tigerblog.net

TigerBlog 是 Brian Borawski 个人撰写的底特律老虎队（Detroit Tigers）棒球博客，内容以球队新闻、比赛笔记和观察为主，偏重历史回顾与赛博计量（sabermetrics）统计分析。它适合想补充阅读老虎队历史、尤其是 1935、1968、1984 三个夺冠年份的球迷；但博客更新极不规律，曾长期停更后短暂恢复，阅读前应先看文章日期，不要把它当作实时新闻源。网站明确声明与底特律老虎队及美国职业棒球大联盟（MLB）无隶属关系，也未获其背书。

内容定位与主要栏目

从页面可见的结构看，TigerBlog 的内容大致分三类：

• 历史日记：首页列出 “1935 Tigers Diary”“1968 Tigers Diary”“1984 Tigers Diary” 三个入口，对应老虎队三个世界大赛冠军年份，按日记体回顾赛季进程。这是该站最有辨识度的栏目。
• 赛季评论与观察：按年份归档，例如 “2013 Tigers” 分类下的文章，讨论当时的球队表现、交易截止日、球员禁赛等话题。
• 棒球历史与杂谈：包括全明星赛怀旧、历史球员轶事等，作者会结合个人观赛记忆展开。

作者在 2013 年的一篇文章中提到，自己取消有线电视后不常看直播，更多依靠数据和其他渠道了解比赛——这也解释了网站偏统计与回顾、而非逐场战报的风格。

文章风格示例

以 2013 年 7 月 28 日那篇《Phillies Sweep, Jhonny Peralta and the Trade Deadline》为例：作者先写老虎队周末横扫费城人队，观察到费城人队投手教练在第二局就上场、疑似让投手硬撑以节省牛棚；随后转向当时 PED（增强表现药物）禁赛背景下游击手 Jhonny Peralta 可能缺阵的问题，提到 3A 托莱多队的 Argenis Diaz 当时 OPS 为 .679，并讨论球队是交易补强还是内部消化。这类文章把比赛观察、数据和小联盟人员情况放在一起，是典型的球迷分析笔记，而非官方报道。

如何浏览和阅读

1. 从首页进入：首页按时间倒序列出最新文章，每篇附标题、日期、作者和分类，点击标题进入全文。
2. 走历史日记入口：想系统看某个冠军赛季，直接点首页的 1935、1968 或 1984 日记链接，比逐页翻归档更高效。
3. 按分类找旧文：每篇文章底部标注分类（如 “2013 Tigers”“Uncategorized”），可据此定位同一时期的内容。
4. 先看日期再读：博客存在明显断更。页面显示 2013 年 7 月有连续更新，之后到 2020 年 4 月才出现一篇“复出”性质的短文，作者自己也在文中不确定还有多少人会看到。读交易、伤病类文章时，务必对照发布日期理解其时效性。

适合谁、不适合谁

常见卡点

• 误以为是官方站点：网站简介已说明与球队和 MLB 无关联，引用其观点时应注明是个人博客。
• 把旧文当现状：2013 年前后的交易、禁赛讨论只反映当时情况，例如 Peralta 的禁赛进展、球队需求，都不能套用到今天。
• 找不到订阅入口：作者在 2020 年的文章里提到早年靠 RSS 传播内容，并询问读者如何得知更新，说明站点本身没有稳定的订阅机制；想跟进只能定期回访首页。

如果你关注老虎队历史，尤其是三个冠军年份的逐日回顾，TigerBlog 值得作为补充读物收藏；如果只想要即时战报，直接看球队官方渠道和主流体育媒体更合适。

The Peanut Butter Boy 是一个以花生酱为核心的家庭食谱博客，同时售卖自有花生酱产品。如果你喜欢花生酱、想找把它用进烘焙和日常菜里的做法，这个站点值得浏览；如果你只是想要一个通用食谱库，它的内容范围相对聚焦。浏览入口是首页的 Recent Recipes 列表和文章末尾的分类标签，订阅入口在导航栏的 Subscribe 页面。

