核心定位
football-bayes 是一款面向足球竞彩的深度分析技能，将贝叶斯概率更新框架与现代足球战术周期化理论相结合，通过联网抓取实时数据源（FBref、Understat、Transfermarkt、官方赛程等），构建"先验概率→战术修正→似然更新"的三层推断体系。
核心用法
用户输入比赛行（如"周日023 意甲 尤文图斯 VS 拉齐奥"），技能自动执行：
1. 数据抓取：按优先级搜索官方赛程、伤停公告、预计首发、Elo评级、xG数据
2. 先验建立：基于Elo或替代强度指标计算基础胜平负概率 P0
3. 战术语境修正：识别"控球陷阱"（高控球+低Field Tilt）与风格克制（如高中锋vs矮防线、反击速度vs慢回追）
4. 联赛特性修正：针对特定联赛（如英超高压失误、西甲高温补时）调整参数
5. 似然更新：整合最新伤停、轮换、临场新闻得到 P1
6. 剧本输出：至少2套比赛发展剧本+1个"无效控球"反面案例（需附xG数据与来源）
显著优点
- 方法论扎实：贝叶斯框架确保概率可更新、可追溯，避免单次预测的绝对化
- 数据源分级：明确区分官方/权威媒体/数据站/赔率的可靠性层级
- 战术深度：引入Field Tilt、PPDA、风格克制等现代足球分析指标，超越传统赔率对比
- 反脆弱设计：强制输出"关键不确定性清单"与"无效控球警示"，抑制过度自信
- 可验证性：所有数据要求附来源链接与时间戳，缺数据时明确降级推断
潜在缺点与局限性
- 数据依赖性强：若FBref/Understat等数据源失效或延迟，分析质量显著下降
- Elo覆盖盲区：低级别联赛、新兴俱乐部可能缺乏可靠的Elo数据
- 战术标签化风险：风格克制判断依赖统计相关性，个体比赛存在随机性
- 中文数据薄弱：中文语境下的权威信源（如懂球帝、虎扑）未被明确纳入优先级
- 实时性瓶颈：预计首发常在赛前1-2小时才公布，早期分析存在不确定性
- 合规边界模糊："投注建议"虽用"风险-回报"语言包装，但仍可能触及部分地区博彩监管
适合人群
- 具备基础概率思维的足球竞彩研究者（理解Elo、xG、贝叶斯更新概念）
- 追求系统化分析框架、厌恶"感觉派"推荐的用户
- 愿意投入时间验证数据来源、接受概率化表达（非确定性预测）的理性玩家
- 体育数据分析师、足球战术研究者作为辅助研究工具
常规风险
- 模型风险：贝叶斯先验选择主观，不同Elo来源可能导致概率差异5-15%
- 数据伪造风险：用户需警惕技能是否严格执行"缺数据→降级推断"承诺
- 过度拟合风险：战术修正项过多时，可能放大噪声而非信号
- 执行偏差：web抓取失败、JS动态页面解析错误可能导致信息缺失
- 成瘾性风险：技能输出"剧本预测"与"投注建议"可能强化用户赌博行为
- 法律合规风险：部分司法管辖区禁止博彩分析服务，用户需自行确认合法性
来源可信度评估
方法论层面参照公开学术文献（贝叶斯统计、足球分析学），但具体执行依赖第三方数据站（FBref等属T2级聚合源），综合评定为 T2。
安全等级
数据抓取涉及外部网站，无代码执行权限；输出含概率预测与间接投注建议，存在诱导赌博风险。综合评定 B级：需用户自行承担数据准确性与合规责任。