凌晨快两点，Austin Reaves 那张卡还是红的。
红的意思是：不合适。26.6 的使用率，跟东契奇的 38.0 撞一块儿，两个人都要持球，全队适配度垫底。一个拿四条轴给球员打分的页面，自己挑出来的那个"最不合适的人"。
我盯着看了半分钟。然后问了个特别球迷的问题回去：东契奇下场那十几分钟，谁来打？
它没争，去 StatMuse 拉了 with/without。
With Doncic: 25.2 USG / 41 games
Without Doncic: 34.3 USG / 67.5 TS / 10 games
同一张卡上于是并排躺着三组使用率：全季 26.6、同场 25.2、东契奇不在场 34.3，真实命中率 67.5。结论当场翻过来——Reaves 不是不合适，他是这套阵容里唯一撑得起第二套进攻的人。
这次改错没被抹掉。就印在卡片上。
一开始想做的东西完全不是这个
七月初，prompt 就一句话：用那个新模型做点好玩的东西。没有 hackathon 截止日期，没有评分表，也没人会来验收。
湖人那夏天挺热闹。勒布朗没续约，进自由市场；艾顿那笔换走一个替补后卫加几个选秀权；管理层在三十五分钟里连着签了四个人。全联盟都在问同一件事——这帮人到底能不能跟东契奇搭。
我最初想做的是台裁决机器。输入球员，输出一个分数，然后宣布这个休赛期成不成功。
在 Fable 5 里试跑了一轮，这想法被我自己毙了。
理由没什么情面可讲：权重是我挑的，样本太小，几个新援之间一场共同回合都没有。你想用一个数字盖棺定论，那数字里塞的全是我的偏好，跟篮球关系不大。
那就换个壳。表面上还是个体育仪表盘，实际做成了台"偏见可视化机器"——名字听着装，但它至少没骗人。
总分？不做
有条规定我一次都没松过：不许出混合总分。四条轴分开摆——空间、终结、防守掩护、反向球权需求。最后这条越低越好，毕竟你身边杵着一个 38.0 使用率的人。
为什么宁可让人看四行，也不给一个清爽的 0-100？
因为混合分数一定会踩在最尴尬的地方。某个后卫不会投篮、但能接第二持球，加权完他大概率卡在中间，总分告诉你"影响不大"。可那个结构性矛盾一点没消，只是被平均掉了。
平均是信息销毁，不是信息压缩。这话我说得有点满，先这么放着。
更要命的是后面这层：四轴一分家，每条判断就有了坐标。Reaves 那条要是先被压成一个数，我根本不知道该去翻哪条轴——是球权冲突错了，还是空间评分错了？拆开之后，一查一个准。总分制最讽刺的地方就在这儿，它看起来更精确，实际让错误无处落脚。
规则定在看人之前
评分规则是在评任何球员之前写死的。后来有几条跟我直觉对不上，我盯着屏幕想改，最后没改。规则留着，我改。
这不算道德自律，是机制。只要允许我事后回去调权重，这页面上每一条结论就都没法被审计——今天看谁不顺眼就加点防守比重，明天想捧谁就把球权需求调低。那种页面一文不值，因为我自己都不知道它下次会不会得出同一个答案。
v1 的 PRD 里我把这句写死了，没留余地：公式和打分冲突，以公式为准。QA gate 那一行更不客气——分数跟公式打架的时候，公式赢。
十五分钟的 spike，把置信度顶上一等公民
正式开写前花十五分钟做了个 spike，只干一件事：给四个新签的人拉数据，判定条件写成 pass/fail，每拉一条往文件里记一行收据。
第一条就挺刺眼：Grimes 上赛季三分命中率 33.4%，生涯最差。
第二条更有意思。新首发中锋上赛季只打了五场，然后是肩伤手术，赛季报销。
player: Kessler
games_before: 5
confidence: LOW
这就不是"打低分"的问题了，是打不了。样本量连一个正常的轮换周期都凑不齐，你给他 3.2 分和给他 7.8 分，本质上都是在瞎编。
于是置信度标签从一个内部字段变成了一等 UI 元素。听上去挺虚的，直到你发现它真的会改写结论——这一轮里大概一半被标了低置信度的球员，最终判断跟原始评分不一样。
它自己记了要改，然后没改
防守分那一版，是用抢断、盖帽、名气堆出来的。Fable 5 在文档里自己留了一条：这套方法该升级。
记了，没做。
画外音：写待办清单这件事，实习生比谁都积极。
是我自己翻收据的时候翻到那条记录的。把那十四个有评分的球员的防守效率全拉出来重算，Grimes 的防守覆盖分从 4 掉到 2。
- grimes.cover_score = 4
+ grimes.cover_score = 2
这里得说清楚：让 AI 修错，最难的从来不是让它认。认错它配合得很，态度好得让你怀疑人生。难的是它认了但没改——而页面上看起来一切正常。
没有人会去翻那份方法论文档，包括我自己，要不是那天恰好点开。
这条是我这次唯一真心觉得可以推广的经验，别的都还在摸索。
数了一遍阵容，把第二名数下去了
还有一次修正是反方向的。Gary Payton II 一开始在自由球员板上排第二，后来它自己去数了一遍阵容，把人降了级：
guards: 7
forwards: 3
healthy centers: 1.5
一点五个健康中锋。整个项目里最诚实的一行。
一个两米出头的后卫，堆在七个后卫的队里，适配度再高也是纸上谈兵。这种错误单看球员卡片永远发现不了，必须退到阵容全局才看得见——这大概是这工具为数不多比我强的地方。我不太可能耐心数到第七个后卫才发现问题。
Batum 那次是漏掉。审计的时候把他捞出来，9.7 的使用率、40.4% 的投篮，位置上正好是球队缺人的地方，最后排到第二。备注里直白写着"差点把他漏了"。
我现在觉得这行备注比分数本身有用。它告诉你这个系统的失误模式是什么。
最值钱的问题来自球迷，不来自统计
分工挺清楚：Fable 5 拉数据、起草打分、搭页面、记收据；我定规则、提问、抓那条没执行的决定、点头让它上线。
但真正让我改观的不是它代码写得怎么样。是我把问题丢回去的时候，它承认自己那个结论崩了，去拉新数据，重写——而不是替原来的答案找补。这两件事的差别，用过就知道有多大。
而那个让 Reaves 翻盘的问题——"东契奇休息的时候谁打"——是个球迷问题，不是统计问题。StatMuse 不会主动告诉你该问这个，任何一份数据字典里也没有这一栏。看了十年球的人会下意识问出来。
扯远了，回正题。这就是我一直没把这个页面收成一个私人 notebook 的原因：它得被人看见，才会有人来问那个我没想到的问题。
页脚那行字
页面最底下留了一行，说会拿 2026-27 赛季的实际表现回来给这些评分打分。
免费，而且大概率一周内就过时——那行字不删。等赛季打完，这个页面会知道自己错了多少，错在哪条轴，错在哪个置信度档。
所以最后落下来就一句：别在 prompt 里写"请诚实面对自己的错误"，那句话跟没说一样。你要做的是把它第一个判断架成——一旦错了，整套结论就得重算，而且重算的过程留在原地不许删。剩下的它会自己追着跑。