7.4 构造示例①:期望进球 xG 的简化模型思路
构造示例
内容太多,看不完或者看不太懂?
复制一段话发给你的 AI,它会自己读完官方文档、装好技能包,再来回答你的问题。
点这里复制给 AI →
想知道每项数据覆盖了哪些赛事?
88 项赛事的数据项覆盖情况一览:赛程比分、首发阵容、球员与球队统计、进阶指标、伤停、天气等,每日自动统计并如实公开。
查看数据覆盖说明 →
把下面这段发给你的 AI,它就知道该做什么
点「复制全文」,粘贴到你的 AI 对话框发送即可,无需改动。
你正在阅读球小策(www.qiuxiaoce.com)的官方文档或数据服务页面。请按下面 5 步执行,不要跳步。
【预备】我的专属数据密钥是 X-API-Key = [在此粘贴你的 Key]
(第 2 步和第 3 步都会用到它;还没有密钥,先到 https://www.qiuxiaoce.com/data-account/ 免费领取)
━━━ 第 0 步 · 三条硬性纪律 ━━━
1. 凡涉及指标定义、接口参数、计费规则、准确率口径的问题,一律以站内官方文档为准,不要凭记忆作答;文档里没写的,就直接告诉我「文档未说明」。
2. 如果你无法访问下面任何一个网址,请立刻停下来告诉我,不要用记忆里的内容顶替。
3. 本站只做数据分析,不提供任何投注建议,也不做准确率承诺。回答时请守住这条边界。
━━━ 第 1 步 · 遍历官方文档(100+ 篇,按需取,别一次全拉)━━━
· 取全量目录(公开接口,无需密钥,返回全部篇章的标题与 slug):
GET https://www.qiuxiaoce.com/wp-json/abv2-creator/v1/docs
· 读单篇正文(把 {slug} 换成上一步拿到的标识):
GET https://www.qiuxiaoce.com/wp-json/abv2-creator/v1/docs/{slug}
· 人读版页面(适合只能浏览网页、拿不到 JSON 的环境):
https://www.qiuxiaoce.com/creator-docs/{slug}/
· 接口文档(全部数据接口的用途、参数、计费与真实返回示例):
https://www.qiuxiaoce.com/data-docs/
做法:先取目录 → 判断我的问题涉及哪几篇 → 只读那几篇 → 回答时注明依据的篇名或链接。
━━━ 第 2 步 · 先判断你自己的能力,再选路径(关键,不可跳过)━━━
· A 类:能在本机读写文件或执行命令——桌面/终端类 AI 工具(WorkBuddy、Qoder、Trae 等)
· B 类:只能对话,访问不了文件系统——网页版对话(豆包、通义千问、Kimi 等)
【A 类 · 安装官方 Skill(推荐)】
1. 取最新版本信息:
GET https://www.qiuxiaoce.com/wp-json/abv2-creator/v1/skill/version
返回 version、download_url、sha256 校验清单、文件列表与更新说明。
2. 按 download_url 下载技能包,并用返回的 sha256 逐文件校验。
3. 解压到你的技能目录,保持包内顶层目录结构;按包内 SKILL.md 完成初始化。
4. 写入我的专属密钥(即上文【预备】里的 X-API-Key)。
5. 装完告诉我:版本号、安装位置、密钥是否已生效。
【B 类 · 装不了就照实说,不要假装】
不要声称已安装,也不要拿记忆里的内容替代文档。请直接对我说:
「当前环境不支持安装 Skill(无法读写本地文件)。有两个办法:
① 改用支持 Skill 的桌面 AI 工具,如 WorkBuddy、Qoder、Trae;
② 把你的 API Key 给我,我按官方接口文档直接取数分析。」
如果你连「打开指定网址」都做不到,请把这一点也一并告诉我。
━━━ 第 3 步 · 直接用接口取数(两条路径都适用)━━━
· 接口根地址:https://www.qiuxiaoce.com/wp-json/abv2-creator/v1
· 认证方式:请求头带上【预备】里的 X-API-Key
· 想先试不扣点数的接口,看 https://www.qiuxiaoce.com/data-docs/ 里标注为免费的端点。
· 大批量调用前先查一次剩余点数,避免跑到一半失败。
━━━ 第 4 步 · 遇到报错,先查官方排障手册再重试 ━━━
排障手册:https://www.qiuxiaoce.com/creator-docs/api-error-codes-troubleshooting/
· 401:Key 缺失、格式不对,或该 Key 已被重置/吊销(控制台执行「重置 Key」后旧 Key 立即失效,错误码 api_key_revoked 即属此类)→ 到 https://www.qiuxiaoce.com/data-account/ 复制最新完整 Key,并同步更新所有已配置该 Key 的脚本与客户端
· 402:点数不足或已过期 → 需到 https://www.qiuxiaoce.com/data-service/ 充值
· 403:接口未开放,或权限不足(个别场次报告需要订阅)
· 404:实体 ID 或接口路径写错
· 429:请求过快,按响应头 Retry-After 等待后重试
报错时请把原始错误信息原样转述给我,不要猜原因。
━━━ 第 5 步 · 回答我时的要求 ━━━
· 区分「官方事实数据」「接口返回的判断字段」「衍生评分」「你自己的推断」四类,不要混着说。
· 使用 xG、xGA、OTI、DII 这类指标前,先按文档校正口径;样本不足要在结论里注明。
· 缺数据就说缺什么,不要用「大概」「可能」糊过去。
· 不给投注建议,不承诺准确率。
· 如果回答主要依据了某篇文档,请把链接带上,方便我自己核对。
复制后直接发给你的 AI(豆包、千问、WorkBuddy、Qoder 等都可以)。
这是四个构造示例里的第一个,也是最经典的一个。我们的目标是理解思路,实现交给 AI。
一、xG 的本质是什么?
