企业官网建设流程全解析

1. 从"能出牌"到"会出牌"：斗地主AI的决策分水岭

很多人第一次做斗地主AI，都会掉进同一个坑：把规则写完了，牌也能出出去了，但打起来像个刚学会规则的新手——手里攥着炸弹舍不得用，该拆牌的时候死抱着顺子不放，队友只剩一张牌了还在那慢悠悠地出单张。这个差距，就是"能出牌"和"会出牌"之间的鸿沟。

我前后写过三版斗地主AI，第一版纯规则引擎，第二版加了蒙特卡洛搜索，第三版做了轻量化的策略网络。每一版都踩了不同的坑，也让我逐渐摸清楚了一件事：斗地主AI的核心难点不在于规则实现，而在于不完全信息下的决策建模。你永远看不到对手的手牌，只能通过出牌历史去推断，这跟围棋、象棋那种完全信息博弈完全是两个物种。

这篇文章面向的是有一定编程基础、想动手做一个能打的斗地主AI的开发者。我会从牌型拆解、手牌评估、搜索算法、策略优化几个层面，把我在实际项目中积累的经验和踩过的坑都摊开来讲。不会只给你一个"用蒙特卡洛搜索就行了"的空壳结论，而是把每一步为什么这么做、参数怎么调、哪里容易翻车都说清楚。

先说一个反直觉的结论：斗地主AI里最难的环节不是搜索，而是手牌拆分。你把一手牌拆成最优的出牌组合，这件事本身就近似于一个NP难问题。很多人搜索算法写得花里胡哨，结果手牌拆得稀烂，搜索空间全是垃圾分支，效果自然好不了。

下面我会按照实际开发中遇到的决策链路，从底层到上层逐步展开。

2. 手牌拆解：一切决策的地基

2.1 为什么手牌拆解比搜索更关键

斗地主里你拿到17张牌，可能的出牌组合数量是天文数字。但真正合理的出牌路径其实不多。手牌拆解要解决的问题是：给定一手牌和一个出牌权，找出"把牌出完所需的最少手数"以及对应的出牌方案。

为什么这个重要？因为你的搜索算法需要评估每个候选出牌的好坏，而评估的核心指标之一就是"出完这手牌还需要几轮"。如果你连手牌都拆不明白，搜索就是在瞎猜。

我第一版AI就是吃了这个亏。当时搜索深度设了6层，每层展开所有合法出牌，结果AI打起来毫无章法。后来我才意识到，问题出在候选出牌的质量上——一手17张牌，合法出牌可能有几十种，但其中大部分是"垃圾走法"，比如拆散对子去出单张、把顺子拆成散牌。这些走法不应该进入搜索空间。

2.2 贪心拆解与回溯修正

最直接的手牌拆解方法是贪心：优先提取火箭、炸弹、长顺子、连对、飞机这些"大牌型"，剩下的按对子、单张处理。但贪心有个致命问题——局部最优不等于全局最优。

举个例子：手牌是 3-4-5-6-7-8-9，外加一对10。贪心会先把3到9的顺子抽出来，剩下对10。这看起来没问题。但如果手牌是 3-4-5-6-7-8-9-J-Q-K，贪心抽3-9顺子后剩下J-Q-K，也是顺子，总共两手出完。但如果抽4-8顺子，剩下3和9-J-Q-K，反而变成三手。所以贪心的顺序很关键。

我的做法是：先做贪心拆解得到一个上界，然后用回溯搜索尝试不同的拆解顺序，看能否减少总手数。具体来说，每次从当前手牌中选一个牌型抽出，递归处理剩余牌，记录最少手数。为了控制搜索规模，加两个剪枝：

• 如果当前手数已经超过已知最优解，直接剪掉
• 优先尝试"大牌型"（长度更长的顺子、连对、飞机），因为它们消耗的牌多，通常更优

def min_hands(cards, memo=None): if not cards: return 0 key = tuple(sorted(cards)) if memo is None: memo = {} if key in memo: return memo[key] best = float('inf') for combo in generate_combos(cards): remaining = remove_cards(cards, combo) best = min(best, 1 + min_hands(remaining, memo)) memo[key] = best return best

这个递归在17张牌的情况下，配合记忆化，实测能在毫秒级跑完。关键是要对generate_combos做限制——只生成"合理"的牌型，比如顺子长度不超过12、飞机不超过3组等。

2.3 拆牌中的经验规则

纯数学最优拆解有时候不符合实战需要。比如你手里有 3-4-5-6-7 和一对2，数学上可能拆成顺子加对2是两手，但实战中对手可能在你出顺子的时候直接炸掉，你的对2反而成了累赘。所以拆牌要结合局势：

• 手牌少时优先保大牌：残局阶段，一张2的价值远高于一个顺子
• 有队友时考虑配合：如果队友手牌少，拆牌要倾向于能"送牌"的组合
• 地主手牌多时优先消耗：地主17张牌，农民要尽量出得快，拆牌可以激进一些

