技能介绍

解决大学橄榄球数据查询的动态状态与结构问题

在构建体育数据相关的 AI Agent 时，大学橄榄球（College Football, CFB）的数据接入往往面临两个棘手问题：一是数据状态高度依赖时间（赛季仅在 8 月至次年 1 月进行），二是数据结构与职业联赛（如 NFL）存在显著差异。硬编码赛季年份或错误套用职业联赛的查询逻辑，极易导致 Agent 在休赛期返回空数据或抛出难以理解的异常。该技能专门针对这些工程痛点，提供一套无需 API Key 的 CLI 查询方案，帮助 Agent 准确获取 FBS 级别赛事的实时比分、排名、阵容与统计数据。

核心能力与关键执行逻辑

技能通过命令行接口（CLI）暴露 14 个核心查询指令，规避了 Python 环境变量与包导入路径的兼容性问题。在执行查询前，Agent 需遵循严格的动态状态推导规则：

赛季年份推导：禁止硬编码年份，必须从系统提示词中的 currentDate 提取当前年份。若处于 2 月至 7 月的休赛期，自动将赛季年份减一。
联盟与队伍解析：大学橄榄球的积分榜按联盟（Conference）划分。查询积分榜时必须传入 group 参数（如 SEC 联盟的 ID 为 8）；若用户仅提供队伍名称，需先调用 get_teams 解析对应的 team_id。
数据形态适配：区分大学与职业联赛的数据结构。例如，排名系统采用 AP Top 25、Coaches Poll 与 CFP，且计分板（Scoreboard）中的队伍对象包含 rank 字段以标识排名状态。

适用边界与错误处理机制

在使用该技能时，Agent 必须严格遵循指令白名单。资料中明确列出了不存在的命令（如 get_odds、search_teams、get_box_score），调用这些未实现的接口会导致请求失败。

此外，Agent 需具备基础的错误降级与语境感知能力。当 get_scoreboard 返回空结果时，不应直接向用户暴露原始报错，而是结合休赛期特性，建议查询 get_rankings 或 get_news。对于 get_teams 返回 750 余支队伍导致数据过载的问题，应引导用户通过 references/api-reference.md 缩小查询范围，或借助 ESPN 链接辅助定位。该技能不提供博彩赔率查询，预测市场数据需交由 Polymarket 或 Kalshi 等专用技能处理。