简历写法~Update

README.md

@@ -14,7 +14,17 @@ pip install -r requirements.txt
 - 可选的 demo 文件（`.zip/.dem`）
 - L1A/L2/L3 分层数据库建模与校验
 
-## Web 交互系统 (New in v0.5.0)
+## v3.0.0 Release 更新要点
+- **核心算法升级**: 严格确立 Active Roster (Lineup 1) 为战队平均数据计算基准，修复了雷达图与平均数据的计算偏差。
+- **Clubhouse 增强**: 
+    - 布局优化为 3 列网格。
+    - 新增 **OVR (Overall Score)** 显示，优先展示真实评分 (Real Rating)，直观反映选手综合实力。
+- **Tactics 系统**: 
+    - 统一评分逻辑：全站优先采用 L3 `core_avg_rating2` (真实评分)，智能回退至 `basic_avg_rating`。
+    - Data Center 数据中心现在完整映射了 Utility、Trading 等高阶战术数据。
+- **稳定性修复**: 修正了特征服务中的语法错误，增强了对缺失数据的鲁棒性处理。
+
+## Web 交互系统 (Core)
 基于 Flask + TailwindCSS + Alpine.js 构建的现代化 Web 应用。
 
 ### 核心功能模块
@@ -27,7 +37,7 @@ pip install -r requirements.txt
 2.  **Tactics Board (战术终端)**
     -   **SPA 架构**: 基于 Alpine.js 的单页应用，无刷新切换四大功能区。
     -   **Board (战术板)**: 集成 Leaflet.js 的交互式地图，支持战术点位标记。
-    -   **Data (数据中心)**: 实时查看全队近期数据表现。
+    -   **Data (数据中心)**: 实时查看全队近期数据表现，集成 Utility/Trading 等高阶战术指标。
     -   **Analysis (深度分析)**: 
         -   **Chemistry**: 任意组合 (2-5人) 的共同比赛胜率与数据分析。
         -   **Depth**: 阵容深度与位置分析。
@@ -44,7 +54,7 @@ pip install -r requirements.txt
         -   集成 Round-by-Round 经济与事件详情。
 
 4.  **Player Profile (玩家档案)**
-    -   综合能力雷达图 (六维数据)。
+    -   综合能力雷达图 (八维数据: Aim, Clutch, Pistol, Defense, Util, Stability, Economy, Pace)。
     -   近期 Rating/KD/ADR 趋势折线图。
     -   详细的历史比赛记录（含 Party info 与 Result）。
     -   头像上传与管理。

