彩票助手

彩票开奖查询与推荐助手。查询双色球、大乐透、排列三、排列五、福彩3D、北京快乐8、七乐彩、七星彩的开奖信息，支持最新一期、指定期数或时间段查询；自动将结果导出为 txt/md/xlsx/sqlite；根据历史数据生成推荐号码组合并说明计算依据。触发词：彩票、开奖、查彩、双色球、大乐透、排列三、推荐号码、彩票数据。

Security Scan

技能内容、所需资源和运行指令与“彩票开奖查询与推荐”声明一致；没有请求不相关的凭据或可疑远端地址，主要风险是常规的网络访问与文件写入。

Purpose & Capability

名称/描述、SKILL.md 和脚本（query.py/export.py/recommend.py）在功能上匹配：从 data.17500.cn 拉取开奖数据、生成推荐并导出为多种格式。没有声明之外的外部服务或凭据需求。

Instruction Scope

运行说明限定于查询数据、导出文件和生成推荐；没有指示读取系统敏感文件、环境变量或把数据发送到未知第三方。注意：推荐流程依赖会话上下文（最近查询记录），这要求 agent 保存/维护对话状态以按说明行为。

Install Mechanism

这是指令 + Python 源码包，无 install spec、无远程二进制下载。脚本使用标准库网络访问和可选第三方库（openpyxl），但不会自动安装依赖；缺少 openpyxl 仅导致不能导出 xlsx。

Credentials

不要求任何环境变量或凭据。唯一的外部依赖是对 https://data.17500.cn 的网络访问（与技能目的直接相关）。导出功能会在用户指定路径创建/写入文件，这是预期行为。

Persistence & Privilege

flags 表示默认非强制常驻（always:false）；技能不会修改其他技能或系统配置。技能可被 agent 自主调用（平台默认），但这与其功能一致且未放大权限。

Assessment

这个技能看起来与描述一致且没有明显恶意行为，但在安装/使用前请注意：1) 脚本会访问互联网（https://data.17500.cn），确认你信任该数据源；2) 导出会在你指定的位置写文件（txt/md/xlsx/sqlite），请提供合适的输出路径并注意权限；3) 若需导出 xlsx，需安装 openpyxl；4) 回测模式会占用一定时间/CPU（约1–2分钟或更长），在资源受限环境中谨慎运行；5) 若你担心权限或想隔离风险，可先在受限环境/容器中运行并审阅脚本代码；6) 技能不请求任何秘密或外部 API key。如果你想我进一步审查某个文件的完整未截断处（例如 export.py/query.py/recommend.py 的剩余部分），我可以再做更深入检查。

彩票助手 (lottery-helper)

支持的彩种

彩种	代码	规则
双色球	ssq	33选6 + 16选1（蓝球）
大乐透	dlt	35选5（前区） + 12选2（后区）
排列三	pl3	10选3（百十个）
排列五	pl5	10选5（万千百十个）
福彩3D	3d	10选3（百十个）
北京快乐8	kl8	80选20
七乐彩	qlc	30选7（基本号） + 1（特别码）
七星彩	qxc	10选7（7位）

⚠️ 彩票为物理独立随机事件，历史结果不影响未来开奖，推荐仅供娱乐。

核心脚本

scripts/query.py      - 查询开奖数据（17500.cn）
scripts/export.py     - 导出为 txt/md/xlsx/sqlite
scripts/recommend.py  - 生成推荐号码（含计算依据）

标准工作流

Step 1：询问查询意图

主动询问：

1. 查询哪些彩种（可多选）
2. 查询范围：最近一期 / 最近N期 / 指定日期范围
3. 导出格式：直接返回 / txt / md / xlsx / sqlite

Step 2：执行查询

import sys
sys.path.insert(0, "<skill目录>/scripts")
import query

res = query.get_latest({"双色球": 10, "大乐透": 5})
for name, records in res.items():
    for rec in records:
        print(f"[{name}] {rec['formatted']}")

