变成了找 prompt，复制粘贴到大模型 chatbot 中，一来一回聊得起劲。

小红书上，#deepseek 算命、#赛博玄学等话题下，大量玄学爱好者聚集，分享不同占卜体系的prompt、交流 AI 算命心得，仅 #deepseek 算命一个话题，浏览量就达到 5608 万、讨论量 35.4 万；与此同时，更深度的 AI 用户开始在 GitHub 上自行开发占卜 Skills，搜索“astrology”“bazi”等关键词，可以看到相关项目最高 Star 数已达 3.9k。

Github 分别搜索“astrology”、“bazi”，可看到项目数量很多，项目最高星标数达 3.9k | 图源：Github

这些原本都该由占卜 App 完成的事，如今用户却在“手搓”实现。占卜爱好者，宁愿手动复制长篇大论的 Prompt、不厌其烦地与大模型沟通，而不是直接用现成的占星产品？

一、占卜，从“偶尔求个心安”

变成了“随时可玩的娱乐活动”

利用 prompt 占星并没有技术门槛，但流程并不便捷。用户通常需要先选择占卜方式（如八字大运、星盘本命盘，或塔罗、雷诺曼等），再通过工具网站推演出命理信息或占卜结果，接着挑选大模型与对应指令，将信息与 prompt 一起复制输入，才能得到一份分析。

讲究一些的用户甚至不会止步于此，他们会对结果进行“反向校准”，把 AI 的幻觉或事实偏差挑出来，再重新喂回模型进行修正，反复多轮后得到相对满意的解读。

小红书用户分享的“印占” prompt 占卜操作流程贴，包含排盘教程、提问轮次、问题描述等详细方法 | 图源：小红书

相比之下，占星 App 的体验要直接得多，打开即得结果解析。但正是 prompt 占星这种“麻烦”，让占卜从一次性的结果消费，变成了一种可反复验证、可日常参与、可细致拆解的过程，从而吸引了一些用户。

在小红书的 prompt 占星内容中，讨论者大致分为几类，一类是体验类用户，他们对占星了解有限，但被“AI 算命很准”的讨论帖吸引尝试；一类是已有占卜习惯的玄学兴趣爱好者，占星是他们的娱乐与日常消遣方式之一；还有一类是已有基础的占卜入门者，甚至是兼职占星师，更关注占卜结果的推演结构与分析质量。

对体验类用户而言，当平台持续推送“deepseek 算命把我吓了一跳”“一个指令能让豆包算出前世今生”等*吸引力的帖子，而帖子中又贴心地附上了那些“灵验”的 prompt、手机里恰好也有几个 chatbot，如此低的使用门槛下，复制、跳转，试试这些指令究竟是不是那么神奇，成了自然选择。

而一旦 AI 真的“算”出几个与自身经历产生对应的结果，如“父母性格”“考试结果”、用户便容易产生“惊喜感”、抑或是“被看见”的感觉，继续尝试更多问题。在过去，占卜通常具有较强的仪式感，用户往往是在面临重要选择或人生迷茫时才寻求答案；但 AI prompt 让占卜变成了一种可反复测试的互动游戏。

用户对于 AI 算命准确性的真实分享，热度一般都很高，引起了用户共鸣的同时，吸引了更多用户用 prompt 占星 | 图源：小红书

这种低门槛性，也解释了有占星习惯用户的使用逻辑，过去他们可能是“大事不决算一卦”，在占星 prompt 出现后，变成了高频率事件。

用户用 prompt 占卜日常小事（考试、offer、感情）的分享贴，prompt 五花八门 | 图源：小红书

而对于具备占星基础、甚至兼职从事占星行业的用户，prompt 则成为一种“生产力工具”。结构化提示词可以补足分析框架、降低提问成本，甚至提升解读一致性。他们也会主动设计更复杂的 prompt，测试不同模型的输出差异，并将这些模板反向分享给普通用户，进一步降低整体使用门槛。

许多有玄学知识基础的用户，无偿分享不同占卜的 prompt，并提供大模型测评 | 图源：小红书

几类用户的路径不同，一类在“玩游戏”，一类作为“日常使用工具”，一类在“做工具化改造”，但共同结果是，占卜从郑重其事、偶尔为之的仪式，变得随手可得，满足的是用户可以随时进入、随时退出、能不断追问的“低门槛高参与感”占卜体验。

二、 Prompt 补上了占星App的缺口

回溯前文，不难发现，prompt 占星的流行，是因为门槛更低、也更具“可玩性”了。

目前市面上三种形态的占星 App ，都还停留在“给答案”，而不是“陪用户解释自己”，而当用户想要获得后者的体验时，服务通常被锁在付费墙后。

*类，报告型 App，以 Co-Star、Nebula、The Pattern 为代表，本质是基于算法生成的模板化解读。用户打开即可获得完整报告、运势解析；但媒体 ASAP 实测发现，「Co-star」连续几天的运势文案、结构大体不变、只替换个别句子，模板痕迹明显。

