第一段：为什么要划清算法与 AI 的边界

如果直接让大模型判断哪支战队会获胜，结果既难复现，也无法解释，更容易出现编造比分和数据的问题。因此系统把 DeepSeek 定位为“数据解读者”，而不是“计算者”。Elo 胜率、阵容战力、蒙特卡洛比分分布、队员综合评分等数值全部由后端算法生成，Prompt 中明确要求模型不得修改或补充任何数值。模型负责把结构化结果转化为自然语言，例如解释 Elo 差意味着什么、哪个位置是关键优势、替补上场如何影响胜率。这样既能保留大模型在语言组织和专业表达上的价值，也能在答辩或测试时清楚说明每项结论的数据来源。

第二段：AI 战报的手动生成与审核发布

比赛完成后，系统不会在结算事务中自动调用模型，而是将符合条件且尚未发布战报的比赛放入后台待生成列表。管理员选择一场比赛后点击“AI 战报生成”，页面依次展示读取比赛数据、整理阵容、生成内容和完成预览等阶段，随后显示可编辑的战报结果。管理员可以核对比分、MVP、Elo 变化和文字表达，再决定保存或发布；一旦发布，该比赛状态会变为已发布，不能再次生成，避免同一比赛产生多篇重复资讯。若比赛只录入比分而没有队员数据，Prompt 会明确提示模型侧重比分、预测和 Elo 变化，禁止虚构队员表现。DeepSeek 调用失败也不会影响比赛结算，管理员可以稍后重新生成。

第三段：AI 对战解读与队员六维能力画像

对战模拟先通过修正 Elo 和 10,000 次蒙特卡洛模拟得到真实算法结果，再将双方阵容、位置权重、系列赛胜率、最可能比分和逐位置差值交给 DeepSeek 生成赛前解读。前端点击开始模拟后先播放约三秒计算动画，再依次显示算法过程、胜率、比分图和 AI 文字。队员点评则读取出场数、胜率、场均评分、KDA、参团率、综合评分和 MVP 次数，生成定位判断、核心优势、可提升项与成长建议。系统还把现有数据归一化为输出、生存、参团、胜率、稳定和经验六个维度，绘制六芒星能力图，使前台不再只有文字，用户可以直观看到选手能力分布。

第四段：生成过程、后台预览与可靠性设计

AI 功能的工程价值不仅在于调用接口，还在于完整的交互和容错流程。队员点评采用任务状态轮询，批量生成时每名队员分别显示排队、生成、完成或失败状态，生成期间展示读取数据、六维建模、AI 分析和生成预览动画。完成后，后台先展示与前台一致的“六芒星图 + AI 点评”成品预览，下方保留文字编辑区，确认保存后才发布到选手主页并自动关闭弹窗。DeepSeek Key 由 God 配置中心维护，调用设置超时和重试，失败时仅标记当前任务失败，不阻塞其他队员或核心比赛流程。通过算法先行、AI 解读、人工审核和失败降级四层设计，系统既获得了智能化展示效果，也保持了业务数据的可信度。