教练组拿到医疗报告的那一刻，最先冒出来的通常是一个位置名称：右后卫缺阵。接下来的动作也几乎是条件反射，翻名单，看看还有谁能踢右后卫。这个流程没有错，只是它跳过了一步：那名受伤的右后卫，过去几个月里到底为球队做了什么？
如果他是球队右路出球和纵向推进的主要来源，替补上来一名擅长盯人、站位保守的右后卫，名单上的位置是对上了，右路的进攻功能却空了。反过来，如果球队的右后卫主要负责收缩防线、给前面的边锋让出空间，换上一个爱前插、爱传中的替补，边锋的活动空间反而会被他占掉。江南体育阵容AI处理替代人选时，第一步是把“位置”换成“功能缺口”。
先把缺阵球员拆成一组功能，再去找人
阵容分析里说的“功能”，指的是球员在比赛事件数据和追踪数据里稳定表现出来的一组行为：他在球队出球的哪个阶段触球，触球后倾向向前还是向边，回追时和边中卫的距离通常是多少，防守时更多是盯人还是守区域。把缺阵球员过去若干场的这些行为提取出来，得到的是一份缺口清单，而不是一个位置标签。
下面是一份模拟示例，用来说明同样叫“右后卫”的三名球员，功能差别可以有多大。数字是为讲解编出来的示意数据，不对应任何真实球员或球队。
| 示意球员 | 常见落位 | 进攻端主要贡献 | 防守端主要贡献 | 对边锋的影响 |
|---|---|---|---|---|
| 右后卫甲 | 高位，接近边线 | 持续套边、传中 | 回追速度快，但防内收较弱 | 边锋可以内切 |
| 右后卫乙 | 内收，接近半空间 | 参与出球，做“内翼卫” | 补位积极，对抗一般 | 边锋需要留在外线 |
| 右后卫丙 | 低位，贴近边中卫 | 很少前插，出球简单 | 一对一和空中球稳定 | 边锋需要自己回防 |
假如缺阵的是甲，最相似的替代者未必是同样叫右后卫的丙，反而可能是一名平时打右边前卫、回防习惯不错的球员。这正是为什么搜索式的“同位置替补”经常给出不合适的答案。
候选池不止一条：替补、跨位置、青年队和外部
阵容AI在生成替代人选时，会同时看四类来源，而不是只看一线队名单。
- 同位置替补：最直接，磨合成本最低，但功能缺口往往最大，因为替补之所以是替补，常常是他和主力的强项并不一样。
- 跨位置球员：比如一名习惯在右侧踢边前卫的球员，或者能踢右中卫的球员。他们的位置标签不同，但角色特征可能更接近缺阵者。这类人选需要看“他在新位置上有没有足够样本”，样本不足时，模型给出的相似度不能当结论。
- 青年队和二线队球员：要额外核对年龄、比赛时间和对手强度，二级联赛的数据和一线队数据不在同一个尺度上，这一点在一支球队到底需要几个同类型球员里讨论阵容深度时也提到过。
- 外部引援：属于窗口期问题，牵涉预算、合同和注册名额，模型只能给出功能匹配度的排序，不会去替俱乐部判断价格是否合理。
把四类候选放在同一张表里比较，有个前提：它们的数据要先做同一套角色标注，否则不同来源的数字没法直接对照。
相似度怎么算：不是一个数，而是三层
江南体育阵容AI的当前思路是把“像不像”拆成三层，再合并成一份可读的对比。
第一层是个人角色相似度。用球员Embedding把事件数据（传球方向、触球区域、对抗类型）和追踪数据（跑动距离、冲刺次数、与队友的间距）压成一个向量，计算候选人与缺阵者的距离。向量距离近，说明行为模式接近。但Embedding有个天然限制：它反映的是球员在过去球队体系里的行为，而不是他的天赋上限。同一名球员换了体系，向量可能会明显漂移。
第二层是战术适配。同样是行为接近，这名候选人是否适合当前的进攻节奏、压迫强度和防线高度？一名习惯在低位阵型里回收的后卫，被放进高位压迫体系后，速度和回追覆盖的短板会被放大。这一点和同一个球员为什么在不同战术里价值完全不同那篇文章讲的是同一个问题，只不过这里落在了替补环节。
