用大语言模型玩德州扑克，这个开源项目太酷辣！
今天要给大家介绍一个超有趣的开源项目——Poker LLM，这是一个由大语言模型驱动的AI版德州扑克对战框架。
项目简介
Poker LLM 是一个德州扑克 AI 对战框架，借助大语言模型作为 AI 玩家，模拟了完整的德州扑克游戏流程。游戏涵盖发牌、下注、翻牌、转牌、河牌和摊牌等环节，支持多个 大模型 玩家同时参与，一起来观察大模型与大模型之间的斗智斗勇。
核心亮点
大语言模型驱动决策
每个 AI 玩家都由大语言模型驱动，能够根据当前游戏状态做出决策。在游戏过程中，AI 玩家会结合自身手牌、公共牌、底池金额、其他玩家的行动历史等信息，运用大语言模型进行推理和判断，从而决定是跟注、加注、弃牌还是全押。这不仅增加了游戏的趣味性，还让我们看到了大语言模型在复杂决策场景中的应用潜力。
支持反思学习
游戏结束后，AI 玩家还能进行反思学习。通过对本局游戏的复盘，分析自己的决策是否合理，总结经验教训，以便在后续的游戏中做出更优化的决策。这种学习机制使得 AI 玩家能够不断进化，提升自己的游戏水平。
自定义与扩展性强
该项目支持自定义不同的大语言模型作为 AI 玩家，你可以根据自己的需求选择合适的模型，如 GPT - 3、文心一言等。同时，还可以调整游戏参数，如盲注大小、初始筹码等，满足不同的游戏需求。此外，项目还支持游戏日志记录和回放，方便你回顾游戏过程，分析 AI 玩家的表现。
项目结构
主要文件及功能
main.py：主程序入口，用于配置和启动游戏。你可以在这里设置玩家信息、游戏参数等。game_controller.py：游戏控制器，负责管理多个 AI 玩家之间的对战，协调游戏流程。poker_engine.py：德州扑克游戏引擎，实现了游戏的规则和逻辑，包括发牌、下注、摊牌等操作。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。在这里，你可以看到 AI 玩家如何根据游戏状态进行决策。engine_info.py：游戏基础数据结构，定义了牌、花色、行动类型等基本信息。 -game_info.py：游戏状态信息结构，用于 AI 决策和游戏记录，方便 AI 玩家获取和处理游戏信息。
提示词目录
prompt/目录下包含了用于 AI 决策和反思的提示词模板：decision_prompt.txt：用于 AI 决策的提示词模板，为 AI 玩家提供决策依据。reflect_prompt.txt：用于 AI 反思的提示词模板，帮助 AI 玩家总结游戏经验。reflect_all_prompt.txt：用于 AI 对所有玩家进行反思的提示词模板，促进 AI 玩家对其他玩家的行为分析。
运行步骤
环境要求
- Python 3.10+
- 安装依赖：
pip install -r requirements.txt
配置 API 密钥
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：
players.append(LLMPlayer(name="玩家名称", model_name="模型名称", api_key='YOUR_API_KEY', base_url="YOUR_BASE_URL"))
开始游戏
直接运行 main.py 文件即可开始游戏：
python main.py
你还可以通过修改 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
游戏回放
可以使用以下命令可以回访游戏：
python replay_game.py
已知问题与展望
目前项目存在一些已知问题，例如内容输出不够完善，游戏过程中的部分关键信息可能未显示。不过，项目的开发者一直在努力改进和优化，相信在未来这些问题会得到解决。 这个项目为我们展示了大语言模型在游戏领域的创新应用，无论是对于 AI 爱好者还是德州扑克玩家来说，都具有很高的探索价值。如果你对这个项目感兴趣，不妨动手试一试，体验一下大语言模型带来的独特游戏乐趣！
项目链接：poker_LLM
希望大家在探索这个项目的过程中有所收获，也期待更多开发者加入到项目的开发和优化中来！
如果觉得这个项目有趣，欢迎给个 star ⭐️ 支持一下～
运行截图