Resume_writing.md

@@ -0,0 +1,65 @@
+展示项目业务价值的核心是打造**「技术动作→数据成果→业务落地」的闭环链路**，结合你CS2数据项目+数据分析岗的定位，同时匹配“队长带领5人团队”的角色，核心要做到**量化成果前置、技术与业务强绑定、个人贡献突出**，以下是可直接落地的方法，附专属你的CS2项目优化示例和通用模板：
+
+### 一、核心方法：5招落地，每招配CS2项目简历示例
+#### 1. 成果前置+强量化，抓牢HR8秒注意力
+把**最核心的业务价值**放在项目概述首位，用**对比量化（提升/降低）+绝对值量化（数据量/规模）** 替代模糊描述，电竞/数据分析岗重点突出**核心业务指标、数据处理规模、效率/成本优化**三类数据。
+**普通表述**：带领团队搭建CS2数据平台，处理了大量比赛数据，提升了战队胜率
+**优化表述**：作为队长带领5人数据团队，搭建CS2赛事全流程数据分析平台，完成1年内300+场职业比赛、1600+玩家、数十万回合级数据的结构化处理，**推动战队ELO分层胜率从42%提升至55%（+13个百分点）**，数据维护人力成本降低60%。
+
+#### 2. 技术动作与业务价值强绑定，拒绝纯技术堆砌
+数据分析岗最忌只说“用Python做数据处理”，要明确**Python的具体高阶操作→带来的数据分析成果→最终落地的业务价值**，让技术成为业务价值的“桥梁”，而非孤立的技能。
+**普通表述**：用Python做了数据清洗和特征工程，构建了玩家画像
+**优化表述**：通过Python（Pandas/NumPy）实现原始JSON赛事数据的**矢量化清洗与批处理转换**，结合窗口函数完成200+维度玩家画像的高效计算，创新定义“压力表现”等战术指标，**为战队战术组提供精准的选手适配、站位优化数据支撑，成为胜率提升的核心数据依据**。
+
+#### 3. STAR法则结构化，让业务价值链路更清晰
+围绕电竞行业**“经验驱动战术→缺乏精细化数据支撑”**的核心痛点搭建STAR框架，**情境(S)讲行业/业务痛点，任务(T)定团队目标+个人职责，行动(A)做技术+数据动作，结果(R)出业务+效率双成果**，同时突出队长的**团队统筹能力**。
+**CS2项目STAR落地示例**：
+- 情境(S)：针对电竞行业战术决策依赖经验、传统K/D指标无法量化战术价值的痛点，战队ELO分层胜率长期低于行业平均水平；
+- 任务(T)：带领5人团队搭建从数据采集到可视化的全流程分析平台，核心目标通过数据驱动战术优化提升战队胜率；
+- 行动(A)：统筹团队分工（数据采集/特征工程/可视化），制定Python代码规范，主导设计L1-L3分层数仓，开发Python多线程ETL自动化流水线；
+- 结果(R)：战队ELO分层胜率提升13%，300+场比赛数据实现实时入库，数据查询效率提升至毫秒级，团队开发效率提升40%。
+
+#### 4. 多维度拆解业务价值，让成果更立体
+单一的胜率提升不够有说服力，结合数据分析岗的**效率、成本、复用性**，从**核心业务指标（胜率）、数据效率（处理/查询速度）、运营成本（人力/时间）、成果复用性（模型/指标的落地）**四个维度拆解，贴合企业对数据“降本增效+业务赋能”的核心需求。
+**CS2项目多维度价值示例**：
+- 业务效果：ELO分层胜率42%→55%，战术优化精准度提升80%；
+- 数据效率：Python矢量化处理让1600+玩家全维度数据查询效率提升至毫秒级；
+- 成本优化：Python自动化ETL流水线让数据维护人力成本降低60%，赛事数据入库时间从小时级压缩至分钟级；
+- 成果复用：搭建的200+维度玩家特征模型被战队战术组复用，成为日常战术分析、选手选拔的标准模型。
+
+#### 5. 嵌入行业专属术语，让专业度拉满
+在描述中加入**电竞行业+数据分析岗**的专属术语，让HR/业务方快速感知你对双领域的理解，避免“外行话”，核心术语精准即可，无需堆砌。
+- 电竞行业：ELO分层胜率、战术复盘、玩家协同效率、阵容适配、回合级数据；
+- 数据分析岗：L1-L3分层数仓、特征工程、ETL自动化流水线、矢量化运算、玩家画像特征集市。
+
+### 二、数据分析岗专属：「技术-业务」价值句式模板
+直接套用来描述项目职责，完美实现技术动作与业务价值的绑定，适配你的CS2项目所有模块：
+1. 数据处理/ETL：**通过Python+[Pandas/Playwright/多线程]完成[XX数据量]的[矢量化清洗/自动化抓取/批处理]，实现[数据效率/成本]优化，保障[XX业务环节]的精准性/实时性**
+2. 特征工程/建模：**基于Python+[NumPy/窗口函数]构建[XX维度]的[特征模型/用户画像]，创新定义[XX高阶指标]，量化[XX业务价值]，为[XX业务决策]提供核心数据支撑**
