历史数字很整齐，比赛却是此刻的
举例来说，编辑手上有一份很漂亮的数据：甲队与乙队最近十次交锋，甲队占优，主场尤其强势。把它写进赛前稿，标题几乎自己就出来了：“甲队对乙队占据心理优势”。
现实中，这条结论可能已经和这场比赛没有多少关系。假设这十次交锋里有六次发生在甲队上一任教练时期，那时的球队打的是高位压迫；本赛季新教练更倾向于后场控球；主力中场这周停赛，替补中场与前锋的配合还没有磨合；乙队则在最近三场改成了三中卫。历史交锋的数字没有错，但它描述的是另一支甲队、另一支乙队。
这就是赛前内容最常见的问题：把数据拼成文章，而不是先判断数据是否仍然描述当下。一篇由模型写出来、语言流畅的赛前稿，如果依据是过期数据，读起来越顺，误导性越强。所以江南体育AI在设计赛前内容链路时，把顺序调整为：先识别当前比赛语境，再决定用哪些数据，最后才生成文字。
先确定比赛语境：五个要素
我们把“当前比赛语境”拆成几个可以逐项检查的要素，不是用一个模糊的“近况”概括：
- 教练与体系：教练是否更换、更换了多久、最近几场实际使用的阵型与压迫方式是否变化。
- 预计阵容：预计首发、轮换情况、是否有新援首次出场。
- 伤停与复出：谁缺阵、谁刚复出、复出球员的比赛状态是否足以带来影响。
- 赛程与节奏：距离上一场比赛多久，是否处于密集赛程，杯赛与联赛的优先级是否有变化。
- 近期状态与战术调整：最近几场的实际表现，注意是表现而不是只看结果，例如输球但控球和射门质量很好，与赢球但被动挨打是两回事。
这五项里，前三项是“事实型”语境，可以从结构化数据里读出来；后两项属于“判断型”语境，需要结合近期比赛事件流做分析，模型的角色是整理和归纳，而不是凭空下结论。这里用到的数据类型比较多，包括阵容、伤停公告、比赛事件与文字报道，体育大模型要同时理解多少种数据里有更细的拆解。
数据的时效与相关性：三档标记
有了语境，下一步是给每类候选数据打标记。我们采用一个简单的三档判断：
| 数据类型 | 通常的处理 | 判断依据（举例） |
|---|---|---|
| 近几场的阵容与事件 | 高权重，直接使用 | 与当前教练、当前主力名单一致 |
| 本赛季的整体统计 | 视情况使用 | 是否包含教练更换之前的比赛，样本是否足够 |
| 多年前的历史交锋 | 只作背景，不作论据 | 双方教练与主力已大幅变化时，仅说明“历史上交手较多” |
| 与当前伤停球员相关的数据 | 需要标注“缺阵影响” | 该球员缺阵时球队的实际表现是否有可比样本 |
这张表只是示意，具体阈值需要按不同联赛与球队的情况调整，并没有一个通用数字。关键是形成这样一种习惯：每条数据在被写进文章之前，都要回答一个问题——它现在还能不能说明这场比赛？
回答不了的数据，并不是要删掉。更合适的做法是降级：把它放在“背景”里，用“历史上”“过去几个赛季”这类限定词，并且不作为对本场比赛的判断依据。
一个示意的走查：从“甲队占优”到一条能站住的判断
用前面的举例场景走一遍。系统收到的原始材料，可能是这样几条（全部为示意）：
- 近十次交锋，甲队占优；其中六次发生在上一任教练时期。
- 甲队本周主力中场停赛，替补中场本赛季首发次数很少。
- 乙队最近三场使用三中卫，边翼卫前插较多，身后空间在前两场比赛里被对手利用过。
- 甲队新教练上任已有一段时间，最近几场以后场控球为主。
第一步，语境识别发现两队的体系与主力名单都和历史交锋时期不同，于是“近十次交锋”被降为背景数据，不再作为判断依据。第二步，系统把“甲队中场缺阵”与“乙队边翼卫身后空间”两条放到一起，形成一个可以被检验的问题：甲队在缺少主力中场的情况下，能否有效利用乙队身后的空间？第三步，模型才开始写，写出来的不是“甲队占据心理优势”，而是“这场比赛的关键，可能在于甲队的替补中场能否把球稳定送到边路；乙队最近三场的阵型变化，让身后空间成为一个值得观察的点”。
这两句话的差别，恰恰是“拼数据”和“先看语境”的差别。前者给出一个结论，后者给出一个观察的角度，并且每个依据都能溯源。读者不一定同意这个角度，但可以顺着依据自己去判断。
常见的几种错误写法
