cEDH 玩组管理

cEDH 玩组管理 是做什么的？

本技能维护一个小型、可手动编辑的 cEDH 玩组记录，并结合 TopDeck.gg 的赛事数据。它有四大任务，外加将结果发布到玩组的 Discord：

1. 玩家：通过 TopDeck 个人资料 ID 添加成员，并录入其拥有的套牌。
2. 环境：默认统计过去 30 天的出场情况和胜率。
3. 记录：记录练习结果、当前套牌、环境笔记和可用日期。
4. 编组：安排练习对局，使玩组获得有效训练。

所有计算逻辑均由 scripts/ 目录下的 Python 脚本（仅限 Python 标准库）完成。您的任务是运行这些脚本、读取输出，并将其转化为玩组可用的建议。请勿手动重新计算统计数据。脚本会处理边缘情况（拍档名称、平局、小样本），重复计算可能导致不同结果。

设置与文件位置

• 脚本：scripts/ 目录与本文件同级。运行方式为 python <技能目录>/scripts/<名称>.py ...。
• 数据：~/cedh-playgroup/（可通过环境变量 CEDH_PLAYGROUP_DIR 覆盖）。包含 roster.json、games.json、notes.json、availability.json 以及 cache/tournaments.json（TopDeck 缓存）。这些均为纯 JSON 格式，因此可向用户展示或允许手动编辑。
• TopDeck API 密钥：环境变量 TOPDECK_API_KEY。可免费在 https://topdeck.gg/account 获取。如果缺失，请告知用户并说明如何设置。请勿要求用户将密钥粘贴到对话中。

使用 TopDeck API 必须注明出处。 每个引用赛事数据的回答均需以以下内容结尾：*赛事数据来自 TopDeck.gg (https://topdeck.gg)*。脚本会打印该信息，汇总时请保留。

数据新鲜度：先同步

TopDeck 没有“某个玩家的结果”端点。sync.py 会拉取指定时间窗口内所有已完成的 EDH 赛事，所有玩家和环境统计数据均来自该缓存。在进行环境报告、玩家统计或编组之前，请检查缓存的新鲜度（cache/tournaments.json 中的 synced 列表）。如果缓存超过约一天，或未涵盖所需时间窗口，请运行同步：

python scripts/sync.py              # 最近 30 天，按周分批拉取
python scripts/sync.py --days 60    # 环境趋势列“Δ 占比”也需要此范围
python scripts/sync.py --import saved_response.json   # 离线/测试模式

批量端点有速率限制。脚本会在收到 HTTP 429 时自动退避，因此请让它运行完成。30 天同步可能需要一两分钟。

1. 玩家

python scripts/playgroup.py add-player "Eric" --topdeck https://topdeck.gg/profile/<id> --deck kinnan
python scripts/playgroup.py set-decks "Sam" --deck najeela --deck "tymna kraum" --primary najeela
python scripts/playgroup.py set-decks "Lee" --deck "magda" --add      # 追加，不替换
python scripts/playgroup.py set-decks "Jo" --deck glarb --gauntlet-pilot yes
python scripts/playgroup.py remove-player "Max"
python scripts/analyze.py players            # 显示所有人；或指定：players Eric Sam

• --topdeck 接受个人资料链接（topdeck.gg/profile/<id> 或 topdeck.gg/profile/%40handle）、@handle 格式或纯 ID。赛事排名仅显示原始玩家 ID，因此脚本会打开个人资料页面并从其 player-id meta 标签中读取 ID。它会打印找到的 TopDeck 显示名称。如果该名称与用户所指的人不符，请说明。如果查找失败（离线），它会存储所提供的内容并发出警告。稍后请重新添加该玩家，以便其统计数据匹配。如果用户仅提供姓名，请询问其 TopDeck 个人资料链接。按显示名称匹配可能会匹配到同名陌生人。
• 指挥官名称会模糊匹配至 TopDeck 的拼写（“tymna kraum” → “Tymna the Weaver / Kraum, Ludevic's Opus”）。脚本会打印它选择的匹配项。如果列出的备选项，请与用户确认。playgroup.py resolve <name> 可检查名称而不保存任何内容。
• 高难模式驾驶员愿意使用玩组共享套牌之一，而非自己的套牌。这样，无人拥有的顶级环境套牌也能出现在对局中。
• 某玩家在时间窗口内无 TopDeck 赛事记录并非错误。他们只是近期未参加可追踪的比赛。如需更多历史数据，建议运行 sync.py --days 90。

报告玩家时，应优先展示对练习有用的信息：当前套牌、近期状态（战绩和名次）以及练习记录的内容。请勿仅重印表格。

2. 环境报告

python scripts/analyze.py meta                       # 30 天，16+ 人赛事，前 25
python scripts/analyze.py meta --days 14 --min-players 32 --top 15
python scripts/analyze.py matchups "kinnan"          # 该套牌的优劣势对位
python scripts/analyze.py matchups --player Eric     # 仅基于 Eric 个人对局的同一分析

