体育投注分析工具

一款基于FastAPI和代理后端(MCP工具)构建的NBA投注分析Web应用,旨在提供基于证据的行动建议(如选择/不选择、信心、优势、关键驱动因素、引用和跟踪),并可扩展至其他体育项目。

  • by Pranavc05
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Pranavc05/Sports-RAG-MCP

使用说明

运动RAG+MCP

NBA博彩分析网络应用程序采用代理后端(MCP工具)和FastAPI构建,旨在扩展到其他运动。目标:可操作的、有证据支持的建议(选择/不选择、信心、优势、关键驱动因素、引用、跟踪)。

工作模型

  • 分支策略:特色分支→ PR至 main.当前: feat/nba-mvp-foundation.
  • 承诺:小,频繁。
  • 部署目标(初始):Render或Fly.io上的后端/worker;Vercel上的前端。
  • Auth(MVP):职员(如果你喜欢单一的Postgres,可以换成Supabase Auth)。

MVP提供商选择

  • LLM+嵌入:OpenAI(聊天+嵌入)。轻松切换到Anthropic/Cohere/local。
  • 统计数据+伤病:SportsDataIO(稳定的NBA报道)。为未来的供应商提供可插拔的适配器接口。
  • 赔率:TheOddsAPI(资金线焦点开始)。支持线条移动快照。
  • DB:托管Postgres+pgvector(一个集群)。
  • 缓存/队列:Redis(Uptash/托管)+Celery/RQ workers。
  • 存储:如果需要工件,请稍后使用S3/R2。
  • 可观察性:对错误进行监视;结构化日志。

初始范围(第一阶段MVP)

  • 游戏查询:NBA金钱线建议,包括赔率、获胜概率、隐含概率、EV、选择/不选择、理由、引用。
  • 数据摄取:日程安排、球队、球员、赔率快照、伤病/新闻(适用于RAG)。
  • 建模:基线赢概率模型(评分、形态、休息、受伤);EV/边缘计算。
  • RAG:摄入新闻/受伤文本→ pgvector中的嵌入→ 按团队/日期过滤检索。
  • 代理/LLM:编排工具调用(统计/赔率/新闻)并为UI生成结构化报告JSON。
  • 用户功能:身份验证、保存选择、简单的仪表板(投资回报率/命中率)、选择跟踪。

核心组件(与运动无关的设计)

  • backend/ FastAPI服务:REST端点、身份验证、编排、Celery任务。
  • data/ 摄入作业+提供者适配器(统计数据、伤害、赔率)。
  • model/ 特征生成+概率+校准+回溯测试工具。
  • rag/ 摄取、嵌入、检索服务(pgvector)。
  • frontend/ 使用API的web应用程序(Next.js/React)。
  • infra/ IaC/config(环境模板、部署清单)。

免责声明(MVP副本)

  • 仅供参考/娱乐。不是财务建议。没有保证。
  • 21+合法;遵守当地法律和运营商规则。
  • 赔率和线可能会发生变化;建议取决于数据的新鲜度。

近期任务

  • 脚手架后端/前端/基础目录。
  • 添加环境模板和提供程序配置存根。
  • 定义数据库模式(Postgres+pgvector)和迁移。
  • 实施具有缓存和速率限制的摄取适配器(SportsDataIO、TheOddsAPI)。
  • 基线车型+电动汽车发动机;校准钩。
  • RAG摄取+元数据过滤器检索。
  • API端点:列表,游戏细节,赔率,分析,选择,用户统计。
  • 基本UI页面:着陆、石板、游戏细节、分析提示、选择仪表板。