中文 | English

一个由大语言模型驱动的AI版德州扑克对战框架

本项目是一个德州扑克AI对战框架，使用大语言模型(LLM)作为AI玩家进行德州扑克游戏对战。框架模拟了完整的德州扑克游戏流程，包括发牌、下注、翻牌、转牌、河牌和摊牌等环节，并支持多个AI玩家同时参与游戏。每个AI玩家由大语言模型驱动，能够根据当前游戏状态做出决策，并在游戏结束后进行反思学习。

• Python 3.10+
• 安装依赖：pip install -r requirements.txt（主要依赖openai库）

在运行前，需要在main.py中配置大语言模型的API密钥和基础URL。目前支持两种类型的LLM玩家：

1. OpenAI兼容接口的模型（如Deepseek、QWen等）：

players.append(OpenAiLLMUser(name="玩家名称", model_name="模型名称", api_key='YOUR_API_KEY', base_url="YOUR_BASE_URL"))

2. Anthropic Claude模型：

players.append(AnthropicLLMUser(name="玩家名称", model_name="模型名称", api_key='YOUR_API_KEY', base_url="YOUR_BASE_URL"))

请根据使用的模型类型选择对应的配置方式，并填入相应的API密钥和基础URL。

直接运行main.py文件即可开始游戏：

python main.py

可以使用以下命令查看已保存的游戏列表： 直接使用replay_game.py：

python replay_game.py

可以通过修改main.py中的参数来调整游戏设置：

start_game(players, hands=10, chips=1000, small_blind=5, big_blind=10)

• hands: 要进行的手牌数量
• chips: 初始每位玩家筹码数量
• small_blind: 小盲注金额
• big_blind: 大盲注金额

• main.py: 主程序入口，用于配置和启动游戏
• game_controller.py: 游戏控制器，管理多个AI玩家之间的对战
• poker_engine.py: 德州扑克游戏引擎，实现游戏规则和逻辑
• ai_player.py: AI玩家接口和实现，包含基于大语言模型的玩家实现
• engine_info.py: 游戏基础数据结构，如牌、花色、行动类型等
• game_info.py: 游戏状态信息结构，用于AI决策和游戏记录
• prompt/: 提示词目录
  • decision_prompt.txt: 用于AI决策的提示词模板
  • reflect_prompt.txt: 用于AI反思的提示词模板
  • reflect_all_prompt.txt: 用于AI对所有玩家进行反思的提示词模板
• replay_game.py: 游戏回放工具
• prompts.py: 提示词管理
• requirements.txt: 项目依赖

1. 初始化游戏，设置盲注和初始筹码
2. 为每个玩家发放底牌
3. 进行翻牌前下注
4. 发放翻牌并进行下注
5. 发放转牌并进行下注
6. 发放河牌并进行下注
7. 进行摊牌并确定赢家
8. 分配筹码并记录游戏结果
9. AI玩家对本局游戏进行反思
10. 开始新一轮游戏

1. 边池计算问题: 当前版本在计算赢家筹码时未按照边池进行计算。在poker_engine.py中已有award_pot_new方法实现了边池计算，但当前使用的是简化版的award_pot方法，未考虑边池情况。

2. 内容输出不完善: 游戏过程中的信息输出不够完整，部分关键信息可能未显示。

• 支持游戏日志记录和回放
• AI玩家可以对其他玩家进行分析和反思
• 可以自定义不同的大语言模型作为AI玩家
• 支持调整游戏参数，如盲注大小、初始筹码等

显示大模型调用结果，显示推理过程

显示大模型对其他玩家进行行为分析的过程