Agent Skills
返回列表
📊

FastF1 赛车数据分析

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md 的官方安装指南,在 AI 助手中安装 @user_3c6cb52e/fastf1-koc4 技能。

技能介绍

一个长期困扰 F1 数据脚本的问题

想分析 F1 数据时,你通常只有两条路:要么去啃 fastf1 这个 Python 库的文档,处理导入路径、事件名匹配、会话类型枚举等一堆细节;要么手动去翻官方计时页面,把数据一段段复制下来。前者调试成本高,后者根本做不了圈速、进站、轮胎策略的交叉分析。

这个技能把 FastF1 库的查询过程封装成一组语义明确的命令,让 Agent 能按工作流直接取数,而不必关心底层的导入与命名问题。

技能如何工作

核心能力是 一组查询命令 + 一套年份推导规则:

  • 数据覆盖:赛程、正赛成绩、分段数据、进站、速度陷阱、车手/车队积分、赛季汇总统计、轮胎策略分析,以及车手与车手、车队与车队的正面对比。
  • 调用方式:官方建议优先用 CLI 入口,能绕开 Python 导入路径问题;SDK 仅作为备选。
  • 年份处理:所有查询前,先从系统提示的 currentDate 推导年份。若用户明确指定年份则直接采用;若说"最新"或没说明,则按月份判断——F1 赛季大致 3 月开始,1 月或 2 月查询时自动回退到 current_year - 1,避免预赛季阶段查不到数据。
  • 典型工作流:

- 比赛周末分析——先 get_race_schedule 拿到赛事名,再依次取成绩、圈速、轮胎数据。
- 车手/车队对比——先看积分上下文,再做正面对比,最后补赛季汇总统计。
- 赛季概览——日历、积分榜、汇总统计、车手名单四步走完。

  • 错误处理:内置常见坑位说明,比如赛事名拼写必须与内部命名一致、未开始的会话返回空数据、部分分站成绩接口不含最快圈等。

适用边界与注意点

  • 只返回已完成的会话数据:尚未开跑的排位赛或练习赛查询会返回空,需先用 get_race_schedule 确认时间安排。
  • 命令列表是封闭集合:get_qualifying、get_standings、get_results、get_calendar 这些看似自然的命名并不存在。排位要用 get_session_data 并指定 session_type="Q",练习赛则是 FP1/FP2/FP3。
  • 赛事名必须精确匹配:拼写不符会直接报 not found,先查日历再重试是最稳的做法。
  • 最快圈数据不一定在成绩接口里:如果 get_race_results 没给,需要用 get_lap_data(session_type="R") 自行遍历所有车手的最小圈速。
  • 参数细节在参考文档里:完整的参数列表与返回数据结构需要查阅 references/api-reference.md,本说明只给出主干流程。

使用场景

  • 在赛季进行中的某站比赛结束后,需要快速拿到正赛成绩、最快圈和车手积分变化,用于撰写赛后分析。
  • 对比两位车手或两支车队在整个赛季的排位与正赛节奏差异,需要圈速、分段速度和积分数据支撑。
  • 在 1 月或 2 月的休赛期被问到最新 F1 结果时,需要自动回退到上一年赛季并给出最后一站成绩。
  • 分析某条赛道的轮胎策略,需要各车手的轮胎配方、进站次数和 degradation 数据。

适合人员

  • 体育数据分析师:每站赛后需要从官方计时中提取结构化成绩与逐圈数据,用于建模或撰写报告。
  • 赛事内容编辑:比赛日当晚要快速产出积分变化、轮胎策略解读和车手对比稿件。
  • 后端工程师:为 F1 数据产品接入稳定的赛程与成绩查询接口,避免重复处理 Python 导入问题。
  • 赛车运动研究者:分析进站策略或速度曲线,需要带分段计时和轮胎配方的逐圈数据。