限制赛大师

SkillDev tools

Magic: The Gathering Limited learning, single-card ratings, set reviews, and practical coaching. Use it to explain Limited, Sealed, and Draft rules; guide building 40-card Limited decks; analyze draft picks, signals, mulligans, 17Lands data, Sealed pools, matchup plans, and sideboarding; write Limit

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the 限制赛大师 skill

What this skill tells your AI

The instructions your AI receives, as published by kuuusoda/magic-skill in skill/limited-master/SKILL.md and read by ahel’s review.

用这个 skill 把限制赛问题转成可执行的判断:这是什么赛制、这套牌怎么组、这一抓怎么选、这手牌该不该留、这一局谁该进攻、如何查 17Lands 数据、赛后如何复盘。

先读资料

处理限制赛学习、组牌或复盘任务时,优先读取这些 wiki 页面:

  • wiki/synthesis/limited-learning-path.md:总学习路径与核心框架。
  • wiki/sources/2026-06-22-topdeck-limited-reading-list.md:本 skill 的来源索引和抓取状态。
  • wiki/concepts/limited.mdwiki/concepts/sealed.mdwiki/concepts/draft.md:赛制基础。
  • wiki/concepts/mana-curve.mdwiki/concepts/removal.mdwiki/concepts/mulligan.mdwiki/concepts/mana-base-strategy.md:组牌与对局基础。

需要完整操作框架、启发式清单、17Lands 查询方式、单卡评分写法或教学回答时,再读取 references/limited-playbook.md。需要直接获取 17Lands 单卡数据时,运行 scripts/fetch_17lands_card_ratings.py。需要把自己的评分和 LSV/CFB/17Lands 等外部参照对比时,运行 scripts/calibrate_limited_ratings.py

回答原则

  • 先判断任务类型:解释概念、现开组牌、轮抽选牌、对局计划、调度、17Lands 数据、赛后复盘。
  • 输出可操作结论,不只给原则。用户给牌池或抓位时,给候选方案、取舍理由、风险和下一步。
  • 默认限制赛套牌为 40 张,常见基线是 17 地 + 23 非地;生物数量、去除数量和曲线根据套牌角色调整。
  • 把“强牌”放回套牌计划里判断:同一张牌在快攻、中速、控制、协同套牌中的价值可能不同。
  • 写限制赛单卡评分时,先给 0-5 分数,再写 baseline、ceiling、deck condition 和 pick/build implication;遇到强烈依赖环境或构筑条件的牌,用范围分或分裂评分。
  • 评分后必须校准:按高估/低估模式复盘,而不是只看平均误差。优先修正 P1P1、4.0+ 强牌、0-1.5 陷阱牌和 2.5-3.0 中间桶。
  • 处理具体牌名、官方中文译名、Oracle 文本、规则互动或比赛规则判定时,调用/结合 mtg-wikimtg-judge-zh 的资料;不要凭记忆断言单卡细节。
  • 明确资料边界:本 skill 基于已摄入的 TopDeck 限制赛学习资料;04 TDM 现开指南08 团队现开示例当前不作为核心来源。

常用工作流

解释限制赛

说明限制赛是“用现场获得的随机牌池构筑套牌”的赛制,核心形式是现开和轮抽。强调限制赛同时考察单卡评价、曲线、法术力基础、对局计划、调度、战斗和动态角色判断。

构筑现开/轮抽套牌

  1. 先找牌池的 superpower:炸弹、去除、修色、协同、颜色深度或曲线。
  2. 选主色骨架:优先能稳定施放、曲线完整、能支撑套牌计划的颜色,而不是单纯稀有最多的颜色。
  3. 决定角色:快攻、地面防守天上进攻、中速、控制、协同组合。
  4. 填 23 张非地:检查生物密度、去除数量、曲线、抓牌/法术力水槽、战斗 tricks 和非生物比例。
  5. 配地:主色通常需要 8-9 个来源;溅色依据费用、强度、出牌回合和修色数量决定。
  6. 做 sanity check:起手能否执行前三回合计划,是否有过多高费/双费/条件牌,去除是否能处理真正会输的威胁。
  7. 记录换备:对快攻补低费阻挡/便宜互动;对慢牌提高威胁质量、抓牌和不可被单去除解决的计划。

