- name
- football-prediction-optimized
- version
- 1.0.0
- description
- 使用优化后的提示词对足球比赛进行预测，支持批量筛选(stage1)和单场比赛预测(stage2)
- disable-model-invocation
- false
足球预测优化技能
这个技能使用经过自我优化系统优化的最佳提示词，对足球比赛进行专业预测。包含两个阶段：
- Stage1 批量筛选：对同一比赛日的多场比赛进行横向比较，筛选出最适合预测的高质量场次。
- Stage2 单场比赛预测：对单场比赛进行深入分析，预测胜平负结果，并计算CLV收益预估。
功能特性
Stage1 批量筛选
- 多维评估：从数据完整性、市场清晰度、基本面优势、预测潜力、风险等级5个维度评分
- 智能筛选：根据综合评分自动筛选评分>6.0的比赛，数量控制在3-8场
- 结构化输出：JSON格式的筛选结果，包含详细评分和筛选理由
Stage2 单场比赛预测
- 综合分析：结合基本面分析、市场分析、数据质量评估、风险因素识别
- CLV收益预估：预测主胜、平局、客胜三个选项的CLV值（收盘赔率变化值）
- 置信度评估：提供0-1的置信度评分
- 风险提示：列出主要风险因素
使用方法
方法1：通过OpenClaw技能调用
当用户需要足球比赛预测时，技能会自动触发：
- "批量筛选今天的所有比赛"
- "预测这场比赛的结果"
- "分析这场比赛并给出CLV预估"
方法2：直接使用Python脚本
# Stage1 批量筛选
python3 /Users/cjy/.openclaw/workspace/skills/football-prediction-optimized/football_prediction.py stage1 --input batch_fet_txt.txt
# Stage2 单场比赛预测
python3 /Users/cjy/.openclaw/workspace/skills/football-prediction-optimized/football_prediction.py stage2 --input single_fet_txt.txt方法3：与lota-football技能配合使用
# 1. 使用lota-football获取比赛特征文本
# 2. 将特征文本保存到文件
# 3. 使用本技能进行预测
python3 football_prediction.py stage2 --input fet_txt.txt输入格式
Stage1 输入
多场比赛的特征文本，每场比赛的特征文本用===分隔：
{第一场比赛的特征文本}
===
{第二场比赛的特征文本}
===
...Stage2 输入
单场比赛的特征文本（完整fet_txt格式）
输出格式
Stage1 输出
{
"date": "比赛日期",
"total_matches": 总比赛数量,
"selected_matches": [
{
"lota_id": "比赛唯一ID",
"home_team": "主队名称",
"away_team": "客队名称",
"league": "所属联赛",
"score": 综合评分,
"data_completeness": 数据完整性得分,
"market_clarity": 市场清晰度得分,
"fundamental_strength": 基本面优势得分,
"prediction_potential": 预测潜力得分,
"risk_level": 风险等级得分,
"decision": "KEEP",
"reason": "筛选理由"
}
],
"summary": {
"total_selected": 选中比赛数量,
"average_score": 平均综合评分,
"selection_rate": 选中比例
}
}Stage2 输出
{
"lota_id": "比赛唯一ID",
"prediction": "H/D/A",
"confidence": 0.85,
"reasoning": [
"理由1：...",
"理由2：...",
"理由3：..."
],
"clv_estimates": {
"home": 0.02,
"draw": -0.01,
"away": 0.03
},
"risk_factors": [
"风险因素1",
"风险因素2"
],
"timestamp": "2026-03-28 10:30:00"
}环境变量
DEEPSEEK_API_KEY: DeepSeek API密钥（必需）DEEPSEEK_BASE_URL: DeepSeek API基础URL（可选，默认：https://api.deepseek.com）
技术实现
- 模型调用：使用DeepSeek API（deepseek-chat模型）
- 提示词优化：使用自我优化系统得到的最佳提示词
- 错误处理：网络重试、格式验证、异常捕获
- 性能优化：异步调用、缓存机制
与现有技能集成
与lota-football技能集成
- 使用lota-football技能获取比赛列表和特征文本
- 将特征文本传递给本技能进行预测
- 结合两个技能的结果进行综合决策
与odds-plotter技能集成
- 使用odds-plotter技能绘制赔率走势图
- 使用本技能进行预测分析
- 结合图表和预测结果进行深度分析
示例用例
用例1：每日比赛筛选
用户：筛选今天所有竞彩比赛，推荐3-8场高质量比赛
流程：
1. lota-football获取今日比赛特征文本
2. Stage1批量筛选
3. 输出推荐比赛列表用例2：单场比赛深度分析
用户：深度分析曼联对切尔西这场比赛
流程：
1. lota-football获取该场比赛特征文本
2. Stage2单场比赛预测
3. 输出预测结果和CLV预估用例3：批量预测与筛选
用户：批量预测今天所有比赛，并筛选出最有价值的比赛
流程：
1. lota-football获取今日所有比赛特征文本
2. Stage2逐个预测每场比赛
3. 根据置信度和CLV值进行排序筛选错误处理
- API调用失败：自动重试3次，使用指数退避
- 输入格式错误：提示正确的输入格式示例
- 模型输出格式错误：尝试解析或使用备用提示词
- 环境变量缺失：提示设置必要的环境变量
性能考虑
- 批量处理时限制并发数，避免API限制
- 使用本地缓存存储频繁查询的比赛数据
- 支持断点续传，避免重复处理
更新日志
v1.0.0 (2026-03-28)
- 初始版本，基于自我优化系统的最佳提示词
- 支持Stage1批量筛选和Stage2单场比赛预测
- 与lota-football技能无缝集成