我用 AI 预测了 24 场 NBA：从 0% 比分全中说起
起稿日期：2026-05-06 · 发布日期：2026-05-12
建议分类：复盘 / 体育（不是默认的 Web3）
起因：一句话先定调
过去一个月我把 walker-learn.xyz/predictions/ 当作一个公开的 AI 预测沙盘，每天发预测、每场比赛结束后回填比分。24 场 NBA，比分全中 0 场，胜负方向猜对 13 场（54.2%）。这篇是给好奇 AI 在体育预测里到底能干什么的人，一份不带话术的实数据复盘。
数据怎么算的
每场预测发布时记录：主队、客队、开赛时间、模型给出的预测比分。比赛结束后从 api-football 拉真实比分，分三档自动结算：
- 比分全中（exact）：预测比分 = 真实比分（罕见）
- 胜负正确（outcome）：胜负方向对了，比分错（NBA 主要档位）
- 错（miss）：胜负也错
详细方法论写在 /predictions/ 的「我们怎么预测的」一节。
NBA 的真相：比分全中根本不是合理目标
足球一场 1-0 / 2-1 这种低比分一抓一把，AI 蒙到的概率不算特别低（全站综合 9.9%）。NBA 一场 110 比 105 的比分组合空间是足球的几十倍——理论上 AI 偶尔押中也行，实际 24 场我 0 中。结论很简单：NBA 看胜负就行，不要看比分。
这也是为什么 /predictions/nba/ 的 hero 区块标着「比分全中率 0%、胜平负命中率 54.2%」毫不掩饰——AI 对大比分预测能力的天花板就在这。
胜负 54.2% 算高还是低？
NBA 公开市场（vegas line）长期数据，盲押客胜大约 42%、盲押主胜大约 58%。简单的「主胜 = 胜」基线 = 58% 准。 我的 54.2% 反而比这个无脑基线略低（少约 4 个百分点）。
一种解读是样本量太小（24 场，第一个完整月）。另一种更诚实的解读：当前 prompt 对 NBA 的「主场动机 / 赛季末状态」建模不足，反而被基线 anchor 拖累。不管哪种解读，AI 这套预测目前都没有跑赢一行 SQL 能算出来的策略——这件事我不会等到「数据好看了再说」。
更何况博彩公司收 ~5% 抽水，要打平至少需要 52.4% 的命中率（针对 -110 odds）。AI 单纯按命中率赢博彩公司的可能性，目前看是没有的。 这件事情如果有人告诉你他能稳定赢，你应该不相信。
我做这个的理由不是赢钱，是想看 AI 在「公开数据 + 结构化分析」这个工作流里的极限到哪。比起买课、看专家、看 social 里那些「内部消息」，公开承认每场预测对错并暴露出来给人查这件事，本身比命中率更稀缺。
几个有意思的 case
24 场不算多，但已经能看出几种 AI 翻车的典型模式。每条都附原文，比分和分析全部公开可查。
-
1 分险胜，AI 给反方向 +8 分 —— 尼克斯 vs 老鹰（4/21）。AI 给尼克斯 109-101 主胜 8 分，实际 106-107 老鹰客场 1 分险胜。1 分球在 NBA 是常态（多数还会加时），AI 既没拿到方向也没拿到差距，最经典的双重错杀。
-
33 分 swing 的大屠杀 —— 开拓者 vs 马刺（4/26）。AI 给主胜 12 分（118-106），实际主队输 21 分（93-114）。33 分误差，AI 完全没拿到马刺当晚状态。
-
让分完美命中——比分没对但 spread 完美 —— 马刺 vs 开拓者（4/20）。AI 预测 118-105（让分 +13），实际 111-98（让分 +13）。比分没对但差距精准命中，这是 24 场里最干净的一次「方法论奏效」。
-
湖人 28 分狂虐太阳 —— 湖人 vs 太阳（4/11）。AI 给湖人赢 7 分（115-108），实际湖人赢 28 分（101-73）。太阳全场得 73 分（联盟平均 113），暗示 AI 没拿到太阳当晚的伤停或休整安排——这正是 prompt 拿不到的私域信息。
-
AI 押客胜的两场，主队都反虐 —— 魔术 vs 活塞（4/25）+ 火箭 vs 湖人（4/27）。两场 AI 都给客胜，主队两场都反虐（主胜 8 / 19）。这是数据里最一致的 AI 系统性偏差：对主场动机欠拟合。
每条都能从 /predictions/nba/ 顺藤摸到下面一条，我没在哪一场赢钱后就把它藏起来——所有结算结果都按 _match_settled 标记摆在 sitemap 里。
我学到了什么
- 比分预测不是产品方向：让 AI 押 110-105 这种六位数字组合是无意义的精度幻觉，应该转向胜率分布或 over/under 这类有机率边际的问题。
- prompt 工程不是单调上升：换更复杂的 prompt 不一定准。早期我用极简 prompt 命中率反而不低，加了一堆 player props 后命中率也没明显抬升。现在跑 A/B 测试 在 prompt 之间做选择。
- 公开承认错过的比赛比说命中的比赛更重要：每周复盘（postmortem）会自动跑，把命中率掉下去的原因写回 prompt feedback。这件事如果不强制公开，模型迭代会变成挑选式叙事。
下一步
如果你也在做 AI + 公开数据的实验，命中率不是最重要的事；公开把命中率写在首页才是。
免责声明：本文不构成任何形式的投注建议。请遵守当地法律法规。
主题测试文章，只做测试使用。发布者：Walker，转转请注明出处：https://walker-learn.xyz/predictions/recap-ai-nba-24-games
