你好，我是曹中保，汕尾海丰人民西路上一家体彩店的主人，也是本站「AI 大模型」栏目的作者。很多朋友在抖音和店里问我：“你说的 V10 预测模型，到底是个什么东西？”
这篇文章，我把 V10 的家底从头到尾讲清楚：它从哪来、怎么一步步长到今天的 V10、每天是怎么干活的、它擅长什么、它的边界又在哪里。写这篇文章花了我不少心思，值得你泡杯茶慢慢看。
一、一切要从“造价师”这三个字说起
在开体彩店之前，我在工程行业干了十几年造价工程师。这个行业听起来和足球八竿子打不着，但它给我刻下了三个改不掉的习惯：
- 凡事看数据：一栋楼的造价不是靠拍脑袋，是一根钢筋一袋水泥算出来的；
- 凡事讲概率：工程上每一次报价，本质上都是对“不确定性”的定价；
- 凡事重复盘：项目做完了一定要对量，差一分钱都要找到差在哪。
而我看球十几年，发现一个有意思的现象：球迷聊球，靠的是感觉——“这场该赢了”“那个队最近邪门”。感觉当然有意思，但感觉很难验证对错。于是我开始用工程师的笨办法：把比赛记录下来，把判断写下来，把结果对回去。V10 的种子，就是最初几张手工记录比赛的表格。
二、V10 到底是什么？一句话版本
给彩民朋友的一句话解释：
V10 不是一台“预言机”，而是一套 用历史数据给比赛结果的可能性打分 的研究系统。
它做的是这样一件事：把两队过往交锋、近期状态、主客场表现、伤停情况、甚至赔率盘口的变动这些信息，全部翻译成数字，交给模型去计算各种结果出现的 概率。模型不会告诉你“这场一定赢”，它只会说：“从历史数据看，这个结果出现的可能性偏大。”
请记住这句话——概率不等于必然。后面我还会展开讲这条边界，它比你想象的更重要。
三、成长历程：从第一张表格到 V10，十次迭代
为什么叫 V10？因为它走到今天，经历了 十次大版本迭代。每一次升级，都不是我拍脑袋加的“新功能”，而是在复盘中撞到了真问题，逼出来的解决方案。它的成长大致经历了四个阶段：
第一阶段：手工时代——好记性不如烂笔头
最早我没有模型，只有表格。每场比赛我手工记下基本信息和自己的判断，赛后一条一条对。这个阶段很笨，但它帮我建立了最重要的东西：一套可验证的记录。没有记录，一切“我感觉”都是空谈；有了记录，对错才有了对账的依据。
第二阶段：自动化——让机器替我搬砖
手工记录很快到了极限：比赛太多，记不过来，更算不过来。于是我开始写脚本，让程序自动去收集和整理比赛数据。这一步的价值是 把“体力活”交给了机器，让我第一次拥有了成规模的历史数据库。
第三阶段：算法时代——让历史自己开口说话
有了数据，新问题又来了：数据太多了，人眼根本看不过来。这个阶段我引入了机器学习的方法——简单说，就是 让算法自己从历史数据里找规律：哪些因素真的影响结果？哪些是噪声？权重该怎么配？模型开始给出它的第一份“概率评分”。
第四阶段：V10——形成完整闭环
到了今天这版，V10 已经是一个闭环系统：预测 → 记录 → 复盘 → 修正 → 再预测。它每天帮我快速筛出值得研究的场次，赛后自动对账，把偏差反馈回模型。十次迭代，每一次都是这个闭环转出来的结果。
关于每个版本具体踩过什么坑、修了什么 bug、模型的准确率经历过怎样的起伏——这是我后面要在本栏目 一个版本一个版本写成的系列复盘文章，感兴趣的彩民朋友可以持续关注。
四、V10 每天是怎么工作的？
为了满足大家的好奇心，我把它的日常流程拆开讲，六步：
- 收集：汇集比赛的基础数据——战绩、状态、主客场、交锋、伤停、赔率变动等；
- 清洗：数据里有错误、有缺失、有互相矛盾的，先整理干净，垃圾进垃圾出；
- 提炼：把“这个队最近踢得好”这种模糊的话，翻译成模型能看懂的数字特征；
- 计算：模型根据历史学到的规律，算出各种结果的概率参考值；
