Worldcup Deep Analysis

世界杯单场深度分析 Skill

把一场比赛变成"全维度数据 + 校准概率 + 可读报告"。自包含：只用联网搜索 + 推理，无需付费 API、密钥或服务器。

何时用

• 用户给出两队（"巴西 vs 摩洛哥"），或给出时间（"今天北京时间 6 点那场"）要分析/预测。
• 用户要赛前预览、胜平负概率、比分预测、大小球判断。

铁律（先读，全程遵守）

1. 先确认比赛状态：若已开赛/已结束，直接给当前比分或最终结果，不要照常做赛前预测。
2. 标注来源与时效：每项硬数据注明来源与获取时间；首发取赛前约 1 小时最新版，标注"预测/已确认"。
3. "推断"必须标注：教练稳定性、裁判心理等模型推断一律加 (推断)，不得伪装成数据。
4. 概率要克制、自洽：1X2 三者之和 ≈ 1（±0.02）；给区间不假精确；写明主要不确定性。
5. 缺失即"暂无"：查不到的字段写"暂无"，绝不编造。
6. 全程中文；免责声明必带（仅供娱乐、非投注建议）。

参考文件（按需读取，路径相对本 skill 目录）

• references/dimensions.md — A–J 维度采集清单（搜什么 / 来源 / 时效 / 落到哪个 JSON 字段）。
• references/prediction-model.md — 首选概率来源：训练好的 Elo 多因子引擎 v6（192 场真实赛果训练），调用方法 + 输出映射。
• tools/predict.mjs — 上述模型的零依赖可执行脚本，node tools/predict.mjs --rankHome .. --rankAway .. 直接输出校准概率。
• references/scoreline-math.md — 底层数学原理（Poisson/Dixon-Coles + 市场校准）；手算兜底与公式说明。
• references/sources.md — 推荐来源与可信度分级。
• references/disclaimer.md — 统一免责声明文案。
• templates/report.md — Markdown 报告模板。
• templates/report.html — 移动端自包含 HTML 模板。
• ../schema/analysis.schema.json — 「分析 JSON」契约。
• ../samples/brazil-morocco.json / .report.md / .html — 完整范例（参照其结构与风格）。

执行步骤

步骤 1：确认对阵、时区与状态

• 若用户只给时间：联网搜" 世界杯 赛程 对阵"确认是哪两队。
• 时区换算示例：北京 06:00 = 美东前一日 18:00 = 22:00 UTC。在报告开头注明换算与确认结果。
• 联网确认 meta.status：scheduled / live / finished。
• 若 live 或 finished：直接告知用户当前比分或最终结果与简要说明，停止常规预测（可应要求做赛后复盘）。
• 默认输出北京时间；用户指定时区则以其为准，并同时给出 UTC / 当地 / 北京三个时间。

步骤 2：逐维度联网搜集 → 填充「分析 JSON」

• 打开 references/dimensions.md，按 A–J 逐项搜集；每项落到对应 JSON 字段。
• 多源交叉，记录来源与获取时间到 sources[]；冲突时取多源一致并把分歧写入 uncertainties[]。
• 重点别漏：近况/交锋、主帅与阵型、预测首发+替补、伤停/停赛、裁判组、球场/海拔/天气、赔率。

步骤 3：估算概率（优先调用训练好的 v6 模型）

• 首选：读 references/prediction-model.md，运行训练好的引擎：

node tools/predict.mjs --rankHome --rankAway [--host home|away|neutral] [--alt 海拔] [--kaHome/--kaAway 核心缺阵数] [--formHome/--formAway 近期净胜球趋势] 把输出（homeWin/draw/awayWin、egHome/egAway、scoreProbs、over25、bttRatio、blowoutProb、upset*）按 prediction-model.md 的「输出映射」表填入 model（p1x2、scorelinetop、totals、btts、xg、lambda）。

• 有市场赔率时：在脚本输出基础上按 scoreline-math.md「③市场赔率校准」向去水隐含概率小幅微调，校准幅度写入 uncertainties[]。
• 跑不了 node 时：按 references/scoreline-math.md 用 V6_PARAMS 手算 Poisson + Dixon-Coles（结果与脚本一致）。
• 概率必须来自模型，不得拍脑袋；填完 model 后再写 scenarios、key_variables。
• 诚实：精确比分命中有物理上限（~16–17%），不要宣称"基本都对"；样本少/新帅/伤兵潮时降低确信度。

步骤 4：自洽校验

• 1X2 之和必须在 1 ± 0.02；各盘口 over+under ≈ 1；scoreline 概率非负、合理。
• 不通过就回炉重算，不要输出自相矛盾的数字。

步骤 5：撰写叙事/解读

• 填 narrative.by_dimension 各维度"结论 + 对比分的影响"，与 one_line_verdict。
• 裁判心理、教练稳定性等写进对应 (推断) 字段并在报告中保留 (推断)。

步骤 6：渲染输出

• 默认：按 templates/report.md 渲染完整 Markdown 报告（参照 samples/brazil-morocco.report.md）。
• 用户要"网页/HTML"时：另按 templates/report.html 渲染移动端页面（参照 samples/brazil-morocco.html）；

概率条宽度把 0.55 → 55%。整页自包含、无外部依赖。

• 渲染前确认：无残留 {{}} 占位、(推断) 标记保留、免责声明在文末。

步骤 7：（可选）部署

• 仅当用户明确要求部署、且本身已授权目标服务器时，才推送 HTML 到站点目录；否则只交付文件。
• 部署属外发动作，先确认目标与覆盖范围。

质量自检清单（交付前）

• [ ] 已确认对阵/时区/状态；已开赛则给比分而非预测。
• [ ] A–J 维度尽量齐全，缺失写"暂无"，硬数据有来源+时间。
• [ ] 首发标注"预测/已确认"+时效；(推断) 字段已标注。
• [ ] 1X2 之和 ≈1；比分表/大小球/BTTS 口径一致；给了区间与不确定性。
• [ ] 报告无残留占位符；中文；含免责声明。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: netz888
• Source: netz888/worldcup-deep-analysis
• License: MIT

Install and usage instructions live in the source repository linked above.