网站提供什么内容

从首页可见的内容看，站点由三部分组成：

• 食谱文章：每篇围绕一道菜展开，正文讲做法和成品口感，末尾附分类标签。
• 分类归档：文章标注在 Bakery（烘焙）、Breakfast（早餐）、Peanut Butter（花生酱）、Vegetarian（素食）等分类下，可据此找同类食谱。
• 自有商品：站点售卖花生酱，导航中有 Shop 入口。看食谱时注意区分文章内容和商品推广。

首页可见的食谱包括：

食谱描述里带具体细节，比如爱尔兰苏打面包那篇写了外皮酥脆、内部紧实、葡萄干带来甜味，并说明作者是先吃到朋友做的成品才想试着把花生酱烤进去。这类第一人称的成品描述能帮你判断是否符合口味。

怎么浏览食谱

1. 打开首页，先看 Recent Recipes 区域，这里按时间列出最新文章，每条带一句摘要和评论数。
2. 点标题或 Continue Reading 进入全文，正文是做法和作者的经验说明。
3. 文章末尾的 Filed in 后面是分类标签，点进去可以看到同类食谱的归档列表。例如从爱尔兰苏打面包可以进入 Bakery、Breakfast、Peanut Butter、Vegetarian。
4. 想找特定类型时，优先用分类标签而不是站内搜索——从首页结构看，分类是主要的内容组织方式。

一个实际用法：如果你手头有花生酱想做早餐，从 Breakfast 和 Peanut Butter 两个分类交叉看，能较快筛出可丽饼、苏打面包这类选项。

怎么订阅和联系

导航栏提供 Subscribe 入口（对应地址为 peanutbutterboy.com/subscribe），用于跟进新食谱更新。导航中还有 Contact 页面，可用于联系作者。资料中只显示存在订阅入口，未说明订阅是否收费或需要登录，使用前建议在订阅页面自行确认具体条款。

适合谁、不适合谁

适合：想找花生酱入菜和入烘焙的具体做法、能接受第一人称叙述和成品口感描述、愿意跟着分类慢慢翻的人。

不太适合：需要按食材或时间精确筛选、想要标准化分步图示、或只想找不含花生酱的通用家常菜的人。站内食谱数量从首页看有限，且部分文章（如墨西哥玉米饼派）本身并不含花生酱，浏览时留意标题和摘要。

如果你决定跟进，建议先订阅，再从 Bakery 或 Breakfast 分类挑一两篇试做，用成品结果判断是否继续关注。

OpenFlights 的统计（statistics）不是独立页面，而是基于你已录入的航班记录自动汇总出来的结果。要看到有意义的统计，前提是先有航班数据：在控制面板里通过 “Add new flight” 逐条添加，或用 “Add new flights” 批量录入。录入后，控制面板顶部的筛选器（Carrier、Year、Trip、Class、Distance、Mode 等）会直接决定统计的范围——筛选条件变了，统计结果也跟着变。

统计的数据来自哪里

OpenFlights 的统计逻辑是“先记录，后汇总”：

• 输入：航班记录中的出发地、目的地、航空公司、日期、舱位、里程、出行目的（Reason）、交通方式（Mode）等字段。
• 动作：系统根据这些字段计算距离、按维度分组。
• 结果：在控制面板中呈现汇总视图，而不是单独一个“统计页”。

所以如果统计为空或数字不对，第一步不是找统计入口，而是检查航班记录本身是否完整、是否被筛选条件排除掉了。

能看哪些统计维度

从控制面板的字段和筛选器可以推断出可用的统计口径：

这些维度既可以单独看，也可以通过筛选器组合，例如“只看 2024 年、只看某家航司、只看 Business 舱”。

怎么用筛选器改变统计结果

控制面板顶部的筛选器是统计的核心操作入口：

1. Carrier：选择 All carriers 或某一家航司。
2. Year：选择 All 或某一年。
3. Trip：按行程筛选。
4. More...：展开更多条件，包括 Class、Distance（< 或 > 某个值）、Mode、Note、Reason、Registration。
5. 设定条件后，下方的列表和汇总会同步收窄。