这些规则没法用纯搜索表达，需要在拆解结果上做一层后处理。我的做法是给每种拆解方案打一个"局势分"，综合手数、大牌保留数量、单张数量等指标，选综合最优的。

3. 蒙特卡洛搜索在斗地主里的正确打开方式

3.1 为什么直接用MCTS会翻车

蒙特卡洛树搜索（MCTS）在围棋上大放异彩，但直接搬到斗地主上效果很差。原因有三个：

第一，斗地主的状态空间太大。围棋每一步有几百个选择，斗地主虽然每步选择少一些，但隐藏信息（对手手牌）让状态空间爆炸。你没法像围棋那样做均匀采样。

第二，随机模拟的质量太低。围棋里随机走子还能看出个大概趋势，斗地主里随机出牌完全是灾难——你随机拆牌、随机出炸弹，模拟结果毫无参考价值。

第三，斗地主是三人博弈，不是零和二人博弈。农民之间有合作关系，MCTS的UCT公式需要调整。

我第二版AI就是直接套了标准MCTS，结果AI打起来像个疯子，该配合的时候不配合，该炸的时候不炸。后来我做了三个关键改动才让它正常起来。

3.2 确定性化：把不完全信息变成完全信息

这是斗地主AI最核心的技巧。既然看不到对手的牌，那就根据已知信息推断对手可能的牌，然后采样出一组具体的对手手牌，在这个"确定化"的局面下做搜索。

具体做法：

1. 记录所有已出的牌，得到剩余未知牌集合
2. 根据对手的出牌历史，推断他们可能的手牌结构（比如对手一直出单张，说明他单张多；对手pass了很多轮，说明他手里可能有大牌但缺小牌）
3. 从剩余未知牌中随机分配，生成一组符合推断的对手手牌
4. 在这个确定化局面上做搜索
5. 重复多次，取平均结果

这里的关键是第2步的推断质量。我的做法是维护一个"手牌概率模型"：每张未知牌属于某个对手的概率，根据出牌历史动态更新。比如对手出了3-4-5-6-7顺子，那么他手里有8和9的概率就降低了（因为如果有8或9，可能会出更长的顺子）。

def determinize(unknown_cards, opponent_history, num_samples=50): samples = [] for _ in range(num_samples): # 根据历史推断每张牌属于各对手的概率 probs = infer_card_distribution(unknown_cards, opponent_history) # 按概率采样分配 sample = sample_assignment(unknown_cards, probs) samples.append(sample) return samples

实测下来，50次采样配合合理的推断模型，效果已经相当不错。采样次数再多，边际收益递减明显。

3.3 模拟策略：用规则引擎代替随机走子

标准MCTS用随机模拟，但斗地主里必须用启发式模拟。我的做法是：在模拟阶段，用一套轻量级规则引擎来出牌，而不是随机出。

这套规则引擎不需要很强，但要做到几点：

• 能出牌时优先出小牌，保留大牌
• 队友出牌时，如果队友可能赢，不压队友
• 对手快出完时，优先出大牌压制
• 炸弹留到关键时候用

这套规则引擎本身就能打赢随机AI，用它做模拟，MCTS的评估质量会高很多。我实测过，用规则引擎模拟比随机模拟的胜率高出30%以上。

3.4 三人博弈的搜索调整

斗地主是三人博弈，MCTS的UCT公式需要调整。标准UCT是：

UCT = Q/N + c * sqrt(ln(N_parent) / N)

在三人博弈里，Q值不能简单用胜负表示，因为农民赢和地主赢的意义不同。我的做法是：

• 如果AI是地主，Q值 = 1（赢）或 0（输）
• 如果AI是农民，Q值 = 1（农民赢）或 0（农民输），但队友的表现也影响Q值——如果队友快出完了，即使AI这轮没出好，Q值也应该高一些

具体实现时，我给Q值加了一个"队友进度"的修正项：

def evaluate_state(state, ai_role): if ai_role == 'landlord': return 1.0 if state.winner == 'landlord' else 0.0 else: if state.winner == 'farmer': # 队友手牌越少，贡献越大 teammate_cards = state.farmer_cards[state.teammate_id] return 1.0 + (17 - len(teammate_cards)) * 0.02 else: return 0.0

这个修正项让AI在队友快赢的时候更倾向于配合，而不是自己抢着出牌。

4. 策略网络：让AI学会"直觉"

4.1 为什么需要策略网络

MCTS的问题是慢。每次决策要跑几十次模拟，每次模拟要跑完整局，在实时对战中延迟很高。策略网络的作用是快速给出候选出牌的优先级，让MCTS只需要在少数几个高质量候选上做深度搜索。

我第三版AI加了一个轻量级策略网络，输入是当前手牌和出牌历史，输出是每种合法出牌的胜率估计。网络结构很简单：几层全连接加注意力机制，参数量控制在10万以内，推理时间在毫秒级。

