本文目录导读：
这个问题问得很好,因为它直接触及了足球数据分析中最核心的博弈之一，要回答这个问题，我们不能只看项目表面的文档，而要看它底层的数据模型和算法逻辑。
顶尖的开源足球分析项目（如 StatsBomb、追梦者足球数据）通常更看重“威胁球”（即创造机会的能力），而不是单纯的“传球成功率”。
但这背后的逻辑非常复杂,我们可以从以下几个维度来拆解：
为什么“传球成功率”是“陷阱”？
在很多传统数据网站（如早期的FIFA游戏或简单的数据统计），传球成功率被过度神化，但在先进的开源项目中，传球成功率被看作是一种“低信息量”指标。
- 逻辑悖论：向后传球和横传的难度远低于向前穿透防线的传球，一个控球率极高的球队，如果大量进行安全的回传，成功率会高达95%以上，但这并不能转化为进球。
- 开源项目的态度：它们通常会将传球成功率降级为“描述性数据”（用来描述比赛概况），而不是“评价性数据”（用来评估球员价值）。
核心指标：xT（预期威胁）与 xA（预期助攻）
如果你深入研究这些开源项目的代码库（尤其是 Python 的足球分析库，如 socceraction 或 kloppy），你会发现它们真正看重的是“预期威胁（Expected Threat， xT）”和“预期助攻（Expected Assist， xA）”。
- xT（预期威胁）：这是对“威胁球”的量化，它计算的是“这脚传球/这次带球让球队的进球概率提升了多少”，一个横传如果能把防守阵型扯动，创造出后续的射门空间，它的xT值甚至可能高于一个直接传中。
- xA（预期助攻）：比单纯助攻更高级，它看的是“这脚传球创造了多大把握的射门机会”。
在代码层面,如果项目要计算球员的“创造力”权重，传给“机会质量高”的球（哪怕没形成助攻）得分会远高于传出“安全球”的得分。
关键变量：比赛情境（Field Context）
优秀的开源项目还会加入“情境权重”，这也会影响侧重，它们不会孤立地看数据：
- 推进率：一个在中场向进攻三区（敌方禁区前30米）的传球，即使被拦截，只要战术意图正确，其“预期价值”依然高于在后场倒脚的成功传球。
- 压迫下的表现：如果传球者是在高压逼抢下完成的穿透球，开源模型会提高其权重；而在无压力下完成的横传，权重会很低。
对位置的差异化处理
它们更看重“威胁球”也是分位置的：
- 对于中后卫，它们会要求极高的传球成功率，因为这是“控球安全”的底线。
- 对于前腰或边锋，项目中的评分模型（如 90分钟 xT 贡献值）会大幅惩罚那些“不冒险”的回传，并大幅奖励那些把球送入禁区的传中或直塞，如果一个边锋只有很高的传球成功率但经常回传，他在这些开源模型中的评估分往往会很低。
如果这是一个拥有“AI/机器学习”评估能力的开源项目，它绝对更看重“威胁球”（即期望威胁值/关键传球），而“传球成功率”更多被用作控制比赛节奏的辅助指标。
但在实际应用时，最顶级的项目会要求“两者的平衡”：威胁球决定了进攻的上限（能否进球），传球成功率决定了防守的下限（能否保住球权），如果你把“成功率”当成唯一标准，你在高手眼里就是个“安全球大师”，而这类球员在现代开源数据模型中，往往被定义为“创造力不足”。
如果你想自己动手验证,可以去 GitHub 上搜一下 socceraction 项目，运行里面的 VAEP（Valuing Actions by Estimating Probabilities，通过估计概率来评估动作价值）公式，你会直观看到：一次成功的威胁球得分，可能是十次安全传球得分的总和还要多。
