【Skill 创作】jingcai-football-deepflow：用泊松分布做竞彩足球深度分析
1、Skill 简介
jingcai-football-deepflow 是一个竞彩足球九步结构化深度分析 Skill。它覆盖五大联赛、欧战、亚冠、世预赛及中日韩联赛，完整分析流程包含九个维度：先验建立 → 战术语境修正 → 联赛特性修正 → 似然更新 → xG泊松比分预测 → 剧本预测 → 无效控球警示 → 风险与不确定性 → 联赛比分特征+盘外因素修正。每一步都要求给出数据出处和计算过程，拒绝"我觉得"式拍脑袋分析。
配套四个资源文件：数据源清单（18个验证源+6个屏蔽源）、联赛进球基准表（13个联赛）、泊松概率计算脚本（命令行一行出结果）、分析报告标准模板。
适合人群：竞彩玩家、足球博主/内容创作者、对体育数据分析和贝叶斯统计感兴趣的同学。
2、使用场景
我为什么想做它？
平时看球、分析比赛，发现大多数人的赛前分析都是"我觉得主队稳"、"客队最近状态好"这种拍脑袋式判断。即使有些博主会贴数据，也往往是选择性展示——只放对自己结论有利的数据。
更具体地说，之前遇到的麻烦：
-
分析没结构：每次看比赛想认真分析一下，但不知道从哪入手，东看一个数据西看一个，最后还是靠直觉下结论
-
不会算概率：知道泊松分布可以预测比分，但手动算太麻烦，网上工具又不够灵活
-
忽略关键因素：经常忘了看伤停、天气、赛程密度、裁判风格这些能实际影响结果的变量
-
数据源混乱：百度搜出来的分析文章大量来自搜狐、百家号等UGC平台，数据真假难辨，经常被带偏
做出来之后能省掉什么？
-
不用自己到处翻数据，Skill 内置 18 个验证数据源的分级清单（Tier 1-3），告诉你该去哪拿、拿什么
-
不用手算泊松概率，配套
poisson-calc.py一行命令出完整矩阵 -
不用担心分析遗漏，九步流程强制你把每个维度都过一遍
-
输出是标准化的分析报告，直接可以发社区或做内容素材
-
数据源自带"排雷指南"——明确列出 6 个 UGC 屏蔽源（搜狐/头条/百家号/知乎/微博/懂球帝文章区），再也不会被垃圾数据误导
3、创作过程
核心设计思路：把"拍脑袋"变成"算出来"
我给这个 Skill 定了几个原则：
原则一：拒绝"我觉得"，每个结论都要给数据出处
所以第一步就是强制数据采集，列出了必须拿到的 8 类数据（xG/xGA、近 10 场战绩、主客分开战绩、H2H、伤停、预测首发、盘口、大小球），并且明确要求——拿不到就声明缺失，不能编。
原则二：用贝叶斯思维，而不是简单平均
单纯用"场均进球"预测太粗糙了。我的做法是：
- 先验：用赛季整体主/客场进球均值作为基础
- 后验：用对手防守水平、伤停、天气、赛程密度等系数调整先验
这样算出来的期望进球数，比直接看场均进球合理得多。
原则三：泊松分布给出概率，而不是"稳赢"
用后验的 μ₁、μ₂ 生成 0:0 到 4:4 的比分概率矩阵，直接告诉你每个比分的概率是多少、胜平负各多少、大小球多少。让用户看到的是概率分布，而不是一个武断的结论。
原则四：超越数据，加入足球理解
纯数据不够，第六步"战术克制与剧本预测"是我认为最有意思的部分——分析双方阵型对位、高位压迫 vs 防反、定位球攻防，然后预判比赛可能走的"剧本"（主队控盘 / 客队偷袭 / 闷平 / 对攻）。
配套资源
为了让整个流程可执行，我做了 5 个配套文件：
| 文件 | 作用 |
|---|---|
SKILL.md |
Skill 主文件，定义七步流程 |
analysis-template.md |
分析报告标准模板，填空即用 |
poisson-calc.py |
泊松概率计算脚本，命令行一行出结果 |
league-baselines.md |
各联赛进球基准数据（五大联赛+欧战+亚洲赛事） |
data-sources.md |
数据源清单和采集流程 |
关键提示词设计
Skill 的 triggers 覆盖了常见场景：
竞彩、足球分析、赛事预测、贝叶斯足球、比分预测、赔率分析、大小球、让球盘
调用示例：
用 jingcai-football-deepflow 分析下周六利物浦 vs 阿森纳
4、使用步骤
Step 1：在 SOLO 中输入触发词 + 你想分析的比赛
用 jingcai-football-deepflow 分析本周六英超利物浦 vs 阿森纳
Step 2：Skill 自动执行七步流程
-
