“最近10场”到底是哪10场？半岛体育AI如何处理缺席、替补和比赛取消

“最近10场”是体育数据里最常被用到、也最少被定义的词。用户以为它是一个明确的数字，系统却要先回答一串问题：这10场是球队的，还是球员自己的？球员缺阵的那几场算不算？替补上场三分钟的比赛要不要计入平均？中途取消的比赛怎么办？只要其中一条没有定好，同一句话就会在不同系统里得到不同的数字，而且每一个数字都“有道理”。这篇文章不讲宏大的架构，只把“最近10场”拆成一张可以落地的规则表，逐条说明半岛体育AI是怎样处理的。

先分清两个“最近10场”

第一种叫球队窗口：取球队最近10场比赛，再看球员在这10场里的表现，缺阵的场次按“没有数据”处理。第二种叫球员窗口：取球员自己最近10次有出场记录的比赛，不管球队间隔了多少场。

假设示例队甲最近12场里，中场球员陈某（虚构）因伤缺席了中间4场。按球队窗口，他只有6场数据；按球员窗口，可以往前多找4场，凑满10场，但这10场跨越的时间更长，包含了他伤前的状态。两种算法没有对错，只是回答的问题不同：前者问“球队近期这段时间里他的贡献”，后者问“他近期每次上场的表现”。

半岛体育AI的默认做法，是在用户没有说明时采用球员窗口，并在答案里写明“按该球员最近10次上场记录计算，覆盖日期从某月某日到某月某日”。如果用户的问法里出现“球队最近10场”“这段时间”这类措辞，则切换成球队窗口。这个默认值本身不是技术问题，而是产品约定，重要的是它必须被明说。

一张窗口定义规则表

下面这张表是我们处理边界情况时使用的规则骨架，所有数据均为示例口径，实际取值以数据源的字段为准。

这张表最有意义的部分是最后一列：默认值可以有，但不能不可见、不可改。用户如果发现数字与别处对不上，第一步应该是打开口径，而不是怀疑系统算错了。

把规则写成SQL会长什么样

规则最终要落到查询上。假设有一张球员逐场记录表 player_game_stats，包含 player_id、game_id、game_date、minutes、points、is_playoff、is_cancelled 等字段，球员窗口的查询可以写成这样：

SELECT AVG(points)  AS avg_points,
       AVG(minutes) AS avg_minutes,
       COUNT(*)     AS games_counted,
       MIN(game_date) AS window_start,
       MAX(game_date) AS window_end
FROM (
  SELECT points, minutes, game_date
  FROM player_game_stats
  WHERE player_id = 'P0012'
    AND minutes > 0
    AND is_cancelled = 0
    AND is_playoff = 0
  ORDER BY game_date DESC
  LIMIT 10
) AS w;

几个细节值得说明。ORDER BY game_date DESC 依据的是比赛实际日期，而不是比赛编号或录入顺序，否则补赛会被排错位置。minutes > 0 是“出场”的判定，如果数据源用 appearances 或 played 之类的字段，要换成对应条件。返回的 window_start 与 window_end 不是装饰，它们是答案里“覆盖日期”的来源。

球队窗口的写法则要先取球队的比赛，再与球员记录左连接：

SELECT AVG(s.points) AS avg_points,
       COUNT(s.player_id) AS games_played,
       COUNT(g.game_id)   AS team_games
FROM (
  SELECT game_id
  FROM games
  WHERE team_id = 'T03'
    AND is_cancelled = 0
    AND is_playoff = 0
  ORDER BY game_date DESC
  LIMIT 10
) AS g
LEFT JOIN player_game_stats s
  ON s.game_id = g.game_id
 AND s.player_id = 'P0012'
 AND s.minutes > 0;

这里 games_played 会小于 team_games，两者之差就是球员缺席的场次，可以直接写进回答：“球队最近10场中，他出场6场”。这也是球队窗口更适合回答“这段时间他有多稳定”的原因。

加权平均还是简单平均

窗口取对了，平均值还可能算错。场均得分用简单平均没问题；但如果指标是命中率、传球成功率这类比率，把每场的百分比直接平均，就会给出场次不同、出手次数不同的比赛相同的权重。比如某场只投了2次、命中2次，命中率100%；另一场投了20次、命中8次，命中率40%，两场“平均”是70%，而按总数计算是22次出手命中10次，约45%。差距不小。

所以在半岛体育AI的查询规划里，比率类指标默认按总数相除，先求分子之和与分母之和，再相除；只有明确要求“逐场平均”的时候才做简单平均。这是数据口径的问题，与模型的语言能力无关，也是为什么统计要交给数据库计算，而不是让语言模型心算。关于这种分工，可以参考大模型会算错平均数怎么办一文。

