mlb-category-state-analyzer

MLB 分类状态分析器

目录

• 示例
• 工作流
• 常见模式
• 护栏
• 快速参考

示例

情景：第 3 周，K L 的 Boomers（球队 5）对阵 Los Doyers。周三上午（周中）。还剩 4 个计分日。

对阵原始比分（从 Yahoo 对阵页面获取）：

分类	我方	对手	差距	剩余比赛场次（我方/对手）
R	28	31	-3	26 / 22
HR	9	7	+2	26 / 22
RBI	30	29	+1	26 / 22
SB	4	6	-2	26 / 22
OBP	.342（82 PA）	.336（78 PA）	+.006	26 / 22 GP
K	42	38	+4	9 次 SP 先发 / 7 次 SP 先发
ERA	3.80（21 IP）	4.12（19 IP）	-0.32（更好）	9 / 7
WHIP	1.18（21 IP）	1.25（19 IP）	-0.07（更好）	9 / 7
QS	2	1	+1	9 / 7
SV	3	5	-2	约 8 个 RP 比赛日 / 约 8 个 RP 比赛日

为模拟构建的预测（本周剩余时间的 {mean, stddev} — 参见 resources/methodology.md）：

分类	我方预测	对手预测
R	最终 52 ± 9	最终 57 ± 8
HR	最终 15 ± 3.5	最终 13 ± 3.2
RBI	最终 52 ± 9	最终 55 ± 8
SB	最终 6 ± 2.3	最终 10 ± 2.5
OBP	.346 ± .015	.341 ± .014
K	最终 96 ± 11	最终 85 ± 10
ERA	3.88 ± 0.40	4.05 ± 0.45
WHIP	1.20 ± 0.07	1.25 ± 0.08
QS	最终 6.1 ± 1.5	最终 3.8 ± 1.4
SV	最终 4.8 ± 1.4	最终 7.7 ± 1.5

委托给 matchup-win-probability-sim，参数如下：

• cat_list = [R, HR, RBI, SB, OBP, K, ERA, WHIP, QS, SV]
• cat_inverse_list = [ERA, WHIP]
• cat_win_threshold = 6
• our_per_cat_projection / opp_per_cat_projection 使用上表数据
• sim_mode = "monte_carlo"，n_simulations = 10000，random_seed = 42

模拟输出（由此技能使用）：

• matchup_win_probability = 0.58
• per_cat_win_probability：R 0.36、HR 0.65、RBI 0.42、SB 0.16、OBP 0.60、K 0.74、ERA 0.62、WHIP 0.68、QS 0.85、SV 0.10
• expected_cats_won = 5.18

各分类信号（根据模拟输出和棒球状态推导 — 参见 resources/methodology.md）：

分类	位置（来自状态）	压力（状态 + 节奏）	可达性（= round(100 × p_cat)）	放弃评分（= f(1 − p_cat) + 波动性）	判断
R	落后	72	36	44	争取（有竞争）
HR	领先	48	65	21	保持
RBI	领先（优势微弱）	65	42	35	争取
SB	落后	55	16	58	评估是否放弃
OBP	领先（优势微弱）	70	60	24	争取
K	领先	55	74	16	争取
ERA	领先	62	62	23	争取
WHIP	领先	60	68	19	保持
QS	领先	78	85	9	全力争取
SV	落后	38	10	84	放弃

总体建议：争取 6 项、保持 2 项、放弃 2 项。 对阵获胜概率为 58%（优势中立）。

• 争取（6 项）：HR、OBP、K、ERA、QS — 每项的 per_cat_win_probability ≥ 0.60。另外，RBI 是有竞争且可争取的第 6 项。
• 保持（2 项）：WHIP（基本锁定）、R（可达性偏低，但不至于真正放弃）。
• 放弃（2 项）：SB（p = 0.16，可达性低）和 SV（p = 0.10 + 波动性加成 → 放弃评分 84）。

对其他 Agent 的后续影响：

• 阵容优化器：matchup_win_probability = 0.58 → 优势中立，采用标准的 daily_quality 优化（不调整方差）。
• 选秀权分析器：优先考虑 SP（QS、K、ERA）和 OBP 较高的打者；不优先考虑终结者或速度型球员。
• 轮换策略师：所有能贡献 QS 的 SP 都先发；跳过任何有投不满 5 局风险的投手。