模板解读，也意味着「Co-star」这类应用缺乏上下文能力、无法承接具体情境下的追问。例如，它可以告诉你“本月白羊座事业运上升”，但无法回答“我上个月刚和老板产生冲突，这个月适合提涨薪吗”这样的具体问题。一旦脱离预设模板，它就失去了回应能力；接入“问 AI”的功能也无济于事。缺少长期上下文记忆，也缺少对用户个体处境的持续建模，使得对话看似开放，实则仍然是碎片化生成。

「Co-star」中对于用户个人的解析、每日运势的推送，分为家庭、朋友、感情等几大模块 | 图源：产品截图

第二类，真人咨询平台，以 AstroTalk、Hint、CHANI 为代表，用户可以直接与占星师互动，理论上具备最强的个性化与追问能力，但问题在于门槛。如「AstroTalk」的收费约为每分钟 0.99–5 美元，在这种付费聊天中，用户很难畅所欲言；另外也有用户面对真人时，会产生表达障碍，同时也存在匹配到不专业占星师、白花钱的风险。

「AstroTalk」占星师的定价 | 图源：产品截图

第三类是 AI 原生占星 App，我们在上一篇选题中曾经做过「Moonly」创始人的分享，其理念其实与 Prompt 流行的根本逻辑相符，将占星从“结果解释工具”转变为“日常对话伙伴”，让用户在持续互动中理解并调整自身状态。甚至在商业模式上也对准了用户行为，AI 聊天完全免费，仅对深度解读、高级课程等收费。但「Moonly」的月流水长期在 10 万美元上下徘徊。（可阅读《AI占星应用，不想再靠“算命”赚钱了》）

「Moonly」月流水，在 10 万美元上下徘徊（统计区间为 2024 年 1 月~2026 年 6 月）|图源：点点数据

经我们测试，「Moonly」虽然在设计上回应了用户更高频、更个性化占卜的需求，但在效果上不尽人意，与粘贴 prompt 到大模型没太大差异，并不会比大模型更了解自己，削弱了 App 的“封装优势”。

笔者将同一组抽牌结果指令分别发给聊了很久的 ChatGPT 窗口以及「Moonly」，两者回复对比如上，显然是 ChatGPT 上下文的了解更丰富，联想更多，「Moonly」内容并无不可替代性免费层体验一般，用户的付费转化自然也会有些问题。

三种 App 形态各缺一角，报告型 App 缺乏记忆与可追问空间；真人咨询平台受限于成本与社交压力；AI 原生占星产品思路对，但体验一般。而 prompt 占星，填补了目前的占星 App 没有很好满足用户的场景，即低成本、随时发生、无需付费的小型占卜需求。

从 prompt 占星的流行来看，“用户应该如何使用占卜”的产品设计，是时候该向“用户真正如何理解自己”理念去转变。

CHANI、Co-star、The Pattern 等 7 款美国主流占星应用近期月流水（统计区间为 2025 年12 月2026 年 6 月）。整体来看，占星 App收入仍保持一定规模，但收入走势或多或少都在呈下降趋势，增长有限 | 图源：点点数据

三、当“怎么问”也能变成一门生意

我们如果更仔细去看 prompt，用户会直接把出生信息、现实处境、情绪状态乃至当下焦虑写入指令，并且可以随时调整补充，换句话说，用户正在自己帮助大模型维护上下文去满足更个性化的占卜需求，并能够随时追问、甚至可跨事业、情感甚至健康方面，形成连续的、更全方位与自己相关的占卜体验。

但新的门槛同时出现，即如何写优质的 prompt。在小红书等平台上，已经能看到占星 Prompt 的售卖与传播；同时，在部分提示词交易平台中，占卜被单独归类为一种内容类型，一个打包好的文档通常包含完整 prompt 结构，用户购买后即可直接复制使用，但其成本远低于传统占星 App 动辄数十美元的订阅费用。

小红书平台上一份“AI 运势”教程，售价 1.99 元，已售数千份 | 图源：小红书

此外，还出现了「Waitcle」这类纯生成占星提示词的产品。它不提供解读结果，而是直接生成占星 prompt，本质上是把“如何提问”这件事产品化。「Waitcle」的逻辑非常清晰：占星解释能力已经被大模型部分免费供给，因此不再是稀缺资源；真正稀缺的，是如何组织问题。一个经过设计的 prompt，和随意输入的几个问题，在模型输出质量上可能存在显著差异。

占星 App 卖的是“答案”，「Waitcle」卖的是“怎么问”。当“怎么问”都能独立成为生意，恰恰说明用户对现有 App 给的“答案”，已经不满意到某种程度。

写在最后

这股 prompt 占卜热，恰好说明了这不是占星 App 的终点。用户手动复制指令、来回纠错、反复追问，拼出的是一套临时工作流，而不是一个理想的产品，大多数人并不享受折腾 prompt，只是暂时没有更趁手的产品可用。

这套工作流，替下一代占星产品趟出了方向。用户想要的，是一个能反复追问、记得住来龙去脉的“随身占星师”，大模型的迭代，已经粗糙实现了这一能力，谁能把用户手搓 prompt 的这份体验，原生地做进产品里，谁就能接住这波被 prompt 点燃、却还没被满足的需求。

而后续的商业化，则需要再做探索，还好，用户愿意为占星付费这个大前提，一直都在。