分析轮抽

  • P1P1 先看炸弹、无条件去除和高质量单卡,再看颜色分布和协同上限。
  • 前几抓保持开放,强通用牌和单色牌优先于窄协同;可以放弃第一抓炸弹。
  • 2-4 抓信号弱,5 抓以后还看见 premium 牌才是强信号;连续缺席比单包缺席更重要。
  • 注意自己传出的信号:如果连续放过一个颜色的强牌,避免后面又切进同色。
  • 第二包开始拼套牌结构,不只是拿最高分牌;第三包补洞、修曲线、拿修色和备牌。
  • Hate draft 优先级很低,只有没有可用牌、修色或备牌时才考虑。

撰写单卡评分

先确认牌面文本、费用、颜色、稀有度和系列机制,再按 0-5 限制赛评分输出。点评要短但有判断:这张牌的普通表现是什么、在哪类套牌或局面会变强、失败情形是什么、抓牌/组牌时应该怎么处理。具体评分口径、范围分和点评模板见 references/limited-playbook.md 的“单卡评分与点评写法”。

校准评分表

将自己的评分 JSON/CSV 与外部评分表对齐时,运行:

python3 skill/limited-master/scripts/calibrate_limited_ratings.py \
  --ours output/my_ratings.json \
  --reference output/reference_ratings.json \
  --output output/rating_calibration.md

delta >= 1.0delta <= -1.0 的牌,按牌型、稀有度、颜色和角色总结误评原因,再更新评分规则或重评中间桶。

判断调度

  • 在限制赛里找“留下的理由”:功能手牌优先于完美手牌。
  • 看前 3 回合计划、颜色来源、关键费用、生物/互动比例,以及未来 1-2 抽能否自然修正问题。
  • 先手更重视保留资源,后手可接受部分颜色风险但更怕太慢。
  • 快攻没有早期威胁要更严格;强套牌可以更愿意调掉边缘手。
  • 调到 6 后不要机械放回最高费牌;保留能执行计划和改变局面的牌,放回冗余或低影响牌。

制定对局计划

  • 每局都问:谁有长局优势?谁的 clock 更快?谁从交换中获益?谁需要打破僵局?
  • 进攻方通常要珍惜伤害、逼迫阻挡、用去除清路;防守方要保护血量、交换资源、把游戏拖到炸弹或牌差阶段。
  • 不要为了“曲线顺”乱交去除。优先处理穿透威胁、难交换的大生物、能滚雪球的引擎、或能被你一换二惩罚的光环/trick。
  • 炸弹不一定按费拍下;若对手有开放费用或关键互动,考虑先用次级威胁诱出解牌。

使用 17Lands

  • 网页查询入口:https://www.17lands.com/card_data 查单卡数据,https://www.17lands.com/deck_color_data 查色组数据,https://www.17lands.com/trophy_decks 查奖杯套牌,https://www.17lands.com/public_datasets 查公开数据集。
  • 脚本查询入口:运行 python3 skill/limited-master/scripts/fetch_17lands_card_ratings.py --expansion TDM --format PremierDraft --sort gih --top 20。常用参数有 --rarity common uncommon--color W--name "card name"--min-games 200--output output.md
  • 数据端点:脚本使用 https://www.17lands.com/card_ratings/data?expansion=<SET>&format=<FORMAT>。如果端点变动,先让用户用网页入口确认系列和赛制。
  • 用数据校准直觉,不把数据当自动 pick order。
  • GIH WR 是最常用的强度指标;OH WR 更适合评估早期牌/快攻牌;ALSA 帮助判断牌被拿走的平均时机;IWD 偏差大,不要替代 GIH WR。
  • 结合色组、样本量、用户水平、牌的角色和套牌结构阅读数据。
  • 优先使用 draft/game replay 做复盘:找出自己和高水平牌手在抓位、攻击、阻挡、去除时机上的分歧。

Signals

GitHub stars
34
Forks
6
Last commit
Aug 2026
Advanced
Catalog kind
skill
Gateway key
limited-master
Source
github.com/kuuusoda/magic-skill