假设数据库里有这样一条记录：示例队甲在本赛季用4-3-3出场的比赛共有14场，场均进球2.1个；改用4-4-2的9场，场均进球1.2个（均为模拟数据）。用户问：“甲队为什么踢4-3-3进球更多？”一个只追求流畅的语言模型会立刻给出一段听上去很有道理的战术分析：三前锋牵制后卫、边路宽度更大、中场压上更积极……这些话每一句都可能是对的，也可能全是编出来的，因为数据里没有任何东西证明“是阵型让进球变多”。半岛体育AI在分析类回答里坚持做一件事：把“数据发现了什么”和“为什么会这样”分成两个不同层级的句子，并且标注各自的可信程度。
先把这个发现拆成三个可以检验的说法
“4-3-3下进球更多”看似一句话，其实包含三个层次。
- 描述：4-3-3的14场，场均进球高于4-4-2的9场。这是统计事实，可以复算。
- 关联：阵型与进球数在这个样本里同时变化。它只说明两者相伴，不说明谁导致谁。
- 因果：如果甲队在同样条件下把4-3-3换成4-4-2，进球会减少。这是一个反事实，在观测数据里无法直接看到。
系统能可靠交付的是第一层，可以审慎交付第二层，第三层则需要额外的证据，并且大多数情况下只能给出“可能的解释”。三层混为一谈，是体育分析里最常见的错误，不管是人写的还是模型写的。
混杂因素：谁在背后同时影响了阵型和进球
为什么不能直接下结论？因为阵型选择本身不是随机的，教练不会抛硬币决定用什么阵型。下面这些因素可能同时影响“选哪个阵型”和“进多少球”：
| 混杂因素 | 它如何同时影响阵型与进球 | 数据里怎么查 |
|---|---|---|
| 对手强度 | 面对弱队时教练倾向进攻型阵型，而弱队本身就容易被打进球 | 对手赛季排名或积分，分组比较 |
| 主客场 | 主场更常用进攻阵型，主场进球也普遍更多 | is_home 字段分层 |
| 比分状态 | 落后时被迫压上换成多前锋，此时进球机会多，但那是落后造成的 | 按比赛阶段与比分切片 |
| 球员可用性 | 主力前锋在场时才有4-3-3的条件，主力在场本身就提高进球 | 出场名单与伤停记录 |
| 赛程时段 | 某段时间集中了几场弱对手，同时教练恰好在尝试新阵型 | 按时间窗口对比 |
以上任何一项都足以单独制造出“4-3-3进球更多”的假象。所以系统在看到这类比较时，第一步不是写解释，而是检查分组里这些变量是否分布均衡。
一个可以复现的检查：分层之后差异还在吗
最朴素的办法是分层比较：把对手强度先分成几档，再在每一档里比较两种阵型的进球。下面的查询用示例表结构演示这个思路。
SELECT opponent_tier,
formation,
COUNT(*) AS games,
AVG(goals_for) AS avg_goals_for
FROM team_game_formation
WHERE team_id = 'T_JIA'
AND season = '2025-26'
GROUP BY opponent_tier, formation
ORDER BY opponent_tier, formation;假设返回结果如下（模拟数据）：
| 对手档位 | 阵型 | 场次 | 场均进球 |
|---|---|---|---|
| 强 | 4-3-3 | 2 | 1.0 |
| 强 | 4-4-2 | 6 | 0.9 |
| 弱 | 4-3-3 | 12 | 2.3 |
| 弱 | 4-4-2 | 3 | 1.7 |
细看这张表会发现：面对强队，两种阵型进球几乎没差别；差异主要出现在弱队一档，而4-3-3绝大多数场次（14场里的12场）恰好都发生在弱队身上。原来看上去很大的差距，一部分只是“更常在弱队面前使用4-3-3”。而且分层以后，每个格子只剩2到12场，样本变得很小，任何结论都要谨慎。系统的处理方式是把这张分层表直接放进答案，而不是只留一句结论。
系统如何标注：发现、关联、待验证的解释
半岛体育AI在分析类答案中设计了三种标签，写在句子前面，让读者一眼看出每句话的性质。
- 数据发现：可由查询直接复算的事实，例如“4-3-3的14场，场均进球2.1”。必须附上样本与口径。
- 相关观察：有关联但未控制混杂，例如“分层后差异主要出现在弱队一档，强队一档差异不明显”。
- 待验证的解释：战术层面的推测，例如“三前锋可能增加了对弱队的压制”，只有在有事件层数据（如压迫次数、进攻推进位置）支持时才写，而且用“可能”。没有证据就不写。
