Update bayesian_llm_assistant.py

bayesian_llm_assistant.py

@@ -316,7 +316,7 @@ Format responses with proper markdown for better readability.
         interp = results['interpretation']
         diag = results['diagnostics']
         
-        # 找出顯著的屬性
+        # 找出顯著的配對
         sig_types = [
             results['trial_labels'][i] 
             for i, sig in enumerate(results['by_trial']['delta_significant']) 
@@ -332,7 +332,7 @@ Format responses with proper markdown for better readability.
   - SD | 標準差: {overall['d_sd']:.4f}
   - 95% HDI: [{overall['d_hdi_low']:.4f}, {overall['d_hdi_high']:.4f}]
 
-- **sigma (Between-type Variation) | sigma（屬性間變異）**: 
+- **sigma (Between-pair Variation) | sigma（配對間變異）**: 
   - Mean | 平均: {overall['sigma_mean']:.4f}
   - SD | 標準差: {overall['sigma_sd']:.4f}
   - 95% HDI: [{overall['sigma_hdi_low']:.4f}, {overall['sigma_hdi_high']:.4f}]
@@ -355,24 +355,24 @@ Format responses with proper markdown for better readability.
 - **Effect Size | 效果大小**: {interp['effect_size']}
 - **Heterogeneity | 異質性**: {interp['heterogeneity']}
 
-### Significant Types | 顯著的屬性
-{len(sig_types)} out of {results['n_trials']} types show significant speed effects:
-{len(sig_types)} 個屬性（共 {results['n_trials']} 個）顯示顯著的速度效應：
+### Significant Pairs | 顯著的配對
+{len(sig_types)} out of {results['n_trials']} pairs show significant Fire advantage:
+{len(sig_types)} 組配對（共 {results['n_trials']} 組）顯示顯著的火系優勢：
 {', '.join(sig_types) if sig_types else 'None 無'}
 
-### Number of Types Analyzed | 分析的屬性數量
-{results['n_trials']} types in total 共 {results['n_trials']} 個屬性
+### Number of Pairs Analyzed | 分析的配對數量
+{results['n_trials']} pairs in total 共 {results['n_trials']} 組配對
 
 ### Key Finding | 關鍵發現
 {
     f"On average, Fire-type Pokémon are {overall['or_mean']:.2f} times more likely to win compared to Water-type (95% HDI: [{overall['or_hdi_low']:.2f}, {overall['or_hdi_high']:.2f}]). 平均而言，火系寶可夢獲勝的可能性是水系的 {overall['or_mean']:.2f} 倍 （95% HDI: [{overall['or_hdi_low']:.2f}, {overall['or_hdi_high']:.2f}]）。"
 
     if overall['or_mean'] > 1
-    else f"Interestingly, the data suggests no clear speed advantage or even a slight disadvantage. 有趣的是，資料顯示速度並無明顯優勢，甚至可能略有劣勢。"
+    else f"Interestingly, Water-type Pokémon show advantage over Fire-type despite type matchup, with OR = {overall['or_mean']:.2f}. 有趣的是，儘管屬性相剋，水系寶可夢相對火系仍顯示優勢，OR = {overall['or_mean']:.2f}。"
 }
 
-The variation between types (sigma = {overall['sigma_mean']:.3f}) indicates {interp['heterogeneity'].lower()}.
-屬性間的變異（sigma = {overall['sigma_mean']:.3f}）表示{interp['heterogeneity'].lower()}。
+The variation between matchup pairs (sigma = {overall['sigma_mean']:.3f}) indicates {interp['heterogeneity'].lower()}.
+配對間的變異（sigma = {overall['sigma_mean']:.3f}）表示{interp['heterogeneity'].lower()}。
 """
         return context
     
@@ -420,20 +420,20 @@ Please:
         
         summary_prompt = """請根據提供的貝氏階層模型分析結果生成一份完整的總結報告，包含：
 
-1. **模型目的**：簡述這個階層模型在分析什麼
+1. **模型目的**：簡述這個階層模型在分析什麼（火系 vs 水系配對比較）
 2. **整體發現**：
-   - 速度對勝率有什麼整體影響？
+   - 火系相對於水系的整體勝率優勢如何？
    - d 和勝算比告訴我們什麼？
    - HDI 的意義是什麼？
-3. **屬性間差異**：
+3. **配對間差異**：
    - sigma 告訴我們什麼？
-   - 哪些屬性特別受速度影響？
+   - 哪些配對組合中火系特別強勢？哪些則較弱？
 4. **模型品質**：
    - 模型收斂得好嗎？（R-hat、ESS）
    - 結果可信嗎？
 5. **實戰啟示**：
    - 訓練師如何運用這些資訊？
-   - 哪些屬性應該優先考慮速度？
+   - 在火水對抗中，應該選擇哪些特定的寶可夢？
 
 請用清楚的繁體中文 Markdown 格式撰寫，包含適當的章節標題。"""
         