4.2 特征工程：把牌局变成向量

策略网络的输入特征设计很关键。我用的是以下几类特征：

• 手牌特征：每种牌的数量（0-4），共15维（3到2加大小王）
• 已出牌特征：每种牌已经出了多少张，15维
• 出牌历史特征：最近10轮出牌的类型和大小，编码成向量
• 角色特征：AI是地主还是农民，队友手牌数量
• 轮次特征：当前是第几轮，剩余牌数

这些特征拼起来大概100维左右，不算大，但足够表达当前局势。

4.3 训练数据的生成

策略网络的训练数据来自MCTS的自对弈。具体流程：

1. 用当前策略网络加MCTS跑自对弈，生成大量牌局
2. 记录每个决策点的状态和最终胜负
3. 用胜负作为标签，训练策略网络预测胜率
4. 用新网络替换旧网络，重复

这个过程就是AlphaZero的简化版。我实测下来，跑几万局自对弈后，策略网络的预测准确率能到70%左右，配合MCTS搜索，整体胜率比纯MCTS高出15%以上。

训练时有个坑要注意：数据要平衡。地主赢和农民赢的局数要差不多，否则网络会偏向预测多数类。我的做法是每次训练时对少数类做重采样。

4.4 网络推理的工程优化

策略网络虽然小，但在实时对战里，推理速度还是很关键。我做了几个优化：

• 批量推理：把MCTS里多个叶子节点的评估请求攒成一批，一次性推理
• 量化：把float32量化成int8，速度提升2倍多，精度损失很小
• 缓存：相同状态的推理结果缓存起来，避免重复计算

这些优化做完，单次决策的延迟从50ms降到了10ms以内，完全满足实时对战需求。

5. 实战中的坑与调优经验

5.1 炸弹的使用时机

这是我在实战中调了很久的一个点。早期AI要么舍不得用炸弹，要么一有炸弹就乱炸。后来我总结了一个原则：炸弹的价值取决于局势，不取决于炸弹本身。

具体来说：

• 如果对手快出完了（手牌少于5张），炸弹该用就用
• 如果自己是地主且手牌还多，炸弹要留着压制农民的配合
• 如果队友快赢了，炸弹留着防止对手翻盘
• 如果对手刚出了一个大牌型（比如飞机），炸弹可以考虑跟

我在代码里给炸弹加了一个"紧急度"评分，综合对手手牌数、队友手牌数、当前轮次等因素，紧急度高就炸，低就留。

5.2 队友配合的微妙之处

农民之间的配合是斗地主AI最难的环节。我踩过的坑包括：

• AI队友出了单张3，AI手里有4但不出，结果对手直接出2拿回出牌权
• AI队友只剩一张牌了，AI还在那出对子，不给队友送牌
• AI队友明显在憋大招，AI却把队友需要的牌型拆了

解决这些问题的关键是建立队友意图模型。我的做法是：根据队友的出牌历史，推断他想要什么牌型。比如队友连续出单张，说明他单张多，AI就应该尽量出单张给他送牌；队友pass了很多轮，说明他手里可能有大牌，AI就应该出小牌让他接。

这个模型不需要很精确，但要有。我加了这个模型后，农民配合的胜率提升了20%左右。

5.3 残局处理的特殊性

残局（手牌少于5张）和开局中局的策略完全不同。残局里，每一张牌的价值都被放大，搜索深度可以更深，但候选出牌要更精确。

我的做法是：残局阶段切换到专门的残局求解器，用完全搜索（因为状态空间小）找出必胜或最优走法。这个求解器不需要MCTS，直接递归搜索就行，速度快且准确。

残局求解器的一个关键优化是对称性剪枝。比如手里有对3和对4，出对3和出对4在大多数情况下是等价的，只需要搜索一个。

5.4 性能与效果的平衡

最后说一个工程上的经验：不要追求极致效果而忽略性能。我见过有人用深度神经网络加超大MCTS，效果确实好，但每步决策要几秒钟，根本没法实战。

我的建议是：

• 策略网络控制在10万参数以内
• MCTS模拟次数控制在100次以内
• 单次决策延迟控制在50ms以内
• 用缓存和批量推理优化性能

在这个约束下，AI的胜率已经能超过大部分普通玩家。再往上提升，边际收益递减明显，不如把工程做好。

# 一个简单的决策流程示例 def decide_move(state, ai_role): # 1. 残局用完全搜索 if len(state.my_cards) <= 5: return solve_endgame(state) # 2. 生成候选出牌 candidates = generate_combos(state.my_cards) # 3. 策略网络快速筛选 if policy_net: scores = policy_net.predict(state, candidates) candidates = top_k(candidates, scores, k=10) # 4. MCTS深度搜索 best_move = mcts_search(state, candidates, num_simulations=100) return best_move

这套流程跑下来，AI在普通牌局里的表现已经相当稳定。当然，遇到高手还是会被虐，但至少不会犯低级错误了。后续如果想继续提升，可以考虑加入对手建模（预测对手手牌分布）和更精细的残局库。不过那是另一个话题了，先把基础打牢再说。