步骤 内容 产出 ① 基础信息卡 赛事、时间、球场、裁判、天气 结构化信息表 ② 数据采集 从 Tier 1-3 数据源获取 xG、战绩、伤停、盘口 8 类数据清单 ③ 先验建立 联赛平均进球 + 主/客场进球均值 + 积分榜排位差 P0(胜/平/负) ④ 战术语境修正 控球陷阱检查 + 风格克制分析 2-4个战术机制句 ⑤ 联赛特性修正 按联赛选择修正项（如沙特联高温+长补时） 系数调整 ⑥ 似然更新 伤停×0.85 0.95、天气×0.90、战意×1.051.10μ₁、μ₂ + P1(胜/平/负) ⑦ 泊松比分预测 泊松分布计算比分概率矩阵 Top比分+胜平负+大小球 ⑧ 剧本预测 战术对位 + 四种剧本概率 主队控盘/客队偷袭/闷平/对攻 ⑨ 联赛特征+盘外因素修正 联赛比分画像 + 2-4个关键盘外因素 最终比分修正
Step 3：如果想自己算泊松概率，可以运行配套脚本
python poisson-calc.py 1.81 1.05
输出包括 Top 8 比分、胜平负、大小球（1.5/2.5/3.5）、双方进球、让球盘模拟。
5、效果展示
以"利物浦 vs 阿森纳"为例，展示分析流程的核心输出：
贝叶斯后验计算过程：
先验：λ₁ = 2.3（利物浦主场进球均值），λ₂ = 1.6（阿森纳客场进球均值）
后验调整：
μ₁ = 2.3 × (1.1/1.4) × 1.00 ≈ 1.81
μ₂ = 1.6 × (0.9/1.3) × 0.95（萨卡可能缺席）≈ 1.05
泊松矩阵输出（poisson-calc.py）：
🎯 Top 8 最可能比分：
1:1 10.92% ████████████
1:0 10.37% ███████████
2:1 9.39% █████████
2:0 8.50% ████████
0:1 6.36% ██████
0:0 6.05% ██████
3:1 5.67% █████
1:2 5.74% █████
⚖️ 胜平负：
主胜：54.88%
平局：23.03%
客胜：21.84%
⚽ 大小球：
大 2.5：54.21% 小 2.5：45.79%
🎯 双方进球：是 53.21% 否 46.79%
对比传统分析方式：
| 维度 | 传统分析 | 本 Skill |
|---|---|---|
| 分析结构 | 随意，想到哪说到哪 | 固定七步，不遗漏 |
| 数据来源 | 选择性展示 | 强制采集 8 类数据，缺失标注 |
| 比分预测 | “感觉 2:1” | 泊松分布给出概率：2:1 = 9.39% |
| 关键因素 | 容易忽略伤停/天气/赛程 | 系数化调整（伤停 0.85-0.95、大雨 0.90 等） |
| 战术分析 | 泛泛而谈 | 阵型对位 + 四种剧本概率 |
| 输出格式 | 段落文字，不可复用 | 标准化 Markdown 模板 |
6、Skill 链接
Skill 名称：jingcai-football-deepflow
配套文件：
analysis-template.md— 分析报告标准模板poisson-calc.py— 泊松概率计算脚本league-baselines.md— 各联赛进球基准数据data-sources.md— 数据源清单和采集流程
7、总结与思考
最满意的地方：
-
七步流程是核心价值。它不是简单地让 AI “分析一下这场比赛”，而是强制执行一个可复现的分析框架。每一步都有明确的输入、输出和计算方法，别人看了能学会、能复现。
-
贝叶斯后验更新是亮点。单纯用赛季均值太粗糙，加入对手防守水平、伤停、天气等系数后，预测的期望进球数更贴近实际。这个思路可以迁移到其他体育分析场景。
-
配套资源完整。不只是给了一个 Skill 描述，而是配套了计算脚本、数据模板、联赛基准、数据源清单，形成了一个可执行的工具包。
实际使用中的发现：
- 赛季前 5 轮数据方差太大，先验不可靠，需要加权使用上赛季数据
- 杯赛（尤其是淘汰赛）和联赛风格差异大，不能混用基准数据
- 泊松分布对 0:0 和高比分（>4 球）的预测偏差较大，需要结合足球经验修正
后续优化方向：
- 接入 football-data.org API，实现数据自动采集（目前还是半手动）
- 增加 Elo Rating 联动，用历史实力排名辅助先验校准
- 支持竞彩串关分析（多场比赛联合概率计算）
- 增加赛季末"保级/争冠心态"系数
给体验者的建议：
- 第一次用建议选一场五大联赛的比赛，数据最全、分析效果最好
- 可以先跑
poisson-calc.py体验一下泊松矩阵的输出 - 重要声明：本 Skill 仅做数据分析和娱乐性预测，不构成投注建议。竞彩有风险，理性参与。
新版本新增了步骤【已更新】