工作流

复制此清单并跟踪进度：

MLB Category State Analysis Progress:
- [ ] Step 1: Pull current matchup scores from Yahoo
- [ ] Step 2: Count remaining games/PAs/IP for both rosters
- [ ] Step 3: Build per-cat projection dicts ({mean, stddev}) for both rosters
- [ ] Step 4: Delegate to matchup-win-probability-sim (pass cat_list, projections, threshold=6, inverse=[ERA,WHIP])
- [ ] Step 5: Derive cat_position (from state), cat_pressure, cat_reachability, cat_punt_score from sim output
- [ ] Step 6: Rank cats and emit push/maintain/punt plan
- [ ] Step 7: Write signal file with YAML frontmatter (include matchup_win_probability from sim)

步骤 1：获取当前对阵比分 抓取 Yahoo 对阵页面：https://baseball.fantasysports.yahoo.com/b1/23756/5/matchup?week=N。提取两支球队在 10 个类别中的当前总量。对于比率类别（OBP、ERA、WHIP），还要记录分母（OBP 的 PA，ERA/WHIP 的 IP）。这是必需项——没有比率背后的数据量，就无法构建比率类别预测。

• 5 个打击类别：R、HR、RBI、SB、OBP（+ 打数 / 打席）
• 5 个投球类别：K、ERA、WHIP、QS、SV（+ 投球局数）
• 在信号文件中引用来源 URL

请参阅 resources/methodology.md 中的抓取流程，以及 Yahoo 无法访问时的备用方案。

步骤 2：统计剩余比赛 / PA / IP

对于每支阵容，统计其球员在本计分周期剩余时间内将参加的 MLB 比赛数量，并预测 PA（打者）和 IP（投手）。

• 打者剩余比赛数：将（每位入选打者所属球队的比赛数 × 其首发概率）求和
• 投手剩余先发次数：每支阵容在本周剩余时间内安排的 SP 先发次数
• 救援投手剩余天数：天数 × 符合条件的 RP 数量（用于 SV 预测）
• 数据量差距：如果一支球队的比赛数明显更多，这会直接反映在预测均值中（也会体现在 per_cat_win_probability 中）

使用 MLB.com 赛程和预计先发投手列表。请参阅 resources/methodology.md。

步骤 3：构建逐类别预测字典

为每支球队构建一个字典 {cat: {mean, stddev}}，其中 mean 是预测的最终值（或剩余值，但两支球队必须始终使用同一种口径——选择一种即可），stddev 则反映剩余数据量带来的不确定性。

• 计数类别（R、HR、RBI、SB、K、QS、SV）：mean = current_total + Σ(per-player per-game rate × games remaining × daily_quality)。默认 CV 为 stddev ≈ 0.35 × expected_remaining。
• 比率类别（OBP、ERA、WHIP）：mean = (current_ratio × current_volume + projected_remaining_ratio × remaining_volume) / total_volume。stddev ≈ σ_per_obs / sqrt(total_volume)——总 IP/PA 越多，标准差越小。
• 两个字典的键必须完全一致，并与联盟的 cat_list 完全相符。
• 使用 OBP（而非 AVG），并使用上游 mlb-player-analyzer 信号中的 qs_probability（而非 W）——参见 Guardrails。

请参阅 resources/methodology.md。

步骤 4：委托给 matchup-win-probability-sim

使用格式正确的输入负载调用同级技能：

inputs to matchup-win-probability-sim:
  cat_list:           [R, HR, RBI, SB, OBP, K, ERA, WHIP, QS, SV]
  cat_inverse_list:   [ERA, WHIP]
  cat_win_threshold:  6
  our_per_cat_projection:  <dict from Step 3>
  opp_per_cat_projection:  <dict from Step 3>
  sim_mode:           "monte_carlo"
  n_simulations:      10000
  random_seed:        42
  tie_rule:           "half"

outputs consumed:
  matchup_win_probability  (float in [0,1])
  per_cat_win_probability  (dict[cat, float])
  expected_cats_won        (float)
  variance_estimate        (float)