预期结果是：筛选越具体，统计样本越小，数字越聚焦。例如把 Year 设为某一年、Carrier 设为某家航司，就能得到“这一年这家航司飞了多少”的局部统计。

用统计回顾和分享飞行历史

• 回顾：用 Year 逐年对比，能看出哪一年飞得最多；用 Reason 区分 Work 和 Leisure，能看出出行结构；用 Class 看舱位变化。
• 分享：OpenFlights 的定位包含 sharing，地图上点击机场可查看详情，航班记录和地图视图可以对外展示。分享前建议先确认筛选条件，避免把不完整的子集当成全部记录展示。

统计不显示或数据异常时的排查方向

• 完全没有数据：先确认是否已添加航班记录，统计依赖已录入的航班。
• 数字比预期少：检查筛选器是否残留了 Carrier、Year 或 More... 里的条件，把条件重置为 All。
• 距离或航线不对：检查出发地/目的地是否选对。添加航班时，机场可以通过地图点击选择，也可以按城市名或机场代码搜索，选错会导致距离和航线统计偏差。
• 页面无法操作：OpenFlights 需要 JavaScript，浏览器禁用 JS 时地图和录入界面都无法正常工作。

使用前需要知道的前提

• 添加航班时，蓝色字段为必填项（Fields in blue are required）。
• 地图操作：点击机场查看详情，按住 Shift 拖拽可框选区域，右上角可切换地图类型和显示内容。
• 界面支持多语言，包括中文（zh）。
• 资料未提及价格或登录限制，因此不推断其免费或无需登录；实际使用前请以网站当前状态为准。

在 TrackDollar 这类纸币追踪平台上，追踪一张美元纸币的核心流程是：注册账户 → 输入纸币的 10 或 11 位序列号 → 选择面额和系列年份 → 补充获取地点、计划消费地点和品相 → 提交登记。之后如果有人在系统中再次录入同一张纸币，你会收到邮件通知，这条记录就是一次“命中”（Hit）。这套方法适合想观察自己花出去的钞票流向、又不介意手动录入信息的人；它依赖他人也使用同一平台，因此命中率取决于参与人数，而不是技术本身。

登记前需要准备什么

• 一个账户：TrackDollar 需要注册后才能登记纸币和接收通知，页面提供 Login 和 Register/Sign Up 入口。
• 纸币本身：需要能看清序列号、面额和系列年份。
• 序列号规则：序列号是纸币上 10 或 11 位绿色字母数字组合；如果序列号里带星号（*），用 Shift+8 输入。
• 可选信息：获取纸币的地点、计划花掉它的地点、纸币品相。

具体登记步骤

1. 注册或登录。进入 TrackDollar 后使用 Register/Sign Up 创建账户，已有账户直接 Login。
2. 找到登记入口。页面上的 “Enter a new bill serial” 就是登记新纸币的字段。
3. 输入序列号。按纸币上的 10 或 11 位字母数字输入，遇到星号用 Shift+8 代替。
4. 选择面额。可选 $1、$2、$5、$10、$20、$50、$100。
5. 选择系列年份。平台列出的系列包括 2025、2021、2017A、2017、2013、2009、2006、2003A、2003、2001、1999、1995、1993、1988A、1988、1985、1981A、1981、1977A、1977、1974、1969D、1969C、1969B、1969A、1969、1963B、1963A、1963 等，按纸币实际年份选择。
6. 填写地点和备注。包括 zip code、country，以及 bill info（在哪里拿到这张纸币、打算在哪里花掉、纸币品相）。
7. 提交。登记完成后，这张纸币进入你的个人记录。

预期结果：纸币出现在你的账户报告中，等待未来被他人再次录入。

命中通知和报告怎么用

• 邮件通知：当同一张纸币被其他人再次录入系统时，平台会通过邮件通知你，这就是一次命中。
• My Reports：查看自己登记过的纸币和对应的流通记录。
• Site-Wide Reports：查看全站统计。页面显示当时全站已登记 Bills: 2,420,717，Total: $10,033,506，可作为平台活跃度的参考。
• Help / Forum：遇到序列号格式、年份选择等问题时可以查阅。