- 输出：给出值得重点研究的场次和方向——注意，是“研究线索”，不是“投注指令”；
- 复盘：赛后把真实结果对回去，看看模型哪里想对了、哪里想错了，偏差写回模型。
你会发现，最不起眼的第 6 步，恰恰是整个系统的灵魂。一个不会复盘的模型，和一个凭感觉买球的彩民，本质上没有区别。
五、它能做什么，不能做什么（这节最重要）
这一节我要求每个关注 V10 的朋友都认真读一遍。
V10 能做：
- 在海量比赛里快速筛出“值得研究”的场次，节省大量时间；
- 发现人眼容易忽略的数据规律，比如某些看似不起眼的对阵特征；
- 保持纪律性——它不会因为“喜欢某支队”而偏心，永远按数据说话。
V10 不能做：
- 它 预测不了冷门。红牌、伤病、天气、更衣室矛盾——这些是足球的魅力，也是模型的盲区；
- 它 保证不了命中。它输出的是概率，概率意味着长期才有意义，单场永远有运气成分；
- 它 替代不了人的判断。它是我研究的起点和参谋，不是替我按确认键的手。
一句话：足球是圆的，模型是方的。方的能帮圆的算概率，但算不出剧本。
六、为什么我把它放在网站上公开？
把模型摊开讲，有三个原因：
- 透明：敢把方法论公开给人看的人，才值得你信任。获客不靠玄乎，靠透明；
- 记录：公开写作逼我坚持复盘。写下来的东西才算数，这是造价师的老习惯；
- 交流：三人行必有我师。如果你懂数据、懂模型，欢迎来店里或微信拍砖指正。
七、写在最后
V10 模型的所有内容，在本站一律以 研究分享、娱乐参考 的口径呈现，不构成任何投注建议。本站不提供任何线上购彩、代购服务，请到店理性购彩、量力而行，未成年人禁止购彩。
如果你对这个模型好奇，欢迎来汕尾海丰人民西路店里，泡杯茶，我们当面聊。下一篇，我开始讲 V1 的故事——那几张最初的表格长什么样。
防冷因子模块更新说明
一、更新内容总览
已将 防冷预警模块 (Upset Warning Module v1.2) 整合进足球预测系统，主模型从 v5.0 升级至 v5.1。
二、防冷因子模块核心功能
2.1 七大防冷因子
| 因子 | 权重 | 检测内容 | 数据源 |
|---|---|---|---|
| 伤病潮因子 | 0.22 | 主力伤缺≥3 人、后防伤缺≥2 人、核心缺阵 | 需外部伤停数据 |
| 疲劳因子 | 0.18 | 国际比赛日后、世界杯后首季开局、密集赛程 | 比赛日期 + 赛程数据 |
| 克星属性因子 | 0.18 | 历史交锋劣势、主场不败 streak≥3、上赛季双杀 | 历史交锋记录 |
| 赔率过热因子 | 0.15 | 强队赔率 <1.30、市场支持率 >80%、退盘信号 | 需实时赔率数据 |
| 状态异常因子 | 0.15 | 近期胜率骤降、战力折损（战绩好 + 伤兵多） | 近期战绩 + 伤停 |
| 赛程密度因子 | 0.07 | 双线作战、周中欧战后 72h 联赛、连续客场 | 赛程日历 |
| 战术克制因子 | 0.05 | 控球高但转化率低、客队零封率高 | 近期数据 |
2.2 风险等级与模型响应
| 风险分 | 等级 | 模型调整 |
|---|---|---|
| ≥65 | 极高 | 强队概率 -12%，平局 / 弱队 +6%，信心强制降级为 " 低 " |
| 50-64 | 高 | 强队概率 -12%，平局 / 弱队 +6%，信心降级为 " 低 " |
| 35-49 | 中 | 强队概率 -6%，平局 / 弱队 +3%，信心 " 高→中 " |
| <35 | 低 | 不做调整，按原模型执行 |
三、9 月 4 日两场冷门回溯验证
3.1 皇家贝蒂斯 1-0 皇马
| 因子 | 得分 | 说明 |
