← 返回 Skills 市场
football-bayes
作者
wy1503huangping
· GitHub ↗
· v1.0.0
633
总下载
0
收藏
4
当前安装
1
版本数
在 OpenClaw 中安装
/install football-bayes
功能描述
利用贝叶斯统计和战术周期化，提供足球比赛胜平负概率、剧本预测及风险提示的深度赛前分析。
使用说明 (SKILL.md)
Skill: football-bayes
20年经验的足球竞彩策略官：贝叶斯统计 + 现代战术周期化。 目标：对任意给定比赛（赛程可变）进行赛前“深度研究 + 概率更新 + 剧本预测”，输出可落地的胜平负概率与风险提示。
何时使用（Trigger）
当用户出现以下意图时启用：
- “足球竞彩/胜平负/让球/剧本/概率/贝叶斯/战术克制/控球陷阱”
- 给出赛程行（如“周日023 意甲 尤文图斯 VS 拉齐奥 2026-02-09 03:45”）并要求分析
- 要求“去网上抓取数据/最新伤停/预计首发/赔率/战术分析”
输入协议（Input Contract）
用户应提供至少一条【比赛行】（可变）：
- 例：
周日023 意甲 尤文图斯 VS 拉齐奥 2026-02-09 03:45
可选补充（越多越准）：
- 盘口/赔率：欧赔/亚盘/大小球（含时间戳）
- 赛事范围：联赛/杯赛，是否两回合
- 指定数据源偏好：Opta/FBref/Understat/俱乐部官网/权威媒体等
- 输出偏好：简版/详版、只要概率/要剧本+投注建议
若缺少关键信息（同名球队、时间不明、赛事不明），必须先追问 1-3 个澄清问题再继续。
工具与数据（Data & Tools）
默认需要联网抓取，按可靠性优先级：
- 官方/权威：联赛官网、俱乐部官网、官方伤停公告、官方赛程
- 数据站：FBref、Understat（xG）、StatsBomb公开文章、Transfermarkt（伤停/阵容，需交叉验证）
- 权威媒体：路透/美联社/天空体育/ESPN/主流体育媒体
- 赔率：多家赔率对比（若仅1家，标注不确定性）
使用工具建议顺序：
web_search：搜集候选来源（至少 5 个）web_fetch：抽取正文/表格browser：对 JS 动态页面或需交互的页面抓取可见信息
分析框架（Analytical Framework）
A) Pre-Match Priors（先验）
- 建立基础胜平负先验：
- 使用 Elo（或可替代：FiveThirtyEight/ClubElo 等公开 Elo）
- 主场优势（联赛特定）
- 首发先验修正：
- 预计首发与关键位置（中轴：门将/中卫/后腰/中锋）缺阵对先验的影响
输出：
P0(胜/平/负)（先验），并说明先验数据来源与时间戳。
B) Tactical Context（战术语境 - 核心修正）
必须检查两类“结构性误判”：
1) 控球陷阱（Possession Trap）
- 若一方：场均控球率 > 60% 且 Field Tilt \x3C 50% → 判定“伪强队/无效控球风险”
- 解释：控球多但推进质量差（边后场倒脚、无有效入侵）
2) 风格克制（Style Matchup）
- 高中锋 vs 矮个防线（定位球/二点球风险）
- 反击速度 vs 慢速回追（被身后球打穿风险）
- 高位逼抢 vs 出球薄弱（失误率上升）
输出：给出 2-4 个“战术机制”句子（不是形容词堆砌），并指出它们会把概率往哪边推。
C) League Specifics（联赛特性）
按联赛选择修正项：
- SPL：高温、长补时、主场哨倾向（如有公开裁判/补时数据则引用）
- EPL：高压逼抢下的失误率、对抗强度与节奏导致的失误/转换
- 其他联赛：若无专门规则，至少考虑：赛程密度、旅行距离、裁判风格、冬歇/杯赛轮换
D) Likelihood Update（似然更新）
结合最新信息更新：
- 伤停/停赛（红牌、累计黄牌）
- 轮换与赛程密度（n天m赛）
- 临场新闻（训练、主帅发布会）
输出：
P(胜/平/负 | 数据)，并列出“导致更新的证据点”与来源。
输出要求（Output Requirements）
输出必须包含：
- 胜/平/负概率（先验 P0 与更新后 P1，给出变化原因）
- 剧本预测（Script）：至少 2 套不同剧本
- 例：
主队久攻不下→客队反击偷袭先入一球→主队后程换人提速追平/追不上
- 例：
- 无效控球警示（反面教材）
- 必须给出 1 个“控球很高但产出极低”的历史比赛案例（含 xG 数据，如“某队 xG=0.06”），并提供来源链接
- 若找不到可靠来源：必须明确说明“未找到可验证来源”，改用原则阐述，不得编造
- 关键不确定性与风险清单（至少 3 条）
可选：
- 若用户要投注建议：用“风险-回报”语言，不输出绝对化保证。
执行步骤（Procedure）
- 解析比赛行：联赛/主客/时间/场次编号；若歧义→追问。
- web_search：
- 赛程确认 + 对阵页面
- 伤停/停赛
- 预计首发
- Elo 或强度指标
- xG/Field Tilt/PPDA（可替代指标也可）
- web_fetch/browser 提取并记录来源与时间戳。
- 计算先验（Elo → 3-way 概率；若无法获得 Elo，用可替代强度指标并说明）。
- 根据战术语境与联赛特性做结构化修正。
- 用伤停/首发/赛程密度做似然更新（给出“更新方向+幅度理由”，幅度可用小数点百分比表达）。
- 产出报告（按下方模板）。
报告模板（Report Template）
- 比赛：{联赛} {主队} vs {客队} | {时间} | {来源：官方赛程链接}
- 数据时间戳：{抓取时间}
1) 先验（P0）
- Elo/强度来源：...