列项：参赛数、环境占比、与上一等长窗口的占比变化、胜率、平局率、顶尖轮次晋级率、最佳名次。

三种环境视角。 根据问题选择其一，或当用户仅询问“当前环境”时，并列展示本地与大环境：

视角	命令	解答
本地	meta --local	玩组实际面对的环境：家附近半径内的事件，所有规模，最近 30 天
大赛	meta --big	大型赛事中的胜出套牌：超过 100 人，任何地点，最近 90 天（因此类赛事较少）
全局	meta	TopDeck 上所有 16 人以上的事件

一次性设置本地区域和“大赛”阈值：playgroup.py home --zip 18201 --miles 100 --big-min 101，或使用一次性 --zip Z --miles M。本地视角使用 TopDeck 的事件坐标。线上事件和未标注地点的事件无法定位，报告会注明缺失数量。本地样本较小，因此将占比称为“谁出现了”，胜率称为线索。当本地与大环境数据不一致时，这恰恰是价值所在：某套牌本地流行但大赛表现弱，或某套牌在大赛中胜出但本地无人使用。pods.py --local 或 --big 可使“面对顶级环境”使用相应视角。

正确解读比打印更重要：

• 胜率是四人局数字。 约 25% 为平均水平，计入平局后会更低。报告会打印窗口内观察到的平均值。30% 胜率的套牌非常强。切勿将胜率与 50% 比较。
• 小样本不可信。 低于约 20 条参赛记录，或 matchups 中少于约 10 个共享对局时，应将数字视为线索而非结论。
• 热度（占比）和强度（胜率、晋级率）是不同问题。指出超出占比表现的套牌，以及热度高但晋级率低的套牌。
• --min-players 16 将小型本地赛事排除出环境视图。如果用户询问本地环境，可降低该值。
• 在相关时引用玩组自己的 notes.json（例如“您注意到本地牌店 Magda 很多，它全球占比也上升了 2%”）。

将答案组织为：3-5 条要点总结，然后是表格（精简至重点），最后说明对玩组练习的意义（例如“没人拥有 Najeela，但它是第三名；值得准备一套高难模式套牌”）。

3. 记录：结果、套牌、笔记、可用日期

python scripts/playgroup.py log-game --date 2026-11-08 \
    --seat "Eric=Kinnan" --seat "Sam=Najeela" --seat "Lee=Tymna Kraum" --seat "Kim=Yuriko" \
    --winner Sam                     # 或 --winner draw；若座位顺序未知则添加 --no-order
python scripts/playgroup.py note "Lots of Magda at the LGS lately" --author Eric --tag meta
python scripts/playgroup.py avail 2026-11-08 Eric Sam Lee Kim Jo      # 使用 --replace 覆盖
python scripts/playgroup.py gauntlet-deck add "Najeela" --list <url>
python scripts/playgroup.py show games      # roster | games | notes | avail

玩家会随意报告结果（“sam 用 najeela 赢了，我和 lee 和 kim 分别用 kinnan、tymna、yuriko，然后有一局平局”）。请将每局转换为一次 log-game 调用。

座位顺序即行动顺序，这很重要：根据 TopDeck 的四人对局数据，座位 1 胜率约 23%，座位 4 约 14%。请按行动顺序列出 --seat（座位 1 优先）。如果报告未明确行动顺序，一次询问“谁先手？”。如果玩家不知道，使用 --no-order 记录。该对局仍会计入战绩和对位，但不计入座位统计。请告知玩组最佳报告格式，因为它会影响每个人的座位档案：G1 (行动顺序): Eric Kinnan, Sam Najeela, Lee Tymna/Kraum, Kim Yuriko. Winner Sam。如果任何影响统计的信息不明确（例如谁赢了或某人使用的套牌），请在记录前询问。记录后，按每对局一行回读已记录的内容，以便发现错误。

如果用户粘贴了多局比赛，全部记录后总结当晚情况：谁赢了什么局，以及任何连胜记录。

4. 练习对局

本次练习的参与者

每周出勤情况不同，因此在组建对局前确定参与者。优先顺序：

1. 用户指定人员（“除了 Jeff”、“Eric, Ryan, Saige, Alex”）。
2. 已为该日期保存的列表（playgroup.py show avail）。
3. 询问。如果您的客户端有选择题工具，请将成员列表显示为复选框（若名单超过单次问题允许的数量则拆分），并同时询问日期。否则，请用一行文字询问。