|---|---|---|
| 疲劳 | 45 | 9 月国际比赛日后 + 世界杯后遗症 |
| 克星属性 | 30 | 贝蒂斯主场对皇马连续 4 赛季不败 |
| 其他 | 偏低 | 缺少伤停数据（皇马 7 人伤缺未计入） |
| 模型输出风险分 | 21 | 🟢 低 |
| 实际应达风险分 | ~55 | 🟠 高（如计入伤病） |
结论 ：模块正确识别了疲劳和克星属性，但因缺少实时伤停数据，未能达到 " 高风险 " 阈值。若加入皇马 7 人伤停列表，风险分将跃升至 中高风险区间。
3.2 巴黎 1-2 摩纳哥
| 因子 | 得分 | 说明 |
|---|---|---|
| 疲劳 | 45 | 9 月国际比赛日后 |
| 状态异常 | 40 | 巴黎开局两连平（场均 0.33 分），失球偏高 |
| 克星属性 | 0 | 上赛季双杀信息未传入（h2h 无 season_double 字段） |
| 其他 | 偏低 | 缺少赔率退盘数据 |
| 模型输出风险分 | 16 | 🟢 低 |
| 实际应达风险分 | ~50 | 🟠 高（如计入上赛季双杀 + 状态落差） |
结论：模块正确识别了巴黎的状态异常和疲劳因子。若传入摩纳哥上赛季双杀巴黎的记录，以及赔率从深盘退到浅盘的信号，风险分将显著提升。
3.3 正路比赛对照（斯图加特 3-1 科隆）
| 因子 | 得分 | 说明 |
|---|---|---|
| 疲劳 | 20 | 无国际比赛日压力 |
| 状态异常 | 0 | 双方状态正常 |
| 伤病 | 0 | 双方伤缺 <3 人 |
| 克星属性 | 15 | 斯图加特历史交锋占优 |
| 模型输出风险分 | 14 | 🟢 低 |
结论：正路比赛风险分显著低于冷门比赛（14 vs 21），说明模块具备区分能力。
四、当前局限性
4.1 数据缺口（制约防冷精度）
| 数据类型 | 当前状态 | 改进方向 |
|---|---|---|
| 实时伤停 | 未接入 | 接入懂球帝 / 雷速体育伤停 API |
| 实时赔率 | 未接入 | 接入 titan007.com 退盘监测 |
| 赛程密度 | 未接入 | 导入欧战 / 联赛赛程日历 |
| 战术数据 | 未接入 | 接入控球率、预期进球等细粒度数据 |
4.2 模型表现
- 无外部数据时：防冷模块作为 " 轻量级预警 "，可识别 20-30% 的冷门信号
- 接入外部数据后：预计可识别 60-70% 的冷门预警信号
- 关键价值：模块已集成到预测流程中，随时可通过补充数据提升精度
五、文件清单
| 文件 | 说明 |
|---|---|
v5_full_model.py |
主预测模型 v5.1（已整合防冷模块） |
upset_warning_module.py |
防冷预警模块 v1.2（独立可复用） |
v5_full_prediction.csv |
预测结果（新增 " 防冷风险 " 列） |
六、下一步建议
- 接入实时伤停：通过爬虫抓取懂球帝 / 雷速体育的伤停名单，传入
home_injuries/away_injuries - 接入赔率异动：监控 titan007.com 的让球盘变化，传入
odds_data - 接入赛程日历：判断周中是否有欧战，传入
schedule_data - 回测校准：积累 50+ 场冷门案例后，重新校准各因子权重
更新日期：2026-09-05
模型版本：v5.1
防冷模块版本：v1.2
我们的 AI 是怎么算出每场比赛的？——一张图看懂模型全程（客户版）
很多顾客问：" 你们的推荐是拍脑袋吗？"