缺数据和没上场，是两件不同的事

窗口规则里最容易被混淆的，是“球员没上场”与“数据源没记录”。前者是事实，后者是数据缺口，处理方式完全相反：没上场的比赛不该占用名额，缺记录的比赛却不该被悄悄跳过，否则窗口会不知不觉往更早的日期滑动。

为了区分这两种情况，比赛表和球员记录表之间需要一个显式的出场状态字段，例如 appearance_status，取值可以是 played、bench_unused、absent_injury、absent_other、data_missing。下面是一个虚构的球员最近若干场的状态示例：

第四行是关键：当窗口里出现 data_missing，系统应该在答案里补一句“3月3日一场缺少记录，未计入”，而不是让用户以为10场都是完整的。如果没有这个状态字段，只靠 minutes 是否为空来判断，就分不清“没上场”和“没数据”，窗口的边界会悄悄出错。

这类设计属于典型的数据工程细节，对最终用户不可见，却直接决定答案是否值得信任。它与答案证据链的思路一脉相承：凡是影响数字的前提条件，都应当被记录下来，并在需要的时候展示出来。

一次完整的例子：同一句话，两种窗口，两个答案

把前面的内容合起来，看一个完整的虚构例子。用户问：“边锋周某最近10场场均得分是多少？”

1. 实体识别：系统把“周某”对应到示例队乙的边锋，编号 P0031（虚构）。如果库里存在两个候选，会先让用户确认。
2. 窗口选择：问法中没有“球队”字样，采用球员窗口；赛事默认仅含常规联赛。
3. 查询执行：返回 games_counted = 9，因为其中一场记录缺失。
4. 结果检查：9不等于10，触发提示。
5. 答案生成：“按周某最近可用的9次上场记录计算，场均得分为示例值；有1场比赛缺少数据，未计入。”

如果用户接着追问“那按球队最近10场呢”，系统会改用球队窗口重新查询，并展示他在这10场里的出场场次。两个答案都正确，只是回答了不同的问题，重要的是用户清楚这一点。

用户能做什么：几种更清楚的问法

系统再谨慎，最好的方式仍然是让问题本身更清晰。下面几种问法，能帮助半岛体育AI直接选中正确的窗口：

• “球员A最近10次上场的场均得分”：明确是球员窗口；
• “球员A在球队最近10场比赛中的表现”：明确是球队窗口，缺阵场次会显示；
• “球员A最近10场常规赛，不含加时”：直接给出了赛事类型和时间范围；
• “球员A最近30天的场均得分”：换成日期窗口，避免场次数量的歧义。

如果这些都没有说明，系统会采用默认口径并在答案顶部标出，用户可以一键改成别的口径的做法，是我们在产品设计中想要达到的目标。至于“时间”本身的理解，可以继续参考问“最近10场”和问“本赛季”为什么不是一个问题。

赛季交界处的窗口

还有一种边界情况，发生在新赛季开始的头几周。这时“最近10场”可能一半在新赛季、一半在上赛季，中间隔着几个月的休赛期，球员可能换了球队、换了位置，甚至换了教练体系。把这10场直接平均，得到的数字并不能说明“最近的状态”。

我们的处理思路分三层：默认不跨赛季，新赛季场次不足10场时按实际场次回答并明示；用户明确要求跨赛季时才补足，并在答案里标出每场所属的赛季与所属球队；如果跨赛季窗口里包含转会，则额外提示球队发生了变化。这样做的代价是答案会长一些，好处是用户不会在不知情时得到一个“混合口径”的数字。

这一节也提醒我们，窗口不是一个孤立的过滤条件，它和实体的时间变化、赛季划分是缠在一起的。球员的所属球队随时间变化的问题，我们放在知识图谱如何保存时间关系里讨论。

窗口只是起点，样本量才是提醒

把10场取对，并不意味着这个数字值得被信任。10场比赛里出现一两场极端的高分或低分，就足以改变平均值；缺阵、对手强弱、主客场分布的变化，也都会在小样本中被放大。一个负责任的系统，除了报出平均值，还应该报出样本数、最高最低值或者标准差，必要时提示“样本较小，不宜过度解读”。

所以，“最近10场”这个看似简单的词，其实是一个入口：它把身份识别、时间排序、口径约定、计算方式和不确定性表达，全部牵了出来。把它定义清楚，用户看到的就不再是一个孤零零的数字，而是一个知道自己从哪些比赛算出来的数字。这样的答案，才配得上被追问。