• 两个预测字典中均包含全部 10 个类别
• cat_inverse_list = [ERA, WHIP]（数值越低越好）
• cat_win_threshold = 6（Yahoo 10 类别多数胜出）
• 传入种子以确保结果可复现
• 捕获模拟输出字段并存储，以供步骤 5 使用

步骤 5：根据模拟输出 + 状态推导逐类别信号

应用 resources/methodology.md 中的公式。概率计算由模拟负责；本技能负责解读棒球状态。

• cat_position ∈ {winning, tied, losing}——根据当前总量在本地计算（而非使用模拟结果）。正确处理比率类别的方向（OBP 越高越有利；ERA/WHIP 越低越有利）。
• cat_pressure（0–100）——根据位置、接近程度、数据量优势和已锁定标志进行简单算术计算。参见快速参考中的压力公式。
• cat_reachability（0–100）——现在 = round(100 × per_cat_win_probability[cat])，直接取自模拟结果。
• cat_punt_score（0–100）——(100 × (1 − per_cat_win_probability[cat])) × 0.6 + 30 × is_volatile + 20 × below_min_threshold − 10 × has_spillover，并将结果限制在范围内。

步骤 6：排序并输出计划

按 cat_pressure × cat_reachability / 100 对全部 10 个类别排序：

• 前 6 项：争取——将这些类别列为优先考虑对象，用于弃留名单操作、串流和安排先发
• 中间 2 项：维持——保持当前态势，不要过度投入
• 后 2 项：评估是否放弃——如果 cat_punt_score > 60，确认放弃；否则维持 在 H2H Cats 中，目标是赢下 10 项中的 6 项。一个稳妥的计划是“争取 6 项，最多让出 4 项”。输出信号格式请参见 resources/template.md。

第 7 步：编写信号文件

使用 YAML frontmatter 写入 signals/YYYY-MM-DD-cat-state.md（type: cat-state）。将模拟结果中的 matchup_win_probability 作为顶层字段包含在内。持久化之前，使用 mlb-signal-emitter 验证。

• 10 项类别全部齐全，且每项都包含全部 4 个信号
• 在 frontmatter 中记录 matchup_win_probability 和 expected_cats_won
• 记录 sim_meta 块（sim_mode、n_simulations、random_seed），以便复现
• 置信度应反映数据质量（如果 Yahoo 抓取不完整，则降低置信度）
• source_urls 包含 Yahoo 对阵页面、MLB.com 赛程页面，以及对模拟技能的引用
• 记录红队调查结果（例如：“对手即将迎来一名一周先发两场的王牌投手，可能同时扭转 K、ERA 和 WHIP”）

使用 resources/evaluators/rubric_mlb_category_state_analyzer.json 验证输出。最低要求：平均分达到 3.5 或以上。

常见模式

模式 1：周中均势

• 典型的周三上午状态：已有 3–4 项类别稳操胜券，3–4 项势均力敌，2–3 项波动较大。
• 行动：全力争取势均力敌的类别，对已锁定的胜利顺势而为，忽略已锁定的失利。
• 模拟的每项类别概率已反映这一点——p ∈ [0.40, 0.65] 的类别就是争夺中的类别。

模式 2：比赛量不均衡的对阵

• 我们还剩 30 场击球手比赛，对手还剩 22 场。我们的计数类类别预测均值因此上升；模拟中的 per_cat_win_probability 对 R/HR/RBI/SB 的值也会相应上升。
• 行动：排满阵容（减少休息日，优先选择有双重赛的球队），竞价争取临时补位球员。比赛量优势标记会提升施压加成，可争取性加成则由模拟自动提升。

模式 3：王牌投手即将先发两场（己方或对手）

• 一名投手一周先发两场，可能同时影响 K、ERA、WHIP 和 QS。
• 在预测字典中编码这一点：提高其预期 IP 和 K，改善 ERA/WHIP 均值（朝其 ERA/WHIP 靠拢），并按每次预期达到 QS 水准的先发约 0.45 提高 QS 均值。
• 随后，模拟会显示 per_cat_win_probability 中 4 项投球类别的概率同时变动。