@@ -444,11 +444,11 @@ Please:
         """解釋特定指標"""
         
         metric_explanations = {
-            'd': 'd (整體對數勝算比)',
-            'sigma': 'sigma (屬性間變異)',
-            'or_speed': 'Odds Ratio (勝算比)',
+            'd': 'd (火系 vs 水系整體對數勝算比)',
+            'sigma': 'sigma (配對間變異)',
+            'or_speed': 'Odds Ratio (火系對水系勝算比)',
             'hdi': '95% HDI (最高密度區間)',
-            'delta': 'delta (屬性特定效應)',
+            'delta': 'delta (配對特定效應)',
             'rhat': 'R-hat (收斂診斷)',
             'ess': 'ESS (有效樣本數)'
         }
@@ -479,7 +479,7 @@ Please:
 請涵蓋：
 1. 兩者的根本哲學差異是什麼？
 2. p 值 vs HDI（可信區間）有什麼不同？
-3. 為什麼我們用階層模型來分析多個屬性？
+3. 為什麼我們用階層模型來分析多組配對？
 4. 貝氏方法的優勢和限制是什麼？
 5. 什麼時候該用貝氏、什麼時候該用頻率論？
 
@@ -491,16 +491,18 @@ Please:
     def explain_hierarchical_model(self):
         """解釋階層模型的概念"""
         
-        explain_prompt = """請用簡單的方式解釋貝氏階層模型，特別是在寶可夢屬性分析的情境下。
+        explain_prompt = """請用簡單的方式解釋貝氏階層模型，特別是在火系對水系配對分析的情境下。
 
 請涵蓋：
 1. 什麼是階層模型？為什麼要用階層結構？
 2. 「借用資訊」(borrowing strength) 是什麼意思？
+   - 在本分析中，如何跨 46 組配對借用資訊？
 3. 收縮效應 (shrinkage) 如何運作？
-4. 為什麼階層模型適合分析多個屬性？
-5. d、sigma、delta 之間的關係是什麼？
+   - 為什麼某些極端的配對結果會被「拉回」？
+4. 為什麼階層模型適合分析多組配對？
+5. d（整體火系優勢）、sigma（配對間變異）、delta（各配對特定效應）之間的關係是什麼？
 
-請用寶可夢的實際例子讓說明更具體易懂，全程使用繁體中文。"""
+請用火系對水系的實際配對例子讓說明更具體易懂，全程使用繁體中文。"""
         
         text, _ = self.get_response(explain_prompt, None)
         return text
@@ -508,14 +510,15 @@ Please:
     def battle_strategy_advice(self, analysis_results):
         """提供對戰策略建議"""
         
-        strategy_prompt = """根據貝氏階層模型的分析結果，請為寶可夢訓練師提供實際的對戰策略建議。
+        strategy_prompt = """根據貝氏階層模型的分析結果，請為寶可夢訓練師提供實際的組隊策略建議。
 
 請考慮：
-1. 整體而言，速度對勝率的影響有多大？
-2. 哪些屬性特別受益於速度？哪些不受影響？
-3. 訓練師在組建隊伍時應該如何權衡速度？
-4. 有沒有屬性可以忽略速度、專注其他數值？
-5. 對競技對戰有什麼啟示？
+1. 整體而言，火系對水系的勝率如何？
+2. 哪些火系寶可夢在對抗水系時特別強？（對應 delta 顯著為正的配對）
+3. 是否有火系寶可夢即使對抗水系仍表現不佳？（delta 顯著為負）
+4. 訓練師在選擇火系對抗水系時應該注意什麼？
+5. 對競技對戰的組隊和屬性覆蓋有什麼啟示？
+6. 有沒有出乎意料的發現？（例如某些火系特別強/弱）
 
 請具體且可操作，使用繁體中文回答。"""
         
@@ -523,16 +526,21 @@ Please:
         return text
     
     def compare_types(self, analysis_results):
-        """比較不同屬性"""
+        """比較不同配對"""
         
-        compare_prompt = """請比較分析結果中不同屬性對速度的反應差異。
+        compare_prompt = """請比較分析結果中不同配對組合的火系優勢差異。
 
 請說明：
-1. 哪些屬性對速度最敏感？為什麼？
-2. 哪些屬性對速度不敏感？可能的原因是什麼？
-3. 屬性間的異質性（sigma）告訴我們什麼？
+1. 哪些配對中火系特別強勢？可能的原因是什麼？
+   - 考慮：特殊能力、數值優勢、招式組合
+2. 哪些配對中火系反而處於劣勢？為什麼？
+3. 配對間的異質性（sigma）告訴我們什麼？
+   - 是否某些火/水系寶可夢特別能打破屬性相剋？
 4. 有沒有令人意外的發現？
+   - 例如：某個火系儘管屬性不利仍大幅獲勝
+   - 或某個火系表現比預期差很多
 5. 這些差異對組隊策略有什麼啟示？
+   - 如何針對性地選擇火系來對抗水系？
 
 請用繁體中文回答。"""
         
@@ -541,4 +549,4 @@ Please:
     
     def reset_conversation(self):
         """重置對話歷史"""
-        self.conversation_history = []
+        self.conversation_history = []