一句话:把「一次射门」换算成「它值多少个进球」。
一次射门要么进、要么不进,是二元的。但它的「质量」是有高低的——禁区中央的推射和禁区外三十米的远射,价值完全不同。xG 就是给每次射门标一个「进球的期望值」。
关键理解:xG 衡量的是机会质量,不是结果。一次 xG 0.8 的射门打飞了,它仍然是 0.8——你不能因为没进而否定这次机会的价值。
二、构造 xG 有哪三个可用信号?
| 信号 | 为什么有用 | 你手上有吗 |
|---|---|---|
| 射门位置 | 离球门越近、角度越好,进球概率越高——这是影响最大的因素 | 技术统计或事件流里通常有 |
| 射门方式 | 点球、头球、脚射、任意球的转化率差别很大 | 事件流里有 |
| 助攻前的传球类型 | 直塞单刀和边路传中的质量完全不同 | 部分数据源有,可能缺失 |
三个信号里,位置一项就能解释大部分差异。这也是为什么很多简化版 xG 只用位置分档,效果就已经不错了。
三、让 AI 帮你做一版教学版 xG是什么?
不要自己写代码。把下面这段发给 AI,它会先给你设计,你确认后再实现。
💬 做一个教学版 xG(先要设计,再要实现) 实战
我想做一个简化版的预期进球(xG)模型,用来【说明你的用途,例如:给一场比赛算出手机会的质量总量】。
我手上有这些数据:【说明你有的数据,例如:每场比赛的射门数、射正数、比分;或者有射门位置和方式的事件流】
请按四步帮我,<strong>每一步做完停下来等我确认</strong>:
第一步 · 设计
1. 用大白话说清这个模型算什么、输出什么;
2. 基于我手上的数据,你打算用哪几个信号?为什么用这几个、放弃哪些?
3. 分档方案怎么设计(按位置分几档、每档给什么权重)?说明你的判断依据;
4. 指出这个设计最脆弱的地方(例如某个信号的样本量可能不够)。
第二步 · 实现
用我能复现的方式给出算法说明(分步骤的文字或表格,不要代码),我要能在表格软件里手工复现一遍。
第三步 · 验证
告诉我怎么检验这版模型靠不靠谱:
- 用什么指标判断(例如预测值和实际进球的偏差);
- 需要多少样本才有意义;
- 如果我只有少量数据,该怎么办。
第四步 · 边界
明确指出:这版模型和生产级 xG 的差距在哪,哪些结论不能拿它下。
先做第一步,做完停下来等我确认。
四、怎么验证你做出来的东西靠不靠谱?
这是绝大多数人跳过的一步,也是最重要的一步。三个层次的检验,从弱到强:
| 层次 | 做法 | 能发现什么 |
|---|---|---|
| 常识检验 | 算出来的数值范围和直觉一致吗? | 明显的设计错误(例如全队一场 12 个 xG) |
| 相关性检验 | 它和实际进球的相关性有多高? | 这个指标到底有没有信息量 |
| 对比检验 | 用它判断和用「平均进球数」判断,哪个更准? | 它有没有带来增量信息 |
第三个层次最关键,也最容易被忽略:如果一个复杂指标的表现,跟一个简单平均值差不多,那它就没有价值。完整的验证方法见 7.9 验证指标有效性。
💬 让 AI 检验你做的指标到底有没有用 实战
我做了一个【指标名】,用来预测【目标】。请你帮我检验它到底有没有价值。
我手上的数据是我的指标数值 + 对应的实际结果,例如:
【粘贴:指标值 和 实际结果,一行一条】
请做三件事:
1. <strong>相关性</strong>:算一下我的指标和实际结果之间的相关程度,并解释这个数值代表什么(不要只说数字,要告诉我算强还是算弱);
2. <strong>增量检验</strong>:把它和一个「什么都不看、直接猜平均值」的基准对比——我的指标是不是真的带来了额外信息?
3. <strong>分组检验</strong>:按指标高低把我的样本分成 3 到 4 组,看各组的实际结果是不是单调变化。如果不是单调的,说明什么?
最后给我一句结论:这个指标值不值得继续用?如果不值得,指出问题可能出在哪。
如果我的样本太少(少于 30 条),请直接说样本不足,不要硬算。
五、做 xG 有哪两个必须避免的错误?
错误一:用结果反推质量。看到某队 3:0 赢了,就说「这场 xG 一定很高」。这是倒因为果——xG 看的是机会,不是比分。高 xG 输球的比赛每天都在发生。
错误二:跨数据源比较。不同机构的 xG 模型参数不同,同一场比赛可能差 0.5 以上。对比时必须用同一套口径——这也是我们只提供自有口径数值、不建议跨源比大小的原因。
六、教学示例与生产数据的差异是什么?
| 你的教学版 | 生产级 xG | |
|---|---|---|
| 信号 | 1~3 个(位置为主) | 十余个(含防守压力、门将位置等) |
| 分档 | 粗分几档 | 连续函数 + 大量样本标定 |
| 用途 | 理解逻辑、做定性判断 | 直接影响分析结论 |
| 能不能对发布出去 | 不能宣称等同于专业 xG | — |
做这个练习的价值在于理解「机会质量」这个概念,而不是造一个能对外发布的产品。真要对外用数值,直接用我们接口返回的
xg字段更靠谱。
下一步该看什么?
- 下一个构造示例 → 7.5 用滚动窗口构造攻防强度指数
- 权重怎么定 → 7.8 权重怎么定
- 怎么验证有效性 → 7.9 验证指标有效性
足球赛事前瞻 | AI 智能分析 | 足球数据解读 - 球小策