这种分层写法与答案证据链是一致的：每句话都应该能指向它依据的数据，而没有数据依据的句子，要明确告诉读者它是推测。
为什么大模型特别容易越界
语言模型在训练中读过大量体育评论，而评论文章天然偏好因果叙事：“因为……所以……”比“两者同时出现”更好读。当模型拿到一张相关性的表格时，会不自觉地补上一段听起来专业的原因。这不是恶意，是语言习惯。对策只能落在系统设计上：
- 提示与输出格式里，强制区分“数据发现”“相关观察”“待验证的解释”三类句子；
- 解释类句子必须引用具体的支持数据或标注为推测，无法引用的自动降级或删除；
- 统计计算仍然交给数据库和计算引擎，模型只负责把已经算出的结果写清楚。这一点在语言理解与统计计算的拆分里有专门讨论。
想更接近因果，数据上还能做什么
观测数据永远无法像随机对照实验那样干净，但可以通过几种方式让结论更可信一些。下面这些做法在半岛体育AI的分析模块中是设计目标，而不是保证：
- 匹配比较：为每一场4-3-3的比赛，在4-4-2的比赛里找对手档位、主客场、赛程间隔都接近的对照场次，再比较进球。匹配之后样本会更少，但比较更公平。
- 按比分状态切片：只看比赛前30分钟且比分为平的时间段，此时教练尚未被比分逼着改变打法，阵型与进球的关系更少受到“落后压上”的污染。
- 前后对照：同一支球队在换阵型前后各若干场的表现。但这样做要留意换阵型是不是同时伴随了换人、换帅、伤病恢复，时间轴上的其他事件不能被忽略。
- 敏感性检查：改变窗口、去掉一场极端比赛（比如一场大比分），看结论是否依然站得住。如果去掉一场比赛结论就翻转，说明它本来就不稳。
这些方法都不能“证明因果”，它们的作用是排除一部分明显的替代解释，让剩下的解释更值得认真对待。系统在答案里会说明做过哪些检查、没有做哪些，比如“未控制球员伤停”。用户看到的是一份带有边界的分析，而不是一个自信满满的结论。
系统内部：一条分析结论会带着哪些字段
为了让“数据发现”和“解释”真正分开，每条分析结论在内部都是一个结构化对象，而不是一段随手生成的文字。简化后大致包含这些字段：
| 字段 | 含义 | 示例（模拟） |
|---|---|---|
| claim_type | 发现 / 相关观察 / 待验证解释 | 相关观察 |
| statement | 结论的文字表述 | 差异主要集中在弱队一档 |
| sample_size | 支撑该结论的场次数 | 15 |
| controlled_for | 已控制的变量 | 对手档位 |
| not_controlled | 尚未控制的变量 | 比分状态、球员伤停 |
| evidence_query | 可复算的查询编号 | Q_0087 |
有了这张“结论卡片”，界面可以在每一句话旁边显示它的类型与样本量，模型也没有机会把一句“待验证的解释”悄悄写成事实。当 not_controlled 里的内容很多而 sample_size 又很小时，系统会主动把语气降低，甚至干脆只给数据发现，不给解释。这个设计并不神秘，它只是把“科学写作里应该写明的局限”变成了输出格式的一部分。
相关之外，还有几种常见陷阱
小样本里的偶然
某个阵型只出现了3场，3场里进球都多，不代表这个阵型有魔力。样本太小时，系统应给出“样本不足”的提示，而不是解释它。
回归均值
一个球员连续几场数据异常突出，教练调整了他的角色，下一阶段数据回落。回落并不一定是新角色的问题，极端表现本来就倾向于回到平均水平。
幸存者偏差
只统计“一直在首发名单里的球员”的表现，会忽略那些因为表现不好而被换下的球员，从而高估“留在首发”的效果。
指标口径变化
同一个“预期进球”类指标，不同数据源的计算方式不同，把它们混在一起比较，得到的相关性可能来自口径差异本身。
好的分析回答，允许留下一个问号
回到甲队的问题，比较稳妥的答案大致是这样：“数据发现：4-3-3的14场场均进球2.1，4-4-2的9场为1.2（示例数据）。相关观察：4-3-3的场次中有12场对阵弱队，分层后差异主要集中在弱队一档。目前数据不足以判断阵型本身是否带来了更多进球；如需进一步判断，可以补充比分状态、球员出场与事件层数据。”这样的答案没有一个漂亮的因果故事，却让用户知道下一步该看什么。在阵型查询相关的场景里，这种克制尤其重要，因为阵型太容易被当成解释一切的原因。半岛体育AI的分析回答宁愿多一个问号，也不愿多一个无法验证的“因为”。
