数字筛选 Skill

数字序列统计与模式分析工具。支持多类型数字序列的频次统计、条件筛选与历史数据查询。

> ⚠️ 合规声明：本工具仅供数据分析参考，不构成任何分析参考。历史数据具有随机性，请理性分析。

一、项目简介

技能定位

面向数据分析用户，提供数字序列统计、条件筛选与历史数据查询。支持按奇偶、大小、和值、跨度、区间、连号等条件过滤数字组合；频次统计、趋势分析、组合方案生成；查询历史数据。用户通过自然语言描述需求，AI 自动解析并执行对应逻辑。

当用户提到数字分析、序列统计、趋势图、频次、和值、跨度时使用。

版本

支持平台

二、覆盖玩法

玩法规则对比总表

超级大乐透选择方式

排列3选择方式

排列5选择方式

七星彩选择方式

三、功能模块

3.1 往期历史数据查询

用户通过自然语言查询历史数据，支持查询指定期数或最近一期历史数据。

查询方式：

输出指标：期号、数据序列、和值、跨度、奇偶比、大小比、012路、总值、匹配计数。

3.2 频次统计与趋势分析

对历史数据进行多维度统计分析，提供频次统计、数字频率、缺失值等趋势分析。提供 num_filter.py csv（频率统计）和 num_missing.py（缺失深度分析）两个命令行工具。

分析维度：

3.3 条件过滤

支持按奇偶、大小、和值、跨度、区间、连号、质数、频次等条件过滤数字组合。提供 num_exclude.py 进行多策略排除缩减数据池。

筛选条件速查：

执行流程：

用户输入条件 → 解析条件类型与适用类型 → 验证条件自洽性
→ 生成数据池 → 逐条件过滤 → 统计满足注数 → 输出 TOP 参考

3.4 组合方案生成

根据用户偏好或默认设置，生成符合条件的数字组合。提供 num_select.py（多策略定位）和 num_combo.py（组合全组合生成）两个辅助工具。

生成逻辑：
1. 类型识别与条件收集
2. 候选数据池生成（随机/加权）
3. 条件过滤引擎逐层过滤
4. 缺失值/频次加权排序
5. 按需输出指定注数

输出模式：

输出格式：

方案一：03 08 15 22 31 + 05 10   方案二：06 11 19 25 33 + 02 07
方案三：01 09 17 28 30 + 04 11

