mirofish-predictorlisted

# MiroFish Predictor（多智能体预测引擎 SOP） 本技能定义了一个多维度预测框架。当用户要求对某个事件进行预测时（尤其是体育赛事），按照以下流程执行。 ## 核心思路 借鉴 MiroFish 的"平行世界推演"理念：**同一个问题，从多个独立维度各自分析，再综合投票**。 ## 置信度标尺 所有单维度分析和最终结论的置信度统一按以下四级标尺表述： | 范围 | 含义 | |------|------| | <50% | 纯猜测，无可靠数据支撑，仅供方向参考 | | 50–70% | 有依据但存在显著不确定性，可做倾向参考 | | 70–85% | 较确定，多源数据指向一致，偏差概率低 | | >85% | 高度可信，几乎无悬念（如强队vs病弱队） | ## 权重分配规则 综合投票时不简单平均，按以下规则动态权重： - **基础权重**: 所有维度默认 1.0 - **最近5次预测准确率 ≥ 80% 的维度**: ×1.2（历史验证可靠） - **首次使用的新维度**: ×0.8（无历史数据，保守处理） - **用户主动指定的维度**: ×1.1（用户自有判断加成） - **数据源严重缺失的维度**: ×0.5（如"球队动态"没有任何有效新闻） > 无历史准确率数据时，所有维度先用默认1.0，每轮预测后记录各维度的表现，逐步校准。 ## 标准预测流程 ### Step 1: 确定预测对象 - 明确时间、地点、参与方 - 确定预测类型（胜负/波胆/走势） - 确认是否需要实时数据 ### Step 2: 多维度分析（至少3个维度） 根据预测对象类型，选择匹配的维度组合。推荐数据源： #### 体育赛事推荐维度 | 维度 | 分析内容 | 推荐数据源 | |------|---------|-----------| | 历史交锋 | 两队过往对战记录、主客场表现 | 搜"队名A vs 队名B" / flashscore.com | | 近期状态 | 最近5-10场胜率、进球/失球数 | sofascore.com / flashscore.com | | 赔率趋势 | 博���公司开盘/变盘情况 | flashscore.com / oddsportal.com | | 球队动态 | 伤病、转会、更衣室消息 | transfermarkt.com / 新闻搜索 | | 环境因素 | 天气、场地、时差、赛程密度 | 天气网站 / 赛程官网 | #### 市场/政策推荐维度 | 维度 | 分析内容 | |------|---------| | 基本面 | 核心数据指标 | | 消息面 | 最近发生的相关事件 | | 技术面 | 趋势/模式分析 | | 情绪面 | 市场或公众情绪 | ### Step 3: 单维度独立分析 对每个维度做独立推理，输出格式： ``` [维度：XX] 关键事实：... 分析逻辑：... 倾向判断：... 置信度：XX%（参照标尺） ``` ### Step 4: 综合投票 - 汇总各维度判断 - 识别一致方向 vs 分歧方向 - 按权重分配规则计算加权倾向 - 输出最终预测结论 ### Step 5: 输出格式 ``` 📊 [预测对象] ━━━━━━━━━━━━━ 📌 预测结论：[明确结果/比分] 📈 置信度：XX% 🔍 关键依据：[最重要的1-2个理由] ⚠️ 风险提示：[什么情况可能导致预测落空] ``` ### Step 6: 设提醒（赛事预测专用） -