nba
基于MCP协议的NBA球员数据预测与分析工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：nba。 它的用途是：基于MCP协议的NBA球员数据预测与分析工具 完整的 Skill 内容见：https://321skill.com/skills/nba-nba-stats-predictor-mcp/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“预测一下勒布朗·詹姆斯在下个月的平均得分和篮板数据。”，它会通过MCP工具获取詹姆斯近期的比赛数据、身体状况及赛程等信息，运行预测模型，并给出一个量化的预测结果及关键影响因素分析。或者，你可以说：“对比分析斯蒂芬·库里和凯里·欧文本赛季的得分效率及未来趋势。”，它会分别获取并处理两位球员的数据，进行对比建模，输出可视化图表和详细的对比报告。
介绍
这个Skill解决了体育数据分析师、篮球爱好者或相关从业者难以快速获取和预测NBA球员未来表现数据的问题。传统方式需要手动收集历史数据并建立复杂模型，费时费力且难以实时更新。
它通过集成MCP协议，能够连接实时数据源，获取最新的球员比赛数据、伤病信息、球队动态等，并利用内置的预测模型进行分析。用户只需输入球员姓名或相关参数，即可获得未来比赛的数据预测，如得分、篮板、助攻等关键指标。
该工具特别适合数据分析师、体育媒体从业者、篮球内容创作者以及量化体育投资者。他们可以利用这些预测数据来撰写深度分析报告、制作内容素材，或辅助进行与篮球相关的决策。
使用建议：建议结合具体业务场景（如内容创作或策略制定）来解读预测结果。由于体育比赛存在不确定性，预测结果应作为重要参考而非绝对依据。初次使用时，建议从知名球员开始，以熟悉工具的预测逻辑和输出格式。
核心特点
核心区别在于其基于MCP协议，能够实现更稳定和标准化的实时数据接入与模型调用，而非依赖临时的网页爬虫或手动数据更新。同时，它将数据获取、实时分析与预测建模集成在一个轻量级工具中，降低了使用门槛。
注意事项
不适合用于需要极高预测精度（如高额投注决策）或分析非NBA联盟球员数据的场景。
常见问题
能预测多久之后的球员数据？
通常支持预测未来几场比赛到整个赛季的关键数据，具体取决于模型和数据可用性。
需要自己准备历史数据吗？
不需要，工具通过MCP协议连接数据源，会自动获取必要的历史和实时数据。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/nba-nba-stats-predictor-mcp/raw/index.md 读取 nba 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/nba-nba-stats-predictor-mcp/raw/index.md（查看排版版本）