+3. 数仓/架构设计：**主导设计[XX架构]的数仓体系，通过[Python+XX技术]实现[多粒度数据]的关联存储，将[数据查询效率]提升X%，支撑[XX业务分析]的高效落地**
+4. 团队管理（队长）：**统筹X人团队分工，制定[Python/代码]规范，推动项目从0到1落地，最终实现[核心业务指标]提升X%，团队开发效率提升X%**
+
+### 三、避坑指南：4个最易踩的业务价值展示误区
+1. ❌ 模糊表述：用“大幅提升、有效改善、处理大量数据”替代具体数字；✅ 必须用**百分比/绝对值/对比值**量化（如胜率+13%、300+场比赛、成本降60%）
+2. ❌ 技术堆砌：只罗列“Python/Pandas/SQLite”，不说技术的业务作用；✅ 技术永远为业务服务，每提一个技术，必跟上**数据成果+业务价值**
+3. ❌ 弱化个人贡献：用“参与、协助”描述，忽略队长的领导力；✅ 全程用**带领/主导/统筹/牵头**等强动词，明确个人在项目中的核心作用
+4. ❌ 单一价值：只说核心业务指标（胜率），忽略效率/成本/复用性；✅ 多维度拆解，让企业看到你能为公司带来**“业务增长+降本增效”**的双重价值
+
+### 四、你的CS2项目最终优化版（整合所有方法，可直接贴简历）
+#### 基于CS2赛事的垂直领域数据仓库与战术分析平台
+**项目概述**：作为队长带领5人数据团队，针对电竞行业战术决策依赖经验、传统K/D指标无法量化战术价值的痛点，基于Python生态搭建「数据采集-ETL清洗-特征挖掘-可视化」全流程CS2赛事分析平台，完成1年内300+场职业比赛、1600+玩家、数十万回合级全量数据的结构化处理，**推动战队ELO分层胜率从42%提升至55%（+13个百分点）**，数据维护人力成本降低60%，搭建的特征模型成为战队战术分析/选手选拔的标准工具。
+
+**核心职责与成果**：
+1. **数仓架构设计（Python全栈落地）**：主导设计L1(原始)-L2(星型模型)-L3(特征集市)分层数仓，通过Python/Pandas实现非结构化JSON数据的矢量化清洗与批处理，结合SQLite构建多粒度事实表/维度表，**实现1600+玩家数据毫秒级查询，为战术分析提供高效数据支撑**；
+2. **高阶特征工程（业务价值核心）**：带领团队基于Python/NumPy搭建模块化特征计算引擎，通过窗口函数完成200+维度玩家画像的高效计算，创新定义“压力表现/位置掌控”等战术指标，**量化传统指标无法反映的战术价值，战术组基于此完成80%的站位/阵容优化调整**；
+3. **自动化ETL流水线（降本增效）**：牵头开发Python+Playwright分布式爬虫，结合多线程实现赛事数据抓取、校验、入库全流程自动化，**将数据入库时间从小时级压缩至分钟级，数据维护人力成本降低60%，保障300+场比赛数据的实时性与完整性**；
+4. **数据驱动战术落地（闭环验证）**：通过Python实现战队ELO分层胜率预测模型，基于历史数据输出战术调整建议并落地，**完成“数据处理-特征建模-战术优化-胜率提升”的全链路闭环**；
+5. **团队统筹管理（队长价值）**：统筹5人团队分模块分工（数据采集/特征工程/可视化），制定Python代码规范与Git版本管控流程，**将团队整体开发效率提升40%，保障项目从0到1高效落地**。
+
+**技能关键词**：Python（Pandas/NumPy/多线程/矢量化运算）、SQLite、SQL、ETL自动化、数据仓库设计、特征工程、Playwright、Flask、团队管理、电竞赛事数据分析
+
+### 五、高端项目启发：从电竞数据项目到企业级数据项目的业务价值思维
+你的CS2项目已经具备企业级高端数据项目的核心雏形，高端项目对**业务价值**的要求会更强调**「规模化、可复用、商业变现」**，核心启发有3点：
+1. **从“单战队价值”到“行业规模化价值”**：企业级项目不仅服务单一业务方，而是能复用到整个行业/公司多业务线，比如你的CS2特征模型可从单战队拓展至青训选手选拔、赛事直播数据可视化、电竞俱乐部数据中台搭建；
+2. **从“战术价值”到“商业价值”**：高端项目需将数据价值转化为**可量化的商业收益**，比如电竞数据平台可通过为赛事方/俱乐部提供付费数据分析服务、为品牌方提供选手粉丝画像实现商业变现，企业中则是将数据成果转化为GMV提升、营收增长、获客成本降低；
+3. **从“人工落地”到“自动化决策”**：你的项目实现了“数据支撑战术决策”，高端项目会进一步实现**“数据自动化输出决策建议”**，比如通过Python搭建实时战术推荐模型，比赛中根据战局动态输出最优站位/道具使用建议，企业中则是智能推荐、自动化风控、精准营销等场景。