分析：奇偶比 3:2 | 大小比 2:3 | 和值 70-90 | 跨度 20-30
分析参考：基础5注，合计10元

3.5 往期历史核对

提供 num_match.py 核对输入数字与往期历史数据的匹配情况。

支持按指定期号核验或遍历全部历史数据。

3.6 概率统计

提供 num_prob.py 计算各玩法各等级的概率。

3.7 数据管理

3.8 趋势图

以文本/表格形式生成 9 种趋势图，支持 10/20/30/50/100 期及历史同期周期。

趋势图类型：

趋势图综合分析报告：

综合多种趋势图，输出结构化的分析结论，包含：和值/跨度趋势判断、频次分布与回补提示、区位参考、副区搭配建议、综合数据池参考。

3.9 完整工作流示例

以下展示从数据输入到分析到输出的全链路操作：

示例：大乐透数字方案生成

# Step 1: 查看趋势图（近10期综合趋势）
python3 scripts/num_charts.py data.csv --type comprehensive --periods 10

# Step 2: 缺失分析（频次 + 回补信号）
python3 scripts/num_missing.py data.csv --top 5

# Step 3: 定位（多策略综合）
python3 scripts/num_select.py data.csv --count 3

# Step 4: 排除过滤（尾数 + 区间 + 分区）
python3 scripts/num_exclude.py --pool 01-35 --kill-tail 0,1 --sections 5

# Step 5: 条件生成（奇偶3:2 + 和值80-110）
python3 scripts/num_filter.py generate --oe 3:2 --sum 80-110 --count 5

# Step 6: 概率说明
python3 scripts/num_prob.py --lottery 大乐透

# Step 7: 生成报告
python3 scripts/report_gen.py data.csv -o report.html

示例：排列3形态分析

# 定位趋势
python3 scripts/num_charts.py data.csv --lottery 排列3 --type position --pos 0 --pos-name 百位

# 缺失分析
python3 scripts/num_missing.py data.csv --lottery 排列3

# 形态生成（奇奇奇）
python3 scripts/num_filter.py generate --lottery 排列3 --oe-shape 奇奇奇 --count 5

# 定位组合
python3 scripts/num_combo.py --lottery 排列3 --front "0,2,4,6,8/1,3,5,7,9/0,2,4,6,8"

示例：历史数据管理

# 校验 CSV 格式
python3 scripts/validate_csv.py data.csv

# 合并多个 CSV
python3 scripts/csv_merge.py csv1.csv csv2.csv -o merged.csv

# 核对输入数字是否匹配
python3 scripts/num_match.py "05 12 19 26 33 + 03 10" -d data.csv

3.10 统计分析

多维度统计分析方法，按类型差异化输出。

分析方法：

类型分析策略：

四、数据流

4.1 数据源说明

本工具不内置实时抓取功能，依赖用户提供或预先加载的历史数据。

4.2 缓存策略

策略说明：
- 同一会话内重复查询同类型不重复请求用户提供数据
- 用户可主动刷新数据：更新大乐透数据到最新XX期
- 数据格式遵循 4.3 节定义

4.3 CSV 格式定义

数字序列型 CSV

类型,期号,日期,数字1,数字2,数字3,数字4,数字5,数字6,数字7,总值(亿),统计(亿)
大乐透,25001,2026-01-03,05,12,19,26,33,03,10,9.62,2.85
排列3,26158,2026-06-17,1,5,8,,,,
排列5,26158,2026-06-17,1,5,8,3,9,,
七星彩,26001,2026-01-02,3,8,1,5,9,2,6,,

字段说明：
- 类型：大乐透 / 排列3 / 排列5 / 七星彩
- 期号：5-6 位数字
- 日期：YYYY-MM-DD
- 数字1~数字5：主区（大乐透）/ 数字彩依次排列
- 数字6~数字7：副区（大乐透）/ 第6-7位（七星彩）；数字彩该列为空
- 总值(亿) / 统计(亿)：仅大乐透

4.4 处理流程

[用户输入] → [自然语言解析] → [意图识别]
    ├─ 查询意图 → CSV 数据源 → 统计分析引擎 → 结果格式化 → 输出
    ├─ 筛选意图 → 条件解析器 → 条件验证 → 数字生成引擎 → 输出
    ├─ 趋势意图 → 趋势图引擎 → 图表示例生成 → 统计注释 → 输出
    ├─ 统计输出意图 → 加权随机发生器 → 条件过滤器 → 排序 → 输出
    └─ 趋势意图 → 趋势图引擎 → 图表示例生成 → 统计注释 → 输出

五、项目结构

ticai-shai-xuan/                  # 技能根目录
├── SKILL.md                      # 技能入口文件（即本文档）
├── _meta.json                    # 技能元数据
├── references/                   # （可选）参考资料
│   ├── dlt-rules.md              # 大乐透完整规则
│   ├── pl3-rules.md              # 排列3完整规则
│   ├── pl5-rules.md              # 排列5完整规则
│   ├── qxc-rules.md              # 七星彩完整规则
│   └── terms.md                  # 术语表扩展
├── scripts/                      # （可选）辅助脚本
│   ├── num_filter.py         # 数字分析/条件生成/组合/CSV统计
│   ├── num_charts.py         # 6种ASCII趋势图(综合/和值/跨度/定位/频次/奇偶)
│   ├── num_missing.py        # 缺失深度分析(频次/回补信号/分布统计)
│   ├── num_match.py        # 数字对比核验(精确到等级)
│   ├── num_combo.py        # 组合/胆托/定位组合全组合生成器
│   ├── num_exclude.py           # 多策略排除(尾数/区间/和值尾/分区/历史差值)
│   ├── num_select.py            # 多策略定位(热号/冷号/邻号/近期高频/综合)
│   ├── num_prob.py    # 匹配概率精确计算(全部4种数字彩)
│   ├── csv_merge.py          # CSV合并/去重/排序(混合类型自动识别)
│   ├── report_gen.py         # HTML综合分析报告生成器
│   ├── validate_csv.py           # CSV 格式校验
│   ├── generate_data.py          # 示例数据生成器
├──                      # （可选）使用示例
│   ├── dlt-sample.csv            # 大乐透示例数据
│   ├── pl3-sample.csv            # 排列3示例数据
│   └── sample-sample.csv           # 示例数据
└── assets/                       # （可选）资源文件
    └── icon.png                  # 技能图标

