预测帝是专为 AI Agent 打造的事件预测 Skill。你只管问，它自动搜赔率、查 Elo、翻战绩、读新闻——五路情报并行采集，脚本融合成一个可复现的概率，再写成一份分析师级的预测报告。
每一路都是独立的真实证据。预测帝并行拉取，互相印证——任何一路单独看都可能偏，合起来才接近真相。
读懂市场真金白银的共识。支持 decimal / american / fractional 三种格式，自动去除 overround（庄家利润），还原干净的隐含概率。
捕捉 Polymarket、Kalshi 等事件合约的实时定价——「Yes」价格就是市场押注的概率，钱投出来的判断。
用实力模型量化强弱差距。标准 Elo 期望分公式，支持主场优势调整，把「谁更强」变成一个数字。
近 10 场胜率、正面交锋 H2H、主客场——近绩与宿命，一手掌握，合成为一个稳健的胜率估计。
赛前 7 天的伤病、变阵、舆论风向逐条打分并实时纳入，让最新变量进入概率，而不是停留在历史里。
某个源拿不到？直接跳过、不捏造，剩余信号重新归一化权重——不会因为一个数据源掉线就整套崩掉。
核心规则：禁止 LLM 自行估算融合概率。所有数字都交给 fuse_signals.py 跑出来——赔率归一化、Elo 换算、加权融合，全程可复现、可审计。
# v1 固定权重，缺失源自动剔除并归一化 DEFAULT_WEIGHTS = { "odds": 0.30, "elo": 0.25, "historical": 0.20, "sentiment": 0.15, "market": 0.10, } # 加权融合 → 归一化 → 可审计输出 result = fuse_signals(signals, WEIGHTS) print(result["probabilities"]) # → {"LAL_win": 0.5179, "BOS_win": 0.4821}
从「湖人能赢吗」到「今天世界杯四场怎么猜」，都走同一条固定流水线——每一步都有明确的关卡规则。
解析问题，提取 Event JSON。判断是不是预测问题，不是就直接退出。
并行拉取五路信号，写入 signals.json。找不到的源直接跳过，绝不捏造。
运行 fuse_signals.py 输出 result.json。这一步禁止 LLM 自行估算融合概率。
按模板输出结论、多源对比表、关键依据与风险点，附完整数据溯源。
这不是 PPT，是 Skill 真实跑出来的结构化报告。每个数字都能追溯到来源，融合概率与脚本输出逐位一致。
| 来源 | 湖人 LAL | 凯尔特人 BOS | 备注 |
|---|---|---|---|
| 博彩赔率 odds | 44.4% | 55.6% | Oddschecker 中位数 |
| Elo 评分 elo | 58.6% | 41.4% | ClubElo，湖人主场 |
| 历史统计 historical | 55.9% | 44.1% | 近 10 场 7-6，H2H 3-2 |
| 新闻情绪 sentiment | 49.8% | 50.2% | 主力带伤，avg −0.033 |
| 预测市场 market | — | — | 未找到对应市场，自动跳过 |
| 融合结果 | 51.8% | 48.2% | 权重重新归一化 |
三个脚本 normalize_odds / elo_expected / fuse_signals 全用 Python 标准库，零第三方依赖，任何环境都能跑。
confidence<0.7 停下来问、0 信号停止、1 信号标低置信、数据过旧要警告——行为可预期，不靠模型即兴发挥。
examples.md 完整 walkthrough，tests/ 里 sample_odds / elo / signals / result 数据齐全，作者自己跑通过。
赔率 overround 去除、Elo 输入校验、缺失信号自动重新归一化——不会因为一个源拿不到就崩掉。
直接问，或显式调用 Skill。剩下的搜数据、算概率、写报告全自动。
加载 SKILL.md，按内置 Checklist 逐步执行即可。