保存答案，以便对局安排、Discord 帖子和后续报告保持一致：

python scripts/playgroup.py avail 2026-11-08 --all --remove Jeff Saige   # 除指定人员外全部参加
python scripts/playgroup.py avail 2026-11-08 Ishmael                      # 添加迟到确认的“是”
python scripts/playgroup.py avail 2026-11-08 --remove Ryan                # 取消迟到确认的“否”
python scripts/pods.py --date 2026-11-08                                  # 基于已保存列表编组
python scripts/pods.py --all --except Jeff                                # 一次性编组，不保存

如果名单在对局发布后发生变化，请重新编组并说明谁被调整了。不要悄无声息地重新安排已经看到自己对局的玩家。

python scripts/pods.py --date 2026-11-08               # 使用当晚的可用性
python scripts/pods.py --players Eric Sam Lee Kim Jo Ana Max
python scripts/pods.py --date 2026-11-08 --focus Eric  # Eric 的弱势对位权重乘以 4
python scripts/pods.py --date 2026-11-08 --deck "Sam=Tymna Kraum" --w-repeat 0

编组器会搜索座位安排和套牌选择，并根据四个目标进行评分（默认全部启用）。将某目标的权重设为 0 可禁用，提高权重可强调该目标：

目标	参数	奖励条件
面对顶级环境	--w-meta	每张桌上安排顶级环境套牌（--top-meta 15）
平衡对局	--w-balance	每桌平均强度（玩家战绩 + 套牌胜率）相近
避免重复	--w-repeat	避免在最近对局记录中坐在一起过的两人再次同坐
针对弱势对位	--w-matchup	安排玩家与他们输过的套牌对坐（见下文）

针对谁的弱势对位？ “练习我的弱势对位”是针对个人而非套牌。编组器根据每位玩家自己的 TopDeck 对局和练习对局，估算其面对每个对手指挥官的胜率。样本较小，因此会向该对位在整个环境中该套牌的表现收缩。即使 Kinnan 玩家整体上对 Rograkh/Thrasios 表现尚可，某位玩家若在该对位中 1/11 战绩，仍会被视为弱势。在为询问自己对位问题的玩家编组前，请亲自查看证据：

python scripts/analyze.py matchups --player Eric --days 90   # Eric 个人的对局，所有赛事规模
python scripts/analyze.py matchups kinnan                    # 该套牌在环境中的整体表现，作为对比

当两者不一致时，请直说（“Kinnan 整体对付 Najeela 不差，但你对 Sam 的战绩是 0/3”）。这是有用的指导：差距在于玩家的操作，而非套牌本身。

座位安排。 编组器还会设置每桌的行动顺序。使用 --seat-mode practice（默认）时，每位玩家会被安排在其战绩相对于该位置正常胜率最弱的座位上。座位 2 的战绩为 0/6 很差。座位 4 的战绩为 2/10 则属于正常。--seat-mode best 用于演练其最佳座位（例如赛前），random 则随机安排。每位玩家的座位和对位证据：

python scripts/analyze.py profile            # 所有人；或：profile Eric Ryan

解释对局安排：这是关键。 对于每个座位，脚本会打印玩家的证据数量、座位分析（最差、最佳或尚无结论，附战绩和与座位平均值的偏差）、本桌对位（“需练习 vs …”和“优势 vs …”，附个人战绩和环境数据），以及未出现在本桌的弱势对位。请将其转化为每位玩家的简短、数据驱动的“为什么”，例如：

座位 1: Alex 使用 Tayam。 座位 1 是 Alex 最差的座位（1/10，比座位 1 正常胜率低约 7 点），因此他在这里练习。他在赛事中面对 Sisay 的战绩为 0/7，而 Darison 的 Sisay 就在本桌。他对 Ob Nixilis 有优势，这是理应赢的对局。

解释规则：

• 引用实际战绩（1/10, 0/7）。这是可信度的来源。
• 当依据少于约 6 局时，说明“样本量较小”。不要夸大 0/2 的战绩。
• 如果某玩家没有数据（无 TopDeck 链接，无练习对局记录），说明该座位为占位符，后续练习报告会填充。不要编造理由。
• 以更多练习数据能优化什么作为结尾。每场记录了行动顺序的练习都能改善座位和对位分析。

成组规模为四人桌，剩余人数组成三人桌。若有 5 人，一人轮空并轮流替换。如果用户更愿意玩五人局，告知由他们决定并安排所有人就坐。输出中的“轮空”行会标明该轮空的人。

用通俗语言说明每个对局的构建理由：他们将面对哪些环境套牌、每位玩家在此练习哪个弱势对位、以及任何无法避免的重复配对。脚本的注释是原始素材，请为每桌挑选一两个重点，不要全部粘贴。如果分配了高难模式套牌，请确保驾驶员知晓。

…

[翻译内容已截断]