目录约定：

六、CLI 使用

6.1 安装 SkillHub CLI

curl -fsSL https://skillhub.cn/install/install.sh | bash

验证安装：

skillhub -h

6.2 登录

skillhub login

按提示完成认证（账号密码或浏览器 OAuth）。

6.3 初始化技能

skillhub init --name "数字筛选" --category "数据分析"

此命令创建技能目录及必要的配置文件。

6.4 推送文件

# 在技能目录中
skillhub push

将本地文件推送到 SkillHub 平台，不会立即发布。

6.5 发布上线

# 确认可发布后
skillhub publish

提交审核，审核通过后自动上架。

6.6 版本管理

# 更新 SKILL.md 中的 version 后重新推送
skillhub push
skillhub publish

# 查看已发布的版本
skillhub versions

6.7 本地 CLI 脚本速查

数字分析

# 分析单注数字(奇偶/大小/和值/跨度/AC值/012路)
python3 scripts/num_filter.py analyze "05 12 19 26 33 + 03 10"

# 按条件生成数字方案
python3 scripts/num_filter.py generate --oe 3:2 --sum 80-100 --count 5

# CSV 频率统计
python3 scripts/num_filter.py csv data.csv

# 组合/定位注数计算
python3 scripts/num_filter.py comb --front-num 6 --back-num 3

趋势图

# 数字综合趋势
python3 scripts/num_charts.py data.csv --type comprehensive

# 和值趋势
python3 scripts/num_charts.py data.csv --type sum

# 定位趋势（排列3）
python3 scripts/num_charts.py data.csv --lottery 排列3 --type position --pos 0 --pos-name 百位

# 频次图
python3 scripts/num_charts.py data.csv --type hotcold

缺失分析

# 频次缺失 + 回补信号 + 分布统计
python3 scripts/num_missing.py data.csv --top 10

# 排列3缺失
python3 scripts/num_missing.py data.csv --lottery 排列3

数字核验

# 核对输入数字是否匹配
python3 scripts/num_match.py "05 12 19 26 33 + 03 10" -d data.csv

# 排列3核验（直选 + 组选3/6自动识别）
python3 scripts/num_match.py "9 5 7" --lottery 排列3 -d data.csv

组合全组合

# 大乐透前6+后3组合（仅统计注数）
python3 scripts/num_combo.py --front 01,02,03,04,05,06 --back 01,02,03

# 排列3定位组合（百位3个×十位3个×个位3个）
python3 scripts/num_combo.py --lottery 排列3 --front "1,2,3/4,5,6/7,8,9"

# 输出全组合到 CSV
python3 scripts/num_combo.py --front 01-07 --back 01-03 --output combos.csv

排除

# 多策略排除：尾数0和5 + 区间1-5 + 分区杀空区
python3 scripts/num_exclude.py --pool 01-35 --kill-tail 0,5 --kill-range 1-5 --sections 3

# 排列3排除
python3 scripts/num_exclude.py --pool 0-9 --kill-tail 0,9 --lottery 排列3

定位

# 多策略定位（热号/冷号/邻号/近期高频/综合）
python3 scripts/num_select.py data.csv --count 3

