1. Pi-Ratings 比赛模型
每支球队携带四个评分：主场进攻、主场防守、客场进攻、客场防守。每场比赛后我们从进球差和当前评分差距中迭代更新它们。模型大约在 8 个联赛周收敛；我们在每个赛季的前 2 周冷启动，并结转上赛季数据。一场比赛的 lambda（预期进球数）从主场进攻 vs 客场防守和客场进攻 vs 主场防守对中得出，然后通过泊松分布转换为比赛结果、大/小球和双方进球概率。单一连贯模型 = 1X2 选择和大/小球选择之间没有矛盾。
2. 级别阈值
每个预测按置信度分为三个级别之一：精英 ≥ 60%、安全 ≥ 45%、普通 < 45%。级别在模型中权重不同 — 它们存在是为了帮助用户衡量预期准确性。我们的前瞻跟踪页面按级别报告命中率，因此置信度与现实之间的关系可被公开审计。
3. 严格在场进球指标 (v3)
传统的胜/平/负列将任何出场的球员（即使只 1 分钟）算作结果的一部分。我们的在场指标隔离球员实际在场的分钟数，仅计算这些精确分钟内打入/丢入的进球。在 3-0 获胜中踢了 30 分钟（所有进球都在下半场）的球员记录 0 goals_for_on_pitch — 因为进球发生在他下场之后。v3 流水线以分钟粒度运行，使用每分钟状态数组（领先/平手/落后），产生驱动球员影响表格的领先分钟率。
4. 复合 (player_id, team_id) 键
当球员在赛季中期转会时，他们在我们的球员影响数据集中显示为两个单独的行 — 每个 (player_id, team_id) 对一行。他们转会前的分钟数仍归属旧俱乐部，转会后的分钟数计入新俱乐部。这是诚实比较球员在两家俱乐部影响的唯一方法，没有重复计算或任意归属。每行 MIN_MATCHES = 5，因此短暂逗留的行被过滤掉。
5. 覆盖范围
26 项联赛：5 个欧洲顶级联赛（英超、西甲、意甲、德甲、法甲）、5 个次级联赛（英冠、西乙、意乙、德乙、法乙）、荷甲、葡超、土超、苏超、比甲、沙特职业联赛、MLS、巴西甲、阿根廷职业联赛，加上洲际杯赛（欧冠、欧联、欧会杯）和锦标赛窗口（2026 世界杯、2024 欧洲杯历史、美洲杯、非洲杯、亚洲杯、热身赛）。国家队赛事过滤掉 U17/U18/U19/U20/U21/U23/女队/奥运队伍；仅计算成年男队赛事。
6. 数据新鲜度
每日构建在 UTC 06:00 通过 GitHub Actions 运行：从 API-Football 获取新赛事，对已完成结果运行 Pi-Ratings，计算即将到来窗口的预测（联赛 30 天、世界杯预选赛 + 欧国联 60 天、世界杯 2026 / 欧洲杯 2024 / 美洲杯等锦标赛中心 90 天），重新生成静态页面，并部署到 Cloudflare Pages。前瞻跟踪账本附加结果 — 我们从不在事后默默覆盖预测。
7. 我们不做的事
我们不做回测声明（仅前瞻跟踪）。我们不接受任何预测级别的付费投放。我们不运行第三方商业运营商的推荐链接。我们不向预测即产品行业推销我们的内容——材料仅供分析兴趣。我们不在请求时使用 LLM 生成比赛评论；每个比赛页面上的编辑句子是基于真实模型输出的模板。我们不隐藏失败的星期——每个已发布的预测在结果已知后仍保留在其比赛页面上。
8. 开放标准与引用
网站数据采用 JSON/JSON-LD 格式，带有完整的 schema.org 标记（SportsEvent、NewsArticle、BreadcrumbList、FAQPage、Dataset）。hreflang 替代品在 5 种语言（en/tr/ar/es/zh）中链接每个页面。我们的 /llms.txt 为 AI 代理声明规范内容索引。严格在场进球指标用简单英语描述，因此该算法可被任何能访问逐分钟换人 + 进球流的人复现。