台湾大老二AI：结合启发式算法与大语言模型的智能纸牌游戏系统

台湾大老二AI（taiwan-big-two-ai）是结合传统启发式算法与大语言模型（LLM）多角色研究引擎的智能纸牌游戏系统，创新性实现自主战略游戏分析与决策，为游戏AI提供新范式。

大老二（Big Two）又称"排老二"或"锄大D"，起源于中国，流行于东亚和东南亚。使用52张牌（无大小王），3-4人参与，核心机制为出牌压制（牌型含单张、对子、顺子等，同花顺最大），首个出完牌者获胜。其策略深度在于手牌管理、对手牌型判断、强牌保留与进攻时机选择，是研究游戏AI的理想场景。

项目采用双引擎架构：

启发式AI引擎

负责确定性决策与基础策略，包括牌型识别与合法性检查、基础出牌策略、手牌评估、对手建模，优势为响应快、可解释、稳定，但难处理长期策略与心理博弈。

LLM多角色研究引擎

含激进型（早期冒险）、保守型（风险控制）、平衡型（攻防均衡）、分析型（对手模式识别）四种角色，通过系统提示定义思维方式，是项目创新核心。

关键决策时，引擎咨询多角色意见（附理由），元决策层综合游戏状态、对手历史、剩余牌局等因素做出最终决策。好处：

1. 策略多样性，避免单一偏见
2. 决策可解释，便于分析调试
3. 动态调整角色权重，提升学习能力

游戏状态表示

结构化描述当前牌桌状态、玩家剩余牌数、历史出牌记录、手牌详情，平衡信息量与LLM上下文限制。

提示工程策略

1. 系统提示定义角色
2. few-shot示例引导规则与策略
3. 思维链要求推理过程

与MCTS对比

优势：无需训练、可解释、灵活、成本低；局限：决策质量受LLM训练知识限制。

• 游戏开发者：提供NPC设计新思路，兼顾可玩性与策略变化
• AI研究者：非完全信息决策测试平台，模拟真实世界场景
• 普通玩家：与不同风格AI对弈，提升游戏技巧

1. 在线学习：从人类对抗中持续改进策略
2. 多语言支持：适配其他地区纸牌游戏变体
3. 可视化界面：展示AI决策过程
4. 锦标赛模式：AI对抗赛评估性能

taiwan-big-two-ai代表游戏AI新方向——融合启发式规则与LLM推理，构建有"个性"与"思维过程"的智能对手，该混合架构可适用于更广泛策略游戏与决策场景。