概率计算

# 精确匹配概率（全部等级）
python3 scripts/num_prob.py --lottery 大乐透
python3 scripts/num_prob.py --lottery 排列3

数据合并

# 合并多个CSV + 去重 + 排序
python3 scripts/csv_merge.py data.csv data.csv -o merged.csv

生成报告

# HTML 综合分析报告（频率/和值/跨度/缺失/热号）
python3 scripts/report_gen.py data.csv -o report.html

数据管理

# CSV 格式校验
python3 scripts/validate_csv.py data.csv

# 生成示例数据
python3 scripts/generate_data.py --lottery 七星彩 --count 10 -o qxc_data.csv

6.8 本地测试

# 校验 SKILL.md frontmatter 格式
python3 -c "import yaml; yaml.safe_load(open('SKILL.md')); print('✅ valid')"

七、发布指引

7.1 发布方式一：CLI 发布（推荐）

流程：skillhub login → skillhub init → 编写 SKILL.md → skillhub push → skillhub publish

7.2 发布方式二：Web 发布

1. 访问 https://skillhub.cn
2. 登录账号
3. 进入技能发布页面
4. 填写技能信息（名称/描述/版本/分类/平台）
5. 上传 SKILL.md 及辅助文件
6. 提交审核

7.3 TRACE 审核标准

SkillHub 采用 TRACE 五维评测体系，本技能对应达标措施如下：

7.4 安全审核流程

提交后触发三线并行安全审核：
1. 内容合规过滤：关键声明包含"分析参考""不做分析参考""未成年人不得购彩"
2. 科恩实验室深度漏洞扫描：代码/脚本安全检测
3. 云鼎实验室 AI 模型安全评估：AI 行为合规性

八、技术细节

8.1 数据源降级策略

8.2 依赖

8.3 字体与编码

• 文件编码：UTF-8（不含 BOM）
• 换行符：LF（Unix 风格）
• CSV 分隔符：逗号 ,
• 示例数据中文字段如需对齐：使用 UTF-8 全角空格或制表符

8.4 数字计算规则

组合数量公式：

概率计算：

8.5 输出格式保证

所有 CLI 脚本输出格式一致，固定为以下模板：

8.6 输入验证流

用户输入 → 格式校验 → 类型识别 → 范围验证 → 条件自洽性检查 → 执行 → 输出
  ├─ 数字格式错误 → 提示正确格式 "05 12 19 26 33 + 03 10"
  ├─ 数字超范围 → 提示类型数字范围（大乐透主区01-35 副区01-12）
  ├─ 条件自相矛盾 → 提示矛盾原因并建议放宽条件
  └─ 数据不足 → 提示当前数据量并输出基于已有数据的分析

8.7 可靠性设计

8.8 术语表

九、开发约定

9.1 命名规范

9.2 参数传递

AI 内部处理时，参数统一格式：

{
  "lottery": "大乐透",          // 类型
  "periods": 20,                // 期数
  "filters": {                  // 筛选条件
    "奇偶比": "3:2",
    "大小比": "2:3",
    "和值": [80, 100],
    "跨度": [20, 28]
  },
  "mode": "recommend",          // 模式: query/analyze/filter/recommend/predict
  "output": 5                   // 输出注数
}

9.3 分目录规范

当 SKILL.md 超过 5000 tokens 时，建议拆分：

9.4 版本兼容

十、免责声明

1. 分析参考：本工具输出的所有数字筛选、统计分析、趋势判断仅供分析参考，不构成任何分析参考。
2. 随机性：历史数据具有完全随机性，任何分析方法均无法分析历史数据。
3. 理性分析：请用户理性分析，量力而行，切勿沉迷。
4. 数据来源：本工具依赖用户提供的历史数据进行分析，分析结果受数据完整性影响。
5. 合规声明：本工具仅在中国大陆合法使用，遵守相关法律法规。