Files

T

WorkBuddy 80616cf459 docs: 全套文档与代码对齐(P1-1,数据源收敛 bzzoiro 后的存量漂移清理)

- 数据源:全部文档统一为 bzzoiro 唯一来源,删除 understat/api-football
  作为现行数据源的表述(仅保留历史注记);.env.example/docs/06 移除
  失效的 API_FOOTBALL_KEY
- 多 Agent:injuries 阵容完整性 → standings 联赛排名
  (README/01/04 的专家表、数据流图、no_data 示例、agent_weights、
  prompt 清单全部对齐 form/stats/home_away/standings/h2h)
- 数据库:6 张表 → 12 张表,补 standings/app_settings/schedules 与
  4 张治理表说明(标注 raw_events/data_quality_checks/data_lineage
  为预留未启用,ingest_failures 已启用),predictions 补 agent_weights 列
- API 文档(03):新增鉴权模型三档表;context/standings/leagues 公开端点
  补全;predictions/eval/backtest 标注需管理员;ingest/bzzoiro 补
  task/limit/season 参数契约,删除 understat/injuries 端点小节
- 目录树(README/01/07):与真实 src/、frontend/src 结构一致
  (core 7 文件、data 7 文件、移除不存在的 retry.py)
- 采集命令(02/05):understat 回填 → task=stats/standings;
  补管理员凭据提示;docs/08 文首标注历史/过时

2026-09-21 20:55:48 +08:00

3.8 KiB

Raw Blame History

02 · 快速开始

前置条件

Python 3.11+
Docker Desktop(跑 PostgreSQL)
一个 OpenAI-compatible 的 LLM API Key(OpenAI / Deepseek / Ollama 等任一)
bzzoiro 数据源 Key(旧项目 MatchPro 的同一 Key)

1. 安装

cd P:\Profeto
pip install -e ".[dev]"

2. 配置环境变量

cp .env.example .env

编辑 .env,至少填这三项:

LLM_API_KEY=sk-xxx                # 必填
LLM_BASE_URL=https://api.openai.com/v1   # 换成你的提供商
LLM_MODEL=gpt-4o-mini             # 默认模型

# 可选分档(推荐):
LLM_SPECIALIST_MODEL=gpt-4o-mini  # 5 个专家用(便宜快)
LLM_AGGREGATOR_MODEL=gpt-4o      # 终裁用(强)

BZZOIRO_KEY=xxx                   # 数据采集用

3. 启动数据库 + 建表

docker compose up -d postgres
alembic upgrade head

4. 启动服务

# 后端
uvicorn src.api.app:app --reload

# 前端(另开终端)
cd frontend
npm install
npm run dev

前端界面: http://localhost:5173
API 文档(Swagger): http://localhost:8000/docs

5. 首次跑通全流程

采集历史数据(英超近两个月为例)

curl -X POST http://localhost:8000/api/v1/ingest/bzzoiro \
  -H "Content-Type: application/json" \
  -d '{"leagues":["E0"],"date_from":"2026-08-01","date_to":"2026-09-08"}'

注:采集/评估端点需管理员凭据。本地开发环境(未配置鉴权、非 production)默认放行; 生产环境需先 POST /auth/login 取 Cookie,或带 X-API-Key 头。

数据量大时直接拉整赛季(约 380 场,含近几个赛季更好,近况/交锋/积分榜都需要历史):

curl -X POST http://localhost:8000/api/v1/ingest/bzzoiro \
  -H "Content-Type: application/json" \
  -d '{"leagues":["E0"],"date_from":"2025-08-01","date_to":"2026-09-08"}'

回填积分榜与统计(让攻防/排名专家有数据)

curl -X POST http://localhost:8000/api/v1/ingest/bzzoiro \
  -H "Content-Type: application/json" \
  -d '{"task":"standings"}'

curl -X POST http://localhost:8000/api/v1/ingest/bzzoiro \
  -H "Content-Type: application/json" \
  -d '{"task":"stats","leagues":["E0"],"limit":300}'

task=stats 只补空字段(xG/射门/控球等),不创建比赛。

查比赛

浏览器打开 http://localhost:5173 ,选"英超 / 未开赛"; 或:

curl "http://localhost:8000/api/v1/matches?league=E0&status=scheduled"

LLM 预测

页面上点"LLM 预测",预测面板会展示最终结论 + 5 个专家 agent 的折叠报告(方向性评分/证据/分析); 或:

curl -X POST http://localhost:8000/api/v1/predict \
  -H "Content-Type: application/json" \
  -d '{"match_id": 1}'

不传 mode 默认走多 agent;"mode":"single" 走单次调用旧路径(用于对比)。

赛后评估

比赛结束后,采集最新赛果(同一条 ingest 命令会自动把 scheduled 升级为 finished 并补比分), 然后回填预测:

curl -X POST http://localhost:8000/api/v1/eval/settle \
  -H "Content-Type: application/json" \
  -d '{"prediction_id": 1, "home_goals": 2, "away_goals": 1}'

# 汇总准确率(按 模型 × prompt 版本,含 multi/single 对比)
curl http://localhost:8000/api/v1/eval/summary

常见问题

问题	处理
连不上数据库	`docker compose ps` 确认 postgres 健康;`.env` 的 `DATABASE_URL` 与 compose 一致
predict 返回 502	看 uvicorn 日志的 LLM error;确认 `LLM_BASE_URL`/`LLM_API_KEY`;`response_format` 不兼容的网关会报错(改用支持 json mode 的模型)
采集 0 场	bzzoiro Key 失效或联赛代码写错;先 `GET /api/v1/leagues` 看库里有没有联赛
专家报告全是 no_data	历史数据不够 —— 近况需要每队近 5 场、积分榜需要本赛季已完赛比赛,多拉几周数据
stats 专家报无 xG/统计	先跑 `task=stats` 回填(bzzoiro 统计管线,只补空字段)

3.8 KiB Raw Blame History Unescape Escape