这个站不放预测推荐，也不卖服务。它只做两件事： 用文字讲讲我搭的几个足球 AI 模型——为什么做、大致怎么想、我读它的时候注意什么、它哪里会错； 以及顺手把 AI 足球里那些被说糊了的概念讲清楚。
这部分不列参数、不贴指标。每个模型配一篇随笔，讲我在做它的时候想了什么、 做完之后又怎么看它。想读细节的，文章里会慢慢展开。
逼抢这件事，强度和效率是两回事。一个只统计跑动距离的模型，会系统性地高估那些"跑得凶但抢不下来"的球队。我想把这两件事拆开。
"这个球员很重要"是一句没法比较的话。我想做的是给首发变动输出一个可以横向比较的差值，而不是一个模糊的重要程度。
一个模型想同时做比分、角球、红黄牌，通常意味着每件事都做得不够清楚。模型的能力边界由输入决定，这句话值得反复讲。
网上讲 AI 足球的内容，很多把"模型输出"和"事实"混在一起说。这里试着把概念拆开讲， 每篇只解决一个小问题。
xG 常被说成"预期进球"，但它其实是逐次射门的进球概率累加。理解这一点，就不会拿它去预测比分。
阅读笔记 →概率归一化、模型校准、四舍五入——三个原因叠在一起，让页面上的数字看起来"差一点"。
阅读笔记 →如果输入里只有比赛事件数据，模型不会知道谁是"巨星"。名气带来的影响，必须通过数据间接体现。
阅读笔记 →一个新帅只带队 5 场，模型对他的战术倾向几乎没有把握。样本不足时，输出的数字要打折看。
阅读笔记 →每个模型都写清楚它在回答什么问题、在什么场景下适用。不把回归模型包装成"预测神器"，也不把分类概率说成确定性结论。
已知的失效场景直接写进文章里：临场伤停、样本不足、跨联赛迁移。局限不藏，读者才能判断结果该打几折。
概率是模型在当前信息下的倾向，不是比赛结果。任何模型都会错，区别只在于错的时候能不能解释清楚。
把模型随笔和知识笔记装进口袋。App 不提供预测推荐， 只做阅读和查询：看某个模型是怎么想的、最近写了什么、哪篇笔记值得再读一遍。
支持离线缓存已读文章，更新时推一条极简通知，不打扰。