第一次使用半岛体育App，可以直接问哪些体育数据问题？

打开一个陌生的体育数据产品，面对空白输入框，多数人的第一反应是不知道该问什么，于是敲进去两个字：球员名字。这样得到的多半只是一张资料卡。按照“半岛体育App”的产品设计思路，输入框真正擅长的是另一类问题：带着对象、范围和指标的问句，比如“球员A最近10场场均得分多少”。这篇文章不谈界面截图，只讲第一次使用时可以直接问的四类问题，每一类背后系统会走哪条查询路线，以及怎样把话说得更清楚。

先交代一句口径：本站是静态官网，半岛体育App目前按“产品设计与使用思路”来介绍，文中的问答和数字都是示例流程，球员与球队均为虚构代号，不对应任何真实人物与比赛。

先看一张地图：四类问题，四条路线

半岛体育App的设计目标，是把一句中文问题拆开，交给合适的工具去处理，而不是让大模型凭印象作答。第一次上手时，可以把常见问题归成下面四类。

四类问题的共同点是：答案里有精确数字，所以必须从结构化数据里算出来。语言模型负责读懂问题、决定调用什么、最后把结果讲成人话，算术交给数据库。关于这条分工线，可以参考站内的自然语言体育查询为什么不能只靠大模型记忆。

第一类：球员最近表现，问题里要藏着三样东西

“球员A最近10场打得怎么样”看似简单，系统拿到它以后要先找出三样东西：谁、多少场、看什么。

谁：系统会先做实体识别。如果库里有两名叫“林某”的球员，App的设计是把候选列出来，让你点选，而不是默默挑一个。这一步在“同名球员怎么办”一类问题里会展开，这里只需记住，写全名、球队或位置，能少一次追问。

多少场：“最近10场”要按比赛日期倒序取，还要决定缺席、比赛取消、加时是否计入。具体规则见“最近10场到底是哪10场”这篇。第一次使用时，你可以直接在问题里补一句“按实际出场算”或“含替补”，口径就不会靠系统默认。

看什么：“打得怎么样”是主观词。系统更可能先给出一组基础指标，例如场均得分、场均出场时间、命中率，再告诉你选用了哪些，并允许你换成别的。想直接得到自己关心的结果，就把指标写进问题：“场均得分、篮板、助攻”。

下面是一个示例流程（示例数据，非真实球员）：

• 用户问：球员A最近10场场均得分和出场时间。
• 解析结果：对象为球员A（player_id 假设为 P0007），窗口为按 game_date 倒序的最近10条出场记录，指标为 points 与 minutes 的平均值。
• 查询：读取逐场技术统计表，过滤球员，排序取前10条，再求平均。
• 返回（示例）：场均得分18.6，场均出场时间31.2分钟，附10行逐场明细，并标注数据截止日期。
• 可能出错的地方：其中一场因伤只打了3分钟，是否纳入会明显拉低出场时间平均值，所以App需要在结果旁写明“含1场不足5分钟的出场”。

背后的SQL大致是下面这样，字段名为示例：

SELECT AVG(points) AS avg_points,
       AVG(minutes) AS avg_minutes
FROM (
  SELECT points, minutes
  FROM player_game_stats
  WHERE player_id = 'P0007'
    AND minutes > 0
  ORDER BY game_date DESC
  LIMIT 10
) t;

你不需要写这段SQL，但读懂它有好处：每一个你在问题里说清楚的条件，都会对应这段语句里的一行。少说一个条件，系统就得替你补一个默认值。

第二类：球队阵型，重点是“最近5场”里的时间

“示例队甲最近5场用什么阵型”这类问题，麻烦之处在于阵型不是一个球队标签。同一场比赛里，4-3-3 可能在下半场变成 4-2-3-1，领先以后再转成更保守的站位。如果只存一个“本场阵型”，这类问题的答案会失真。

按设计思路，App背后读取的是阵型时间片数据：每个时间片记录球队、比赛、起止分钟、阵型。问题被解析成“取最近5场比赛，汇总每种阵型持续的总分钟”，返回的是占比而不是一个单点答案。

你可以这样问得更清楚：

• “示例队甲最近5场各阵型累计使用分钟”，明确要的是时长占比。
• “示例队甲最近5场落后时的阵型”，加入比分状态条件，系统需要把阵型时间片与比分时间线关联。
• “示例队甲最近5个客场的阵型”，同时限定主客场，把最近5场的定义从“所有比赛”改成“客场比赛”。

不同问法得到的数字会不同，这不是系统不稳定，而是问题本身不同。第一次使用时最有价值的习惯，就是让问题里的范围词具体：比赛数量、主客场、比分状态、教练时期，逐个写明。

第三类：两名球员本赛季对比，先问“比得起来吗”