模式 4：救援成功类别的波动

• SV 出现频率较低；一次 walkoff 救援失败就可能扭转该类别。
• 在预测字典中，为每名已锁定的终结者设置较低的均值（每周 ≤ 2.5）和适中的标准差（≥ 1.2）。如果落后 2 项以上，模拟自然会报告接近 0.1–0.25 的 per_cat_win_probability。
• cat_punt_score 中的 +30 波动性加成（在此处应用，而非模拟中）会在模拟的可争取性评估一致时，推动放弃争取 SV。

模式 5：比率类类别“冻结”

• 一周接近尾声时，如果对手远未达到 IP/PA 最低要求（例如周五只有 9 IP，且没有更多先发），其比率类类别就会锁定在当前数值。
• 在对手的比率类类别中，将标准差设为接近零，并将其均值设为不利或弃权的数值。随后，模拟会对这些类别返回 per_cat_win_probability ≈ 1.0。

注意事项

1. 绝不能仅根据比率计算 OBP/ERA/WHIP——必须包含样本量（PA/IP）。 10 次 PA 的 .400 OBP 并不比 82 次 PA 的 .342 更好。比率类分类的 projection-dict 均值/标准差必须来自加权平均公式；模拟会将其视为真实值。

2. QS 是头号分类，不是胜场。 本联盟使用优质先发（6+ IP、≤3 ER）。投满 5 局得分为零。预测剩余 QS 时，将每次 SP 先发乘以其 QS 概率（来自 mlb-player-analyzer 的 qs_probability 信号）——不要只统计排定的先发次数。

3. OBP 是第 5 类，不是 AVG。 保送计入统计。预测 OBP 贡献时，使用球员的 OBP（而非 AVG）。像 Juan Soto 这样高保送、低打击率的球员，在这个联盟中的价值高于其原始安打率所显示的价值。

4. SV 波动很大——信号一致时相信放弃该分类的判断。 与累积型打击分类不同，剩余 3 天时即使只落后 2 次救援成功，per_cat_win_probability 也很低，与阵容无关。如果你阵容中的终结者角色尚未确定（检查 save_role_certainty < 70 → 自动列为放弃候选），就不要争取救援成功。cat_punt_score 中的波动性加成在这里应用，而不是在模拟中应用——模拟返回的是原始概率。

5. cat_reachability 来自模拟——不要重新计算。 这是委托处理。如果模拟返回 per_cat_win_probability[R] = 0.36，那么 cat_reachability[R] = 36。不要在这里使用 z-score 捷径或最佳/最差情况分桶——这些属于旧启发式方法，现在由模拟技能负责。

6. 已锁定的分类仍需压力调整，而不是设为零。 已锁定的胜局仍有 cat_pressure ≈ 40（已稳拿）。已锁定的败局仍有 cat_pressure ≈ 20（停止投入）。不要将它们设为零——下游 Agent 会使用非零值来决定替补还是放弃球员。

7. 比率类分类需要最低 IP/PA 规则。 Yahoo 对投手比率类分类设有最低要求（每周通常为 20 IP）。如果任一阵容在临近周末时仍低于最低要求，该比率类分类可能会自动判负。调用模拟前，将此规则编码到 projection dict 中（stddev → 0，mean → 惩罚值），并向 cat_punt_score 添加 +20 below_min_threshold。

8. 绝不重新推导上游信号。 qs_probability、sb_opportunity、obp_contribution、save_role_certainty 来自 mlb-player-analyzer。从信号目录读取，不要重新计算。

9. 始终向模拟传入 random_seed。 否则，两次运行此技能会产生略有差异的 cat_reachability 值，导致执行差异比较的下游 Agent 产生混淆。默认种子：42。

