dc-docs/output/feishu-docs/md/PHwIdFwThoiT70xFGvKcx7SWnpe.md

2026.06.17-日报-莫润麟

2026.06.17-日报-莫润麟### 今日内容① 文献学习：XGBoost + SHAP 方法参考 ②《实证操作手册》整理 ③ Codex 业务skill制作 重点学习了一篇使用** XGBoost 与 SHAP **的足球比赛分析论文： 《足球比赛中防守突破检测的断点预测模型分析》 2025 该论文研究的是足球比赛中的突破防线分析：

什么样的空间结构、球员位置、速度和传球方式，会导致进攻方突破防线？ 而我们的研究是希望进一步识别： 什么样的游戏机制变量，会影响玩家综合投入？ 因此，这篇论文虽然不是游戏领域研究，但可以作为“复杂多人竞争场景 + 高维行为数据 + XGBoost + SHAP 解释”的方法参考支撑。

（一）论文的方法路径该论文的整体方法路径可以概括为：

业务问题定义 → 构造可计算标签 → 构建结构化特征 → XGBoost 预测 → SHAP 解释 → 回到战术含义。 具体来看：

• 先定义因变量- 论文没有笼统研究“进攻效果”，而是将突破防线明确定义为可计算标签，即一次传球是否突破防线。- 再构造特征变量- 作者基于事件数据、球员追踪数据和比赛信息，构建了 189 个特征，包括球员位置、速度、防线间隙、空间控制等。- 使用 XGBoost 建模- XGBoost 用于预测一次传球是否造成突破防线，适合处理多变量、非线性和变量交互关系。- 使用 SHAP 解释模型- SHAP 用于解释哪些变量对突破防线更重要**，以及变量如何影响突破概率**。- 回到业务解释- 最后，作者将模型结果解释为具体的足球战术含义，例如传球方向、进攻球员速度、防线间隙和空间分布等因素如何影响突破。他们研究的是体育竞赛中的战术突破，我们研究的是游戏竞赛中的综合投入， 场景不同，但“竞赛结构变量 → 机器学习识别 → SHAP解释机制”的方法逻辑是相通的。

**（二）整理《XGBoost_SHAP实证操作手册》**围绕后续 XGBoost / SHAP 实证分析，整理形成了一版可直接执行的操作手册

明天拿到正式数据后用于跑数的实证流程说明

核心思路是：

• 先将玩家行为和机制变量整理成玩家-活动期级建模底表- 再用 XGBoost 识别七类机制变量与玩家综合投入之间的复杂关系- 最后通过 SHAP 解释不同机制变量对玩家投入的贡献。[图片: 图片为qa:image11<qa:image></qa>为《XGBoost_SHAP实证操作手册》主流程图，数据到位后直接按流程执行。流程包含11个步骤，从输入数据准备>]手册源文件👇

二、Codex 业务skill制作发现 Codex 在多轮对话中容易混淆业务文件角色，核心原因不是模型能力问题，而是业务上下文复杂、文件角色多、流程规则没有被显式固定。

具体表现：

• Agent 聊着聊着开始把埋点表当实际数据用，把3月有的字段默认5月也有- 策划案里的规则和后来修正过的变量口径混在一起说- 文件越多、对话越长，串台越严重> **根本原因：**没有固定流程时，AI 靠"最近说了什么、文件叫什么名字、上下文联想"来判断该用哪个文件——业务文件一复杂，上下文一朵就开始出错。 解决方向： 不是多聊，而是把固定任务封装成 Skill / 工作流规则，让 Agent 接到某类任务时先按固定规则读取对应文件、理解文件角色、执行固定步骤。 Skill 一：埋点相关任务 固定执行顺序：
• 先看埋点表 — 埋点表是字段字典/指标口径，代表活动已有的全部埋点定义，不是实际数据- 再看3月/5月数据 — 判断哪些字段实际有数据、哪些缺失、字段是否可用- 区分有无数据 — 埋点表有定义 ≠ 数据里实际有；5月有还需判断样本是否稳定- 变量构建时同时核查六项：理论机制是否匹配 / 字段是否真实存在 / 3月5月是否都有数据 / 是否与因变量重叠 / 是否有足够样本变化 / 是否能用于 XGBoost/SHAP Skill 二：策划案相关任务 固定读取逻辑：
• 识别活动规则结构 — 报名、匹配、赛季、联盟、阵营、积分、奖励、排行、限制条件- 抽象机制 — 对应七机制（补偿性、公平性、激励性、互补性、私有性、互动性、流动性）- 判断可观测行为 — 规则里哪些行为可被数据捕捉，如参战、派遣、捐献、鼓舞、竞猜、领奖、兑换、协作- 最后才映射埋点字段 — 不能从策划案直接跳到变量，必须经过完整链路：规则 → 机制 → 行为 → 埋点字段 → 数据可用性

---

Source: feishu doc PHwIdFwThoiT70xFGvKcx7SWnpe