常见卡点

• 序列号输错：10 或 11 位必须与纸币一致，星号必须用 Shift+8，否则可能登记成一张不存在的纸币，永远等不到命中。
• 系列年份选错：年份列表很细（如 2017 与 2017A 是不同选项），选错不影响登记成功，但会让记录不准确。
• 长期没有命中：这是正常现象。命中依赖他人也把同一张纸币录入同一平台，流通范围越广、平台用户越多，概率才越高。
• 重复登记同一张纸币：如果一张纸币已经登记过，再次录入通常不会产生新的独立追踪价值，登记前可以先在自己的报告中确认。

这套方法适合谁

适合对纸币流通路径好奇、愿意手动录入、并且能接受“可能永远没有命中”的普通用户。如果你希望的是自动、实时的位置追踪，纸币追踪平台做不到——它本质上是靠参与者共同录入形成的分布式记录，而不是定位技术。

Sabermetrics 是一套用可量化、可复核的数据指标来评估棒球球员与球队表现的分析方法，核心是用数据替代“看起来打得不错”这类观感判断。它适合想读懂棒球分析文章、自己比较球员贡献，或理解球队交易与阵容决策依据的球迷。入门不需要编程，从公开数据网站查几个基础指标、对照比赛记录阅读即可。

核心思路：把贡献拆成可比较的数字

传统棒球讨论常依赖打击率、打点、胜投这类记录，而 sabermetrics 追问的是：这名球员上垒和制造长打的能力如何？在相同机会下比联盟平均好多少？它的基本做法是把球员表现折算成可与他人、与联盟平均水平直接比较的数值，再结合球场环境、出场机会等因素解读。

以 TigerBlog 这类老虎队球迷博客的讨论为例：当球队游击手位置出现空缺时，博主会直接引用小联盟球员的 OPS（.679）来判断内部填补是否够用，进而讨论是否需要在交易截止日前引援。这就是 sabermetrics 的日常用法——不是堆砌术语，而是用一两个指标回答“现有选项够不够好”。

常见打击指标及其含义

OPS 的优点是易算易查，缺点是上垒与长打被等权相加，粗糙但够用；OPS+ 进一步处理了球场环境影响，更适合跨球员、跨年代比较。阅读分析文章时，看到单独一个 OPS 数字，先确认它是绝对值还是已做联盟调整，两者不能混着比。

如何用它判断球队短板

把指标放回具体位置和需求中，才能得出有用结论。一个可操作的判断顺序：

1. 确定位置与角色：游击手看重防守与上垒，角落内野手更看重长打，牛棚投手看压制效率而非胜投。
2. 找替代选项的数据：查内部候选人在小联盟或有限出场中的 OPS、上垒率，与联盟同位置平均对比。
3. 判断差距是否值得付出交易代价：若内部选项明显低于平均，且球队处于争冠窗口，引援讨论才有依据；若差距在正常波动内，仓促交易可能得不偿失。
4. 同时看多个需求：TigerBlog 的例子里，游击手和牛棚是并列短板，而球队小联盟筹码有限，这时 sabermetrics 帮的是排序——哪个缺口更致命、更值得动用资源。

使用时的局限与注意点

• 样本量：几十个打席的 OPS 波动极大，半赛季以下的数据更适合看趋势而非下结论。小联盟数据还要考虑联盟整体水平差异。
• 语境：球场、对手投手质量、出场时机都会影响数字，未做调整的原始指标跨环境比较会失真。
• 指标不是全部：防守、跑垒、更衣室作用等难以完全量化，sabermetrics 是补充而非替代观赛判断。
• 数据来源：优先使用标注了算法与更新时间的公开数据页面；博客和二手分析可作线索，但关键数字应回到原始数据核对。

入门实践：从查一个指标开始

选一场你关注的比赛或一名球员，按以下步骤操作：

1. 在公开棒球数据网站找到该球员的赛季页面，记录 OBP、SLG、OPS，并确认是否有 OPS+ 等调整后指标。
2. 找到同位置联盟平均数值，算出差距。
3. 回到比赛记录或博客分析，看作者是否引用了同一指标、结论是否与你的计算一致。
4. 换一名样本量更小的球员重复一次，观察数字波动幅度，体会样本量的影响。

完成这一轮后，你就能独立读懂大多数以数据为据的棒球分析，并对“这笔交易该不该做”形成自己的判断依据。