Football Market Decision Lab 足球市場決策實驗室
把密集而短暫的足球市場變化整理成有記憶、可解釋、由人審核的決策隊列；公開展示只使用合成資料，不連接任何下注操作。
這個項目證明甚麼
AI Agent 協助隔離實作、測試及建立 Pull Request；資料模型、評分理據、人工批准邊界與公開去敏感化由我負責。
已部署的合成資料 Demo，展示 90 分鐘訊號記憶、附理由候選項目及人工審閱流程；沒有真實帳戶、下注接口或回報聲稱。
90 min訊號有效記憶窗口
2-step人工批准合併流程
0自動下注操作
問題
市場更新密集而且很快失去上下文；只列出最新數字，不能解釋變化是否持續、為何值得注意，以及下一步應否由人審核。
做法
建立低頻收集、資料標準化、90 分鐘訊號記憶、量化評分及人工決策層，並以受限制的 AI Agent 流程處理測試、PR 與部署建議。
結果
系統把市場雜訊轉成可追溯的候選項目，展示每項訊號的原因、穩定性與限制；Agent 不可直接修改主分支，也不可執行下注。
市場雜訊進來，可審閱證據出去
以受控頻率取得公開市場快照，不在展示網站發布原始資料集。
將不同市場結構整理成一致資料模型，並標記時間與資料狀態。
綜合變動幅度、持續性、穩定性及模型差異，產生附帶理由的候選項目。
人決定觀察、略過或記錄紙上決策；系統不執行任何真實交易。
手機上也能快速完成訊號審核
手機版優先顯示候選原因、時間狀態及人工操作，隱藏不必要的密集表格。
這個項目不是要用 AI 製造「必中」預測，而是研究一個更實際的問題：當市場資料持續變動，人怎樣在有限時間內分辨值得審閱的訊號，以及清楚知道系統仍不確定甚麼。
先保留訊號的上下文
單一最新數字很容易誤導。系統把資料標準化後，保留 90 分鐘訊號記憶，讓介面能顯示移動是否持續、是否曾經反轉，以及證據穩定度有沒有改善。候選項目因此不是一個孤立分數，而是一段可以回看及質疑的決策路徑。
AI 負責加速，不負責越權
Agent 可以由手機任務建立 Issue，在隔離工作目錄修改程式、執行測試及建立 Pull Request。涉及量化、風險或正式環境的改動仍然等待人工審閱；Agent 不能直接推送主分支，也沒有任何真實下注接口。
公開展示與私人運作完全分離
Portfolio Demo 使用虛構隊伍及合成數值，不會讀取私人 SQLite、帳戶、決策紀錄或原始市場資料。公開層展示產品設計及系統界線，私人層才保留研究操作，兩者在程式路由及資料來源上均分開。