Step 3：导出（如用户需要）

import export
# 注意：get_latest() 返回的 key 是中文名，直接传给 export 函数
export.export_txt(res, "输出路径.txt")
export.export_md(res, "输出路径.md")
export.export_xlsx(res, "输出路径.xlsx")
export.export_sqlite(res, "输出路径.db")

Step 4：询问是否需要推荐

查询结果返回后，必须主动询问：

"要不要给你推荐一组号码？"

等待用户确认后再进入推荐流程。

Step 5：判断推荐范围

第一步：识别最近的连续彩种查询

"连续"指的是：用户发出查询意图后紧跟着执行查询，两者之间没有其他非查询消息。只看实际执行过 query.py 后的彩种，不看推荐意图本身。

第二步：三种情况

情况	行为
刚查过 1 个彩种	直接推荐该彩种
刚查过 2 个及以上彩种	这几个都推荐
无连续查询记录	列出全部 8 个彩种，让用户选择

第三步：识别失败时的兜底规则

如果 AI 无法确定最近一次查询的彩种（比如是新会话/历史丢失），不得随意默认，必须列出全部 8 个彩种请用户选择：

"请问您想推荐哪种彩票？支持：双色球 / 大乐透 / 排列三 / 排列五 / 福彩3D / 北京快乐8 / 七乐彩 / 七星彩"

第三步：执行推荐

cd <skill目录>/scripts
# ⚠️ PowerShell 注意：--codes 参数必须用引号包裹，否则 3d 会被解析为数字
python recommend.py --codes "<代码>"   # 推荐（无回测，约几秒）

参数	说明
--codes	彩种代码，逗号分隔，必填（PowerShell 下必须加引号）
--backtest	启用回测（约1~2分钟，默认关闭）
--recent	回测期数（默认200，仅在 --backtest 时生效）

PowerShell 陷阱：3d 会被解析为 [decimal]3。务必使用 --codes "ssq,dlt,3d" 而非 --codes ssq,dlt,3d。

Step 6：询问是否需要回测

推荐返回后，主动询问：

"需要我跑一下历史回测吗？会验证这个策略在最近 200 期的命中率，但需要约 12 分钟。"

• 同意：追加 --backtest 重新执行
• 拒绝：结束

算法核心（多因子蒙特卡洛混合策略）

1. 频率统计：全量历史 + 近100期，分别统计各号码出现频次
2. 热冷温分类：高频35%=热号、中频35%=温号、低频30%=冷号
3. 蒙特卡洛采样：每期生成3万组候选组合，按均衡约束过滤
4. 均衡约束：奇偶比接近1:1、大小号均衡、和值在合理区间
5. 组合打分：综合频率 + 位置合规 + 奇偶平衡 + 和值接近度
6. 多样性：输出最优组合 + 2个备选

Step 7：返回结果

• 推荐结果包含号码分析（热/温/冷、历史出现率、备选组合）
• 必须包含免责声明段落
• 提醒：理性购彩，量力而行

数据接口

详见 references/apis.md（数据源：https://data.17500.cn/{code}_{asc|desc}.txt）

中奖率详细数据

详见 references/odds.md

注意事项

• 查询接口每分钟可请求多次，无需额外限速
• 快乐8 每期 20 个号码，xlsx 字段较多
• 推荐算法仅供参考，不代表任何中奖承诺

PowerShell 特殊说明

必须加引号：在 PowerShell 中执行 recommend.py 时，--codes 参数的值必须用双引号包裹：

# ❌ 错误：3d 会被解析为 [decimal]3，变成 "3"
python recommend.py --codes ssq,dlt,3d

# ✅ 正确：完整保留字符串
python recommend.py --codes "ssq,dlt,3d"

原因：PowerShell 的 d 是 decimal 类型后缀，3d = [decimal]3。引号内按字符串原样传递。