NBA 数据服务

解决什么问题

当你在对话中问「勒布朗·詹姆斯本赛季场均得分多少」或「湖人队下一场比赛对手是谁」时，大模型本身并不具备实时查询 NBA 数据库的能力。如果没有外部数据接口，模型只能基于训练数据给出过时或模糊的回答，无法满足体育数据分析、赛事跟踪、球员对比这类实时性要求高的需求。

这个技能充当模型与 NBA 官方数据之间的桥梁，让模型能够：

• 查询球员的赛季统计、职业生涯数据、比赛日志
• 获取球队阵容、赛程、排名和高级分析指标
• 检索比赛详情、比分、逐回合回放和轮换信息

核心能力与工作流程

技能采用 路由层 + 工具调用 的架构。模型负责理解用户意图并选择对应的工具函数，代码层只负责执行 API 请求。

关键步骤包括：

1. 密钥检查：首次使用时，若配置中缺少 XBY_APIKEY，模型会主动询问用户并保存密钥
2. 意图识别：根据用户问题从 30 个工具函数中选择最匹配的接口，例如：

- 查球员数据 → scripts.tools.get_player_season_stats
- 查比赛比分 → scripts.tools.get_scoreboard_by_date
- 查联盟排名 → scripts.tools.get_standings

1. 参数提取：从用户输入中提取必要的参数，如 player_id、season、date 等
2. API 调用：以关键字参数方式调用工具函数，例如：

   scripts.tools.get_player_season_stats(player_id='2544', season='2024-25')
   

1. 结果整理：将返回的 result["raw"] 数据格式化后呈现给用户

工具覆盖范围从基础的球员资料和球队信息，到高级的投篮热力图、防守对位命中率、Hustle 统计和奖项记录，基本涵盖了 NBA 数据分析的常见场景。

适用边界与注意事项

API 密钥是硬性要求。技能无法在无密钥状态下工作，也不会通过其他方式绕过数据源。如果用户未提供密钥，模型必须停下来等待输入，而不是编造数据。

参数完整性同样关键。当用户问题缺少必要参数（如未指定球员名称或日期），模型需要主动追问，而不是猜测默认值。例如，查询「某球员本赛季数据」时，必须先确认具体是哪个球员。

这个技能适合结构化查询和事实性数据获取，不适合开放式分析或策略推荐。它能告诉你约基奇本赛季的 PER 值是多少，但不会告诉你他下一场比赛该打多久。