下面这些情况，在自动化生成的赛前稿里很常见，也是我们在审核规则里重点标注的：
- 把整个赛季平均数当成当前状态：赛季平均值会掩盖近几场的变化，尤其在球队中途换帅或出现大面积伤停之后。
- 把伤停球员的历史贡献直接写成缺阵影响：球员缺阵对球队的影响，取决于替补是谁、体系有没有调整，简单相减没有意义。
- 把预计首发写成确定首发：在官方名单公布之前，所有阵容都是预测，需要明确标注。
- 把两队的相对强弱当成对本场比赛的预测：历史胜率描述的是过去，并不能替代对当前对位的分析。
- 在缺少样本时给出确定性的结论：例如某位球员在某种场地条件下的表现，如果只有两三场比赛，不足以推出结论，应当直接说样本不足，而不是硬写一句结论。
生成之前的数据入库核验
赛前内容的数据往往来自多个渠道：官方公布的名单、结构化比赛数据、文字消息。它们的更新速度不同，也可能互相矛盾，例如一个渠道说某位球员已经复出，另一个渠道还写着伤停。所以在数据进入内容生成流程之前，需要一层入库核验：
- 来源分级：官方公告与结构化数据高于媒体转述，媒体转述高于社交平台传闻。传闻可以被标注为“未证实”，但不应当被当成事实句子写进正文。
- 冲突检测：同一个事实在不同来源里有出入时，不由模型选择哪一个“更像对的”，而是标记冲突，等待更新或人工确认。
- 时间戳：每条数据都带有获取时间。赛前稿在发布前需要重新检查关键数据的时间戳，比如首发名单在赛前一小时才会公布，早于此时的“预计首发”都应当标注为预测。
- 实体一致性：球员、球队的名称要统一到唯一标识，防止同名球员或不同译名把两个人的数据合并到一起。
这一层看起来枯燥，但生成质量的上限基本由它决定。模型可以把一段话写得很流畅，但它无法知道输入的数据是否已经过期。
生成阶段：让模型只在通过核验的数据上写
通过核验的数据会被整理成一个结构化的“赛前事实包”，大致包含：比赛基本信息、双方当前语境要素、每个关键数据的来源与时间、需要标注为预测或未证实的项目。之后的生成，是在这个事实包的边界内进行的：
- 模型按用户所需的版本组织内容，例如快速浏览版是要点清单，深度阅读版是战术分析段落，不同球迷为什么应该看到不同的赛前分析讨论过这种差异。
- 每个涉及具体数字的句子，必须能在事实包里找到对应条目；找不到就不写。
- 对预测类判断使用限定语：“更可能”“取决于”“如果某位球员确认出场”，避免把推测写成结论。
- 文中的关键数据保留来源标注，例如“来自官方名单，赛前某时更新”，让读者知道这条信息的出处与新鲜度。
这里最重要的原则是：模型负责表达和组织，不负责提供事实。事实来自已经核验的数据，模型只是把它们变成人能读的句子。
人工审核放在哪一步
自动化程度再高，赛前内容仍然需要人工审核，只是审核的位置需要设计。全文逐字审既不现实，也未必有效，我们倾向于把人工放在几类风险最高的位置：
- 首发预测与伤停判断：这类信息最容易出错，且读者最快能验证。
- 对教练意图和战术变化的推断：这类判断带有主观性，需要有经验的编辑确认措辞是否克制。
- 模型标记的冲突项与低置信度项：凡是核验阶段无法自动裁决的，都交给人来决定。
- 涉及争议性事实的表述：例如伤病原因、转会传闻。
审核结果需要回流：被人工改掉的地方，是判断系统弱点的最好线索，可以反过来调整数据分级和生成限定的规则。
没有解决的问题
- 语境的量化：“教练更换后球队体系是否已经稳定”很难用一个阈值来判断，我们目前更依赖近几场事件数据做辅助，而不是给出一个统一规则。
- 信息的时间差：首发名单公布之前，所有阵容判断都带有不确定性，如何在不打断读者的前提下持续更新赛前内容，还需要在产品上继续摸索。
- 个性化与语境的平衡：不同球迷关心的语境要素不同，怎样在保持事实一致的前提下调整重点，是个性化球迷内容的核心议题之一。
- 对读者的透明度：来源标注要做到既清楚又不打断阅读，是一个交互层面的难题。
赛前分析真正的价值，在于让读者在开赛前对这场比赛有一个更接近实际的预期。要做到这一点，第一步不是写得更漂亮，而是弄清楚：我们手里的这些数据，此刻还说得清这场比赛吗？