第三层是组合影响，也是最容易被忽视的一层。这名球员上场之后，他身边的人会怎样变化，下一节单独讲。
他上来了，其他人的角色会跟着变
一个位置换人，牵动的是一条线。假设缺阵的右后卫甲每场有相当比例的进攻推进发生在右路，替补丙上场后不再前插，右边锋要么回撤接球，要么被迫在更窄的空间里单打。表面上只换了一个人，实际上右路的三人组合结构变了。
阵容AI会做的一件事，是把替代方案放进最近若干场的比赛情境里“回放”：假如这个人在同样的比赛环节里出现，他身边的队友需要额外承担哪些动作？这类推演基于历史事件序列，是估计，不是预测，结论的写法应当是“可能需要右边锋多回撤接应”，而不是“右路进攻效率下降多少”。
类似的连锁反应在中场也很常见。缺阵的是一名后腰，替补是一名更擅长向前推进的中场，那么中卫前方的保护会变薄，边中卫需要更多补位。角色互补的逻辑，可以参考11个能力最强的球员放在一起，为什么不一定是最强阵容中的分析：能力再强，功能重叠或功能缺失，都会拉低整体表现。
伤病本身也是数据：伤停时长、复出曲线与再受伤风险
替代问题里还有一层时间维度。伤停三周和伤停三个月，选择完全不同：短期缺阵倾向于用“最小改动”的方案，让替补顶上去；长期缺阵则值得重新设计这条线，甚至调整体系。
另外，主力回归后的强度并不总是立刻恢复。阵容AI会把伤停前后的比赛时间、冲刺次数和高强度跑动做一个粗略对照，提醒教练组“复出后的前几场可能需要控制出场时间”。这类提示只是参考，真正的复出安排必须由队医和体能教练根据医疗检查决定，模型看不到伤情本身，也不该替代医疗判断。
还有一个容易被忽略的问题：替补球员自己的负荷。如果替代者本身年龄偏大或近期出场密集，把他推到一个连续三周主力的位置，相当于把新的伤病风险转移到了另一个人身上。年龄曲线和出场累积是评估中必须放进去的两列，不能因为“他现在健康”就默认没有风险。
模型会在哪里给出错误的替代建议
- 样本太薄：跨位置候选人在新位置上只打过几十分钟，向量几乎是噪声。此时模型的“相似度很高”不能被引用。
- 体系差异：候选人在原球队的数据是在完全不同的战术里产生的，直接对照会高估或低估他。这属于Domain Shift，需要做体系校正，而校正本身也有误差。
- 看不到心理和更衣室：模型没有能力判断一名球员被临时推上首发后的心态，也看不到他和搭档的默契，这些信息只能来自教练组。
- 数据里没有的角色：比如缺阵者承担了大量场上指挥、喊话和站位提醒的职责，事件数据和追踪数据里几乎看不到这种贡献。
- 短期状态波动：近期几场比赛的数据受对手强弱、天气和赛程影响，取窗口太短会被偶然事件带偏，取窗口太长又会忽略状态变化。
正因为这些边界，江南体育阵容AI输出的不是“唯一替代人选”，而是一份带理由的排序，每个候选人都附着相似度的来源、依据的比赛样本量和需要注意的风险。
教练组最后拿到的是什么
一份合格的替代建议，读起来更像一张带注释的短名单，而不是一个答案。每位候选人下面应当能回答四个问题：他和缺阵者在哪些功能上重合，在哪些功能上有缺口；放进当前战术后哪些环节会被放大；上场后他身边哪两三名队友的任务会变化；以及他自己的年龄、出场负荷和健康记录提示了什么风险。
决定谁上场的仍然是教练。训练课里的状态、对下一个对手的针对性、球员对新位置的适应速度，这些是数据看不到的部分。阵容AI能做的，是把“该看什么”摆整齐，让教练组在有限的时间里少漏掉一两个显而易见的问题。
如果你想从整体上看阵容中每个位置的人员结构，可以先到江南体育阵容AI栏目浏览相关分析，那里的文章按年龄结构、深度和角色互补分别展开。替代球员问题只是这张大图里的一个切面，把它放回整体结构里去看，结论会更稳。