- P0(胜/平/负)= ... / ... / ...
- 解释：...
2) 战术语境修正
- 控球陷阱检查：...
- 风格克制：...
- 影响方向：...
3) 联赛特性修正
- 适用项：...
4) 似然更新（P1）
- 伤停/停赛：...
- 预计首发：...
- P1(胜/平/负)= ... / ... / ...
5) 剧本预测（至少2套）
- 剧本A：...
- 剧本B：...
6) 无效控球警示（反面教材）
- 案例：...
- 数据：控球... / Field Tilt... / xG=...
- 来源：...
- 启示：...
7) 风险与不确定性
- 1...
- 2...
- 3...
约束与合规（Constraints）
- 不得捏造数据、伤停、首发、赔率。
- 引用数据必须给出来源链接与抓取时间。
- 若关键数据缺失，必须明确标注“缺数据 → 降级推断”。
安全使用建议
这个技能是纯说明性、以网络抓取公开数据为基础的赛前分析工具：
- 它需要联网抓取多家公开数据源并在报告中附上来源与时间戳；安装与凭证风险很低，因为技能不要求密钥或写入磁盘。
- 在使用前确认你愿意让代理访问网页（agent 的 web_search/web_fetch/browser 工具会向外部站点请求数据），并注意不要在对话中贴入私人账户凭证或敏感数据。
- 输出依赖外部来源的质量与时效，务必核查技能提供的来源链接与时间戳；技能声明“不得捏造数据”，但模型仍可能出错或断言不准确——对关键投注决策请做二次验证。
- 如果你关心合规或博彩法律，请在使用前核实所在司法区的相关规定；若想进一步降低风险，可以先要求技能返回示例报告（包含来源链接与抓取时间）以验证其信息采集与引用行为。
功能分析
Type: OpenClaw Skill
Name: football-bayes
Version: 1.0.0
The skill bundle appears benign. It provides clear instructions for an AI agent to perform football match analysis using publicly available data. The agent is instructed to use standard web scraping tools (`web_search`, `web_fetch`, `browser`) to gather information from specified sources (official sites, data sites, media). There is no evidence of malicious intent such as data exfiltration, unauthorized command execution, persistence mechanisms, or prompt injection attempts designed to subvert the agent's core function. The `SKILL.md` emphasizes data integrity and source citation.
能力评估
Purpose & Capability
技能声明是用贝叶斯统计与战术周期化做赛前概率与剧本预测，SKILL.md 中的工具与数据需求（网络抓取、Elo、xG、赔率、新闻、首发等）与该目标相匹配；它不请求额外的云/第三方凭证或本地配置，要求合理且比例适当。
Instruction Scope
指令明确要求使用 web_search/web_fetch/browser 抓取公开来源、记录时间戳与来源链接，并禁止捏造数据；没有指示读取本地文件、环境变量或将数据发送到与任务无关的外部端点。唯一需要注意的是它依赖联网抓取公开信息，这在功能上是必要的且被清楚限定。
Install Mechanism
无安装规范、无代码文件——这是指令式技能的常见低风险形式，不会在本地写入或执行下载内容。
Credentials
不要求任何环境变量、密钥或配置路径（primary credential / requires.env 都为空），所需权限与描述的功能相称。
Persistence & Privilege
不设置 always:true，默认可被模型调用（平台默认），没有请求修改其他技能或系统配置的指示，持久存在与特权申请正常且有限。
如何使用
- 确保已安装 OpenClaw（本地或 Docker 部署）
- 在对话框中输入安装命令：
/install football-bayes - 安装完成后，直接呼叫该 Skill 的名称或使用
/football-bayes触发 - 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.0.0
football-bayes 1.0.0
- 首次发布：基于贝叶斯统计结合现代战术周期化的足球竞彩（胜/平/负）概率分析和剧本预测工具。
- 支持自动联网抓取权威数据（赛程、伤停、首发、赔率、xG等），按优先级使用多工具（web_search、web_fetch、browser）。
- 严格执行先验胜平负估算（Elo/强度），战术情境关键修正（控球陷阱、风格克制）、联赛特性及似然更新。
- 输出含详细概率、两套以上剧本预测、历史无效控球案例（含xG来源）、不确定性风险清单，并引用所有数据源。
- 完善输入协议，自动澄清关键信息不足，合规保障：禁止数据捏造，缺失信息须降级推断并提示。
- 标配中文输出模板，适用所有主流联赛
元数据
常见问题
football-bayes 是什么？
利用贝叶斯统计和战术周期化，提供足球比赛胜平负概率、剧本预测及风险提示的深度赛前分析。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 633 次。
如何安装 football-bayes？
在 OpenClaw 或 Claude Code 对话框中运行命令「/install football-bayes」即可一键安装，无需额外配置。
football-bayes 是免费的吗？
是的，football-bayes 完全免费（开源免费），可自由下载、安装和使用。
football-bayes 支持哪些平台？
football-bayes 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。
谁开发了 football-bayes？
由 wy1503huangping（@wy1503huangping）开发并维护，当前版本 v1.0.0。
推荐 Skills