“球员A和球员B本赛季数据对比”，App的设计是先做一步检查，而不是直接列两列数字。检查内容包括：两人位置是否一致，出场时间是否相差悬殊，所在联赛级别是否相同。如果球员A是前锋、球员B是中场，进球数的直接对比意义有限，系统会提示改用更合适的指标，例如每90分钟产出，或在同位置比较组里看分位。

这部分逻辑在同一个球员该和谁比一文里有更细的讨论。对第一次使用的人来说，有两个实用做法：

1. 写明比较维度，如“进攻端：进球、助攻、射门”，避免系统把所有字段都铺满。
2. 写明是总量还是效率，“总得分”和“每36分钟得分”对出场时间不同的两名球员，结论可能相反。

示例结果（虚构数据）：球员A本赛季共出场28场，场均得分16.4；球员B共出场19场，场均得分19.1。看场均，球员B更高；看总得分，球员A更多。App理想的呈现是把两组口径同时摆出来，并注明“出场场次不同，请注意样本量”，而不是只给出一个“谁更强”的结论。

第四类：教练上任以后的变化，需要先确定“以后”是哪天

“教练C上任以后示例队甲有什么变化”是四类里最容易被问得含糊的。它至少包含三层：教练任期的起止日期，这段时间内球队的比赛集合，以及“变化”要比较的指标。

任期日期来自关系数据，也就是教练与球队之间带有效时间区间的关系；比赛集合来自比赛表，按日期落入任期区间筛选；指标则来自技术统计与阵型时间片。这类问题涉及关系加统计，属于图查询与SQL相互配合的场景，SQL与图查询各自的分工，在站内的相关文章里另有比较。

“变化”这个词，第一次使用时建议直接拆开写：

• “上任前10场与上任后10场的场均进球对比”，给出对称窗口。
• “上任以后阵型使用占比的变化”，聚焦战术。
• “上任以后出场时间增加最多的三名球员”，聚焦人员使用。

如果只写“有什么变化”，系统更可能回过头问你想看进攻、防守还是人员。这种追问并不是拖延，而是必要的一步，后面的文章会专门说明。

把问题写清楚的五个小习惯

四类问题看下来，规律其实很集中。写问题时，下面五点能把追问次数压到最低。

1. 对象写全：姓名加球队，或姓名加位置。同名情况在体育数据里比想象中常见。
2. 范围写成数量或日期：“最近10场”“2024年3月以后”“本赛季常规赛”，不要只写“最近”。
3. 指标点名：得分、助攻、出场时间、射门次数，各自对应不同的表字段，点名越具体，结果越直接。
4. 说明口径倾向：是否含季后赛，是否计入未出场比赛，是否按每场还是每90分钟折算。
5. 先问小的，再追问：一句问出五个条件的长问题，不如先问一个基础结果，再逐步加过滤条件，每一步都能看到系统采用了什么口径。

最后一条尤其适合新手。系统返回结果时，会把解析出的条件一并显示，你可以对照检查：对象对不对，范围对不对，指标对不对。发现偏差，改一个词再问，比重新组织一整段话更省事。这种“看条件、改条件”的使用方式，和普通搜索里反复换关键词是完全不同的手感。

别把它当成万能问答，这几类问题不在首批范围

为了避免第一次使用就产生落差，有必要说明几类不适合直接提问的内容。

第一，预测类问题。“球员A下一场能得多少分”不属于统计查询，半岛体育App的设计重点是回看和分析已发生的数据，不会给出这类预测承诺。

第二，需要新闻或规则文本的问题。“某条规则最近有什么修改”更适合文档检索，走的是另一条路线，和数字统计不同。半岛体育AI在设计上会区分这两类需求，避免把新闻段落当成统计依据。

第三，数据源里根本没有的字段。如果某项指标当前没有采集，系统应该直接说明缺失，而不是补一个看起来合理的数字。看到“暂无该项数据”不是失败，恰恰是可靠的表现。

第四，超出范围的比较。例如拿不同联赛级别、不同年代的数据直接放在一起。系统可能给出结果，但会附带提醒，提示这两组数据口径不一致。

第一次提问，不必追求一步到位

回到开头那个空白输入框。比起写出一个完美的问题，更现实的第一步是拿一个自己熟悉的对象，问一个能自己验证的问题，比如“球员A最近5场的出场时间”。结果出来以后，看系统列出了哪几场，日期对不对，出场分钟数和你的印象是否一致。验证一次，你就知道这个产品的解析逻辑是怎样的，以后再问更复杂的问题也更放心。

半岛体育App的定位并不是给出一个漂亮的最终结论，而是让每一个数字都能被追问、被核对。如果你想进一步了解这类产品背后的思路，可以先看半岛体育App页面里的设计说明，正式安装入口也会在发布后放在那里。在那之前，本文里的四类问题和五个习惯，可以先当作使用前的笔记。