ambin-d 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 | 博彩公司开盘/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）
- 赛前1小时提醒查看盘口变化
- 赛后提醒确认结果、复盘偏差
适用场景
- 世界杯/联赛波胆预测
- 比赛胜负分析
- 政策走向推演
- 市场趋势判断
来源
萃取自 Vault 文章《MiroFish：多智能体 AI 预测引擎》，融合多智能体投票机制与本 Agent 实战经验。