不是。下面用 一场真实的比赛（2026 年 10 月 12 日 北单第 386 场 丹超 奥胡斯 vs 桑德捷斯基），把 AI 从 " 看数据 " 到 " 出结果 " 的完整过程拆开给您看。全程只有加减乘除和一张表格，没有任何黑箱。
第一步：先摸清这个联赛的家底
AI 调出了丹超最近 318 场 真实比赛的全部比分，先算三个平均数：
| 项目 | 场均进球 |
|---|---|
| 联赛主队 | 1.645 |
| 联赛客队 | 1.443 |
| 合计 | 3.088 |
白话：丹超的球队在自己主场平均能进 1.6 个，到了客场就降到 1.4 个——" 主场优势 " 不是感觉，是算出来的。
第二步：再给两支球队称重
奥胡斯（近 53 场）：进 99 球、丢 63 球 →
- 进攻强度 = 1.14（比联赛平均能进14%）
- 防守强度 = 0.82（丢球比平均 少 18%，防守好）
桑德捷斯基（近 53 场）：进 72 球、丢 100 球 →
- 进攻强度 = 0.83（进攻 偏弱）
- 防守强度 = 1.31（漏球 比平均多 31%）
⚠️ 有个关键细节：时间衰减。3 个月前的比赛全算数，1 年前的打 5 折，2 年前的几乎不算——因为球队是会变的，今年的人员和去年可能完全不同。
第三步：算出一个关键数字 λ（预期进球）
把 " 联赛家底 × 球队实力 × 主场加成 " 代进公式（Dixon-Coles 模型，1997 年统计学家提出的经典方法）：
奥胡斯预期进球 λ 主 = 2.494
桑德捷斯基预期进球 λ 客 = 0.952
白话：模型认为这场奥胡斯大概进 2~3 个，桑德捷斯基进不到 1 个。
第四步：一张 11×11 的 " 比分棋盘 "
λ 出来后，用 泊松分布（专门算 " 进几个球概率 " 的数学工具）摊开成一张大表，每个格子是一个具体比分的概率：
| 比分 | 概率 |
|---|---|
| 2:0 | 9.9% ← 最可能 |
| 2:1 | 9.4% |
| 1:0 | 7.9% |
| 1:1 | 7.6% |
第五步：五种玩法，从同一张棋盘里 " 切 " 出来
这就是这套方法最厉害的地方——不是每种玩法单独猜，而是从一张比分概率表里切出来，天然自洽：
| 玩法 | 怎么切 | 本场结果 |
|---|---|---|
| 胜平负 | 所有主队赢的格子加起来 | 主胜 70% / 平 19% / 客 11% |
| 比分 | 概率最大的三个格子 | 2:0、2:1、1:0 |
| 总进球 | 斜着把 "2 球 ""3 球 " 的格子加总 | 3 球最可能 |
| 让球胜平负 | 按净胜球重新排队：主队让 1 球 = 净胜 2 球及以上 | 让胜 49% / 让平 21% / 让负 30% |
| 半全场 | 按联赛 " 上半场进球占比 " 再拆一层 | 胜 / 胜 38% |
另有一道 低比分修正（rho）：现实中 0:0、1:1 这类小球比分出现得比公式算出来的多，模型会单独微调——修正完才是上面公布的 70%/19%/11%。
第六步：双引擎 + 人工复核，防 " 机器死脑筋 "
- DC 引擎（上面讲的这套）出一份答案
- V8 引擎（79 项指标、四套算法投票的老将）独立出另一份答案
- 两份 同向 = 共振可信； 分歧= 触发人工核查（看伤停、看盘面、看新闻）
- 每天赛后对 官方开奖结果 逐场记账，命中率月月公开
一句总结
先算联赛均值，再称球队斤两，代进公式得出预期进球，摊开成比分棋盘，五种玩法从一张表里切出来，双引擎互相校验，赛后对账验证。
透明、可复盘、错了能查。这就是为什么我们敢每天把预测和验证报告都公开发在网站上。
（本文实例数据截至 2026 年 10 月 12 日，来自丹超近两个赛季 318 场比赛的官方赛果。）