快速参考

当前数学逻辑所在位置：

信号	归属	公式
cat_position	此技能	根据当前总数计算的枚举值（考虑比率指标方向）
cat_pressure	此技能	基线 50 + 20 × 接近程度 + 15 × 波动性优势 − 10 × 已锁定胜局 − 30 × 已锁定败局
cat_reachability	委托给 matchup-win-probability-sim	= round(100 × per_cat_win_probability[cat])
cat_punt_score	此技能（使用模拟输出）	(100 × (1 − p_cat)) × 0.6 + 30 × 高波动性 + 20 × 低于最低门槛 − 10 × 溢出
matchup_win_probability	委托给 matchup-win-probability-sim	蒙特卡洛 P(cats_won ≥ 6)

cat_pressure =
    50                                         # neutral baseline
  + 20 × (is_close_margin: deficit/lead ≤ 10% of total)
  + 15 × (opponent_volume_exhausted: we have more games left)
  - 10 × (locked_in_win)
  - 30 × (locked_in_loss)
  clamp(0, 100)

cat_reachability = round(100 × per_cat_win_probability[cat])   # from sim

cat_punt_score =
    (100 - cat_reachability) × 0.6                      # base: if we can't reach, consider punting
  + 30 × (cat is traditionally volatile: SV)
  + 20 × (below min-PA/IP threshold)
  - 10 × (cat has spillover: K→QS, OBP→R, HR→R+RBI)
  clamp(0, 100)

联盟常量（来自 context/league-config.md）：

• 10 项数据：R、HR、RBI、SB、OBP、K、ERA、WHIP、QS、SV
• 反向数据项：ERA、WHIP（越低越好——作为 cat_inverse_list 传给模拟器）
• OBP（而非 AVG）——保送很重要
• QS（而非 W）——投球 6+ 局且自责分 ≤3
• H2H 数据项赛制，目标 = 每周赢下 10 项中的 6 项以上（cat_win_threshold = 6）
• 每日锁定阵容；每周对决从周一持续到周日

信号文件输出架构（来自 context/frameworks/signal-framework.md）：

---
type: cat-state
date: YYYY-MM-DD
emitted_by: mlb-category-state-analyzer
week: N
matchup_opponent: <team name>
scoring_days_remaining: N
matchup_win_probability: 0.58          # from matchup-win-probability-sim
expected_cats_won: 5.18                # from matchup-win-probability-sim
sim_meta:
  sim_mode: monte_carlo
  n_simulations: 10000
  random_seed: 42
synthesis_confidence: 0.0-1.0
source_urls:
  - https://baseball.fantasysports.yahoo.com/b1/23756/5/matchup?week=N
---

正文：每项数据的表格 + 整体的冲刺／维持／放弃建议 + 红队审查结果。

下游使用的阈值：

Agent	阈值	影响
选秀分析器	cat_pressure ≥ 60	优先选择能补强该项数据的目标
先发策略师	cat_pressure (ERA/WHIP) < 30	允许使用风险更高的先发（我们正在放弃这些数据项）
阵容优化器	matchup_win_probability < 0.4 / > 0.6	处于劣势时追求波动性／处于优势时降低波动性
交易分析器	权重 trade_cat_delta	乘以 cat_pressure / 50

关键资源：

• resources/template.md：信号文件输出格式、每项数据的表格、模拟集成的完整示例
• resources/methodology.md：Yahoo 抓取流程、剩余比赛投影、构建每项数据的投影字典、模拟集成公式
• resources/evaluators/rubric_mlb_category_state_analyzer.json：评估标准
• 同级技能：matchup-win-probability-sim——通过蒙特卡洛／泊松二项分布负责每项数据和对决级别的获胜概率计算

所需输入：

• 当前对决比分（10 项数据，双方球队，包含比率数据项的数量）
• 双方球队的阵容 ID
• 截至周日的 MLB 剩余赛程
• 上游信号：qs_probability、save_role_certainty、obp_contribution、sb_opportunity、daily_quality
• 联盟配置（数据项列表、最低 IP/PA 阈值、cat_win_threshold）

生成的输出：

• signals/YYYY-MM-DD-cat-state.md——包含 10 项数据表格、整体计划、matchup_win_probability、置信度和来源 URL 的信号文件
• 每项数据的 cat_position、cat_pressure、cat_reachability、cat_punt_score
• 整体“冲刺 N 项、维持 M 项、放弃 P 项”建议（N + M + P = 10，目标为 N ≥ 6）
• 用于阵容优化器波动性决策的 matchup_win_probability（来自模拟委托方）