tools/inspect_sqlite_schema.py

@@ -1,63 +0,0 @@
-import sqlite3
-from pathlib import Path
-
-
-def _connect(db_path: Path) -> sqlite3.Connection:
-    conn = sqlite3.connect(str(db_path))
-    conn.row_factory = sqlite3.Row
-    return conn
-
-
-def _list_tables(conn: sqlite3.Connection) -> list[str]:
-    cur = conn.execute(
-        "SELECT name FROM sqlite_master WHERE type='table' AND name NOT LIKE 'sqlite_%' ORDER BY name"
-    )
-    return [r["name"] for r in cur.fetchall()]
-
-
-def _table_columns(conn: sqlite3.Connection, table: str) -> list[tuple[int, str, str, int, str, int]]:
-    cur = conn.execute(f"PRAGMA table_info({table})")
-    rows = cur.fetchall()
-    return [(r[0], r[1], r[2], r[3], r[4], r[5]) for r in rows]
-
-
-def inspect(db_path: Path, tables: list[str] | None = None) -> None:
-    print(f"\n=== {db_path} ===")
-    if not db_path.exists():
-        print("NOT FOUND")
-        return
-    conn = _connect(db_path)
-    try:
-        all_tables = _list_tables(conn)
-        print(f"tables={len(all_tables)}")
-        if tables is None:
-            tables = all_tables
-        for t in tables:
-            if t not in all_tables:
-                print(f"\n-- {t} (missing)")
-                continue
-            cols = _table_columns(conn, t)
-            print(f"\n-- {t} cols={len(cols)}")
-            for cid, name, ctype, notnull, dflt, pk in cols:
-                print(f"{cid:>3}  {name:<40} {ctype:<12} notnull={notnull} pk={pk} dflt={dflt}")
-    finally:
-        conn.close()
-
-
-if __name__ == "__main__":
-    base_dir = Path(__file__).resolve().parents[1]
-    l2 = base_dir / "database" / "L2" / "L2.db"
-    l3 = base_dir / "database" / "L3" / "L3.db"
-    web = base_dir / "database" / "Web" / "Web_App.sqlite"
-
-    inspect(
-        l3,
-        tables=[
-            "dm_player_features",
-            "dm_player_match_history",
-            "dm_player_map_stats",
-            "dm_player_weapon_stats",
-        ],
-    )
-    inspect(web)
-    inspect(l2, tables=["dim_players", "fact_matches", "fact_match_players", "fact_match_rounds"])

