案例详情 - 癞子斗地主 AI 决策系统：复杂动作空间下的策略模型扩展

案例概览

本案例重点展示 Model2System Studio 在复杂模型问题上的能力：不仅能复现和理解已有研究，也能在客户真实玩法和规则变化下重新设计动作空间、状态编码、合法动作生成、策略评估和推理流程。

项目背景

斗地主是一个很有挑战性的 AI 问题。它同时包含三人博弈、合作与竞争、非完全信息、巨大状态空间，以及每一步都会变化的复杂合法动作集合。

DouZero 论文 提出了一个基于自博弈深度强化学习的斗地主 AI 系统，用深度神经网络增强蒙特卡洛方法，并通过动作编码处理标准斗地主中的巨大动作空间。

但癞子斗地主比标准斗地主更复杂。癞子牌可以替代不同牌面，导致可组成牌型、候选出牌、动作等价关系和状态表示都会显著膨胀。直接套用标准斗地主动作空间和牌型枚举方式，往往会遇到合法动作爆炸、重复动作、无效牌型、策略评估不稳定等问题。

业务目标

项目目标不是简单为客户接入一个开源斗地主 AI，而是在标准 DouZero 思路基础上，构建能够理解癞子规则、生成癞子合法动作、评估癞子牌型价值，并在实际对局中具备强策略能力的 AI 决策系统。

为什么癞子模式更难

标准斗地主中，动作空间已经非常庞大，而且每一步合法动作会根据手牌、上家出牌、角色身份和历史信息发生变化。癞子模式进一步引入“可替代牌”的机制，使得同一组手牌可能对应多种牌型解释。

这带来几个直接困难：

• 合法动作集合大幅增加，简单枚举容易产生组合爆炸。
• 不同癞子替代方式可能对应相同牌型，需要去重和规范化。
• 状态编码需要表达“真实牌面”和“癞子替代语义”。
• 策略模型需要理解癞子牌的保留价值、拆牌风险和组合潜力。
• 训练与评估需要避免模型被无效动作、重复动作和规则边界干扰。

换句话说，癞子斗地主不是在标准模型上“多加几张通配牌”那么简单，而是对动作空间、状态表达和策略评估体系的整体挑战。

解决方案

我们在阅读 DouZero 论文和开源实现后，为客户对标准斗地主 AI 方案进行了面向癞子模式的系统性扩展。核心思路是：保留 DouZero 在大动作空间和自博弈训练上的优势，同时重构与癞子规则强相关的动作生成、状态编码和策略评估模块。

系统围绕以下链路展开：

1. 解析癞子斗地主规则，定义癞子牌参与各种牌型的合法边界。
2. 重构牌型生成器，支持单牌、对子、三带、顺子、连对、飞机、炸弹等牌型下的癞子替代。
3. 对候选动作进行规范化和去重，避免同一动作因不同癞子解释重复进入动作集合。
4. 扩展状态编码，使模型能够区分真实牌、癞子牌、已使用信息、角色信息和历史出牌上下文。
5. 调整动作编码和评估逻辑，让策略模型可以比较不同癞子替代方案的长期价值。
6. 通过自博弈、离线评估和实际对局测试不断修正策略弱点。

技术亮点

在已有论文基础上做困难规则扩展

DouZero 已经证明了深度网络增强蒙特卡洛方法在标准斗地主上的有效性。但癞子模式并不是论文原生覆盖的规则形态。我们需要理解论文中的状态表达、动作编码、采样训练和策略评估逻辑，再判断哪些部分可以复用、哪些部分必须重构。

这体现的是“科研理解 + 工程改造”的能力：不是停留在调用开源模型，而是能够把论文方法迁移到更复杂的新规则空间。

癞子动作空间重构

癞子牌会让同一手牌产生大量候选动作。系统需要在完整覆盖合法牌型的同时，控制动作数量、去除重复解释，并保持动作表达对模型友好。

我们围绕牌型枚举、癞子替代、动作规范化和非法动作过滤重构了动作生成逻辑，使 AI 能在复杂规则下稳定获得可用动作集合。

状态编码兼容真实牌面与替代语义

癞子牌既有真实牌面，又有替代后的策略语义。模型如果只看最终牌型，容易丢失癞子牌的机会成本；如果只看真实牌面，又无法理解当前出牌的牌型含义。

因此，系统在状态编码中同时保留手牌结构、癞子信息、历史出牌、角色身份和候选动作特征，使模型能够评估“现在使用癞子”和“保留癞子到后续回合”的策略差异。

策略评估不只看当前能不能出

癞子斗地主的关键不只是找到一个合法动作，而是判断这个动作是否会破坏后续牌型、是否浪费癞子价值、是否给队友创造机会，或者是否给地主留下压制空间。

系统通过自博弈和对局评估，将动作选择从“规则可行”提升到“长期收益更优”，使模型在复杂局面下能形成更接近高手的出牌策略。

面向实际版本的模型迭代

项目不是一次性跑通训练脚本，而是围绕实际对局表现持续评估：观察模型在叫分、拆牌、保留癞子、压制对手、配合队友和残局处理中的弱点，再反向调整规则生成、状态表示和训练评估流程。

这种迭代方式让系统更接近真实产品里的 AI，而不是只在静态 benchmark 上验证。

项目难点

动作空间急剧膨胀

标准斗地主已经有非常大的动作空间。癞子模式会让牌型组合数量进一步上升，如果不做动作规范化、剪枝和去重，模型会被大量重复或低价值候选动作干扰。

不完全信息下的策略判断

斗地主玩家无法看到其他玩家手牌，需要根据历史出牌、角色关系和剩余牌型进行推断。癞子牌增加了隐藏信息的不确定性，使得模型更需要学习保守、试探、压制和配合等策略。

合作与竞争同时存在

农民之间需要合作对抗地主，但又不能直接通信。AI 需要判断什么时候让牌、什么时候压制、什么时候保留关键牌型。这类策略不是单纯规则系统容易覆盖的。

论文方法到变体规则之间存在落差

开源实现通常服务于标准规则。真正扩展到癞子模式时，规则、数据结构、动作编码、模型输入输出和评估工具都会受到影响。项目难点在于既理解原方法，又能在保持模型能力的前提下重构关键模块。

交付成果

最终交付给客户的系统能够在癞子斗地主规则下完成稳定出牌决策，实际版本达到接近人类高手的对局水平。这个案例体现了 Model2System Studio 在复杂模型问题上的能力：理解前沿研究，拆解规则变化，重构模型输入输出，并把算法方案推进到可用系统。

可扩展方向

同类方法可以继续扩展到更多复杂策略场景，例如棋牌类 AI、规则变体游戏、对抗式决策系统、智能调度、资源分配和多智能体协作问题。

这些场景的共同点是：状态空间大、动作空间复杂、策略收益延迟、规则约束强，单纯调用通用模型很难解决，需要结合问题结构设计模型方案和评估体系。