tools/smoke_test_teams.py

@@ -1,66 +0,0 @@
-import requests
-import sys
-
-BASE_URL = "http://127.0.0.1:5000"
-
-def test_route(route, description):
-    print(f"Testing {description} ({route})...", end=" ")
-    try:
-        response = requests.get(f"{BASE_URL}{route}")
-        if response.status_code == 200:
-            print("OK")
-            return True
-        else:
-            print(f"FAILED (Status: {response.status_code})")
-            # Print first 500 chars of response if error
-            print(response.text[:500])
-            return False
-    except requests.exceptions.ConnectionError:
-        print("FAILED (Connection Error - Is server running?)")
-        return False
-    except Exception as e:
-        print(f"FAILED ({e})")
-        return False
-
-def main():
-    print("--- Smoke Test: Team Routes ---")
-    
-    # 1. Clubhouse
-    if not test_route("/teams/", "Clubhouse Page"):
-        sys.exit(1)
-        
-    # 2. Roster API
-    print("Testing Roster API...", end=" ")
-    try:
-        response = requests.get(f"{BASE_URL}/teams/api/roster")
-        if response.status_code == 200:
-            data = response.json()
-            if data.get('status') == 'success':
-                print(f"OK (Team: {data.get('team', {}).get('name')})")
-                
-                # Check if roster has stats
-                roster = data.get('roster', [])
-                if roster:
-                    p = roster[0]
-                    # Check for L3 keys
-                    if 'stats' in p and 'core_avg_rating' in p['stats']:
-                         print(f"  - Verified L3 Stats Key 'core_avg_rating' present: {p['stats']['core_avg_rating']}")
-                    else:
-                         print(f"  - WARNING: L3 Stats Key 'core_avg_rating' MISSING in {p.get('stats', {}).keys()}")
-                else:
-                    print("  - Roster is empty (Warning only)")
-                    
-                # Get Lineup ID for Detail Page Test
-                lineup_id = data.get('team', {}).get('id')
-                if lineup_id:
-                     test_route(f"/teams/{lineup_id}", f"Team Detail Page (ID: {lineup_id})")
-            else:
-                print("FAILED (API returned error status)")
-        else:
-            print(f"FAILED (Status: {response.status_code})")
-    except Exception as e:
-        print(f"FAILED ({e})")
-        sys.exit(1)
-
-if __name__ == "__main__":
-    main()

tools/smoke_test_web.py

@@ -1,50 +0,0 @@
-import json
-import sqlite3
-from pathlib import Path
-from urllib.request import urlopen, Request
-
-
-def _get_first_steam_id(base_dir: Path) -> str:
-    conn = sqlite3.connect(str(base_dir / "database" / "L2" / "L2.db"))
-    try:
-        cur = conn.execute("SELECT steam_id_64 FROM dim_players WHERE steam_id_64 IS NOT NULL LIMIT 1")
-        row = cur.fetchone()
-        return str(row[0]) if row else ""
-    finally:
-        conn.close()
-
-
-def _get(url: str) -> tuple[int, str]:
-    req = Request(url, headers={"User-Agent": "yrtv-smoke"})
-    with urlopen(req, timeout=10) as resp:
-        status = getattr(resp, "status", 200)
-        body = resp.read().decode("utf-8", errors="replace")
-        return status, body
-
-
-if __name__ == "__main__":
-    base_dir = Path(__file__).resolve().parents[1]
-    steam_id = _get_first_steam_id(base_dir)
-    if not steam_id:
-        raise SystemExit("no steam_id in L2.dim_players")
-
-    urls = [
-        "http://127.0.0.1:5000/",
-        "http://127.0.0.1:5000/players/",
-        f"http://127.0.0.1:5000/players/{steam_id}",
-        f"http://127.0.0.1:5000/players/{steam_id}/charts_data",
-        "http://127.0.0.1:5000/matches/",
-        "http://127.0.0.1:5000/teams/",
-        "http://127.0.0.1:5000/teams/api/roster",
-        "http://127.0.0.1:5000/tactics/",
-        "http://127.0.0.1:5000/opponents/",
-        "http://127.0.0.1:5000/wiki/",
-    ]
-
-    for u in urls:
-        status, body = _get(u)
-        print(f"{status} {u} len={len(body)}")
-        if u.endswith("/charts_data"):
-            obj = json.loads(body)
-            for k in ["trend", "radar", "radar_dist"]:
-                print(f"  {k}: {'ok' if k in obj else 'missing'}")