不训练、不求解器，LLM 怎么打出了专家级德州扑克？

你坐在一张无限注 heads-up 桌前，对面是 GTOWizard——一个接近纳什均衡的扑克 AI。你手里拿着 4♥7♠，翻牌面是 5♥4♣3♥4♠3♠。你拿着三条四，这是绝对的强牌。

但 Claude Opus 4.6 看着同样的牌面，说出了这样的话：

> "我拿着 QKo 在 5d4c3h4s 的牌面上——完全没有成牌。"

它连自己的手牌都读错了。这就是 2026 年之前，LLM 打扑克的真实水平：能写论文解释什么是最小防守频率，能在聊天里头头是道地分析极化范围，但坐上牌桌，连自己手里有几张四都搞不清楚。

然后 PokerSkill 出现了。同一个 Claude Opus 4.6，损失率从 -204 降到 -80 mbb/hand，降幅 61%。GPT-5.5 更是从 -132 降到 -57，直接超过了 2018 年 ACPC 冠军 bot Slumbot。

不需要训练，不需要求解器，不需要游戏树遍历。只需要一套精心设计的"脚手架"。

决策绑定问题：知道 ≠ 做到

PokerSkill 的作者来自清华和港中深，他们首先给这个现象起了个名字：决策绑定问题（Decision-Binding Problem）。

想象你是一个医学教授，能背诵整本《内科学》，但当急诊室推来一个同时发烧、皮疹、关节痛的病人，你需要在 30 秒内判断是登革热还是系统性红斑狼疮——这时候"知道"和"做到"之间有一道鸿沟。你需要的不只是知识，还需要一个机制帮你在正确的时刻激活正确的知识。

LLM 打扑克面临同样的困境。它知道底池赔率，知道阻挡牌，知道极化下注范围，但当一手牌同时涉及手牌强度、牌面纹理、下注历史、位置、筹码深度、合法加注尺度六个维度时，模型需要在几十个可能适用的原则中选出此刻该用的那一个。它经常选错——甚至像前面那个例子，连牌面都没读对。

三级流水线：像职业选手一样思考

PokerSkill 的核心洞察来自一个简单的观察：职业扑克选手不是每手牌都从头推导博弈论的。

他们的思维过程是： 1. 读局面——牌面纹理、位置、对手行动线 2. 调记忆——回忆这个局面该用什么策略 3. 做选择——在几个合理选项中挑一个

PokerSkill 把这个认知流程外化成了三个阶段：

第一级：上下文引擎（Context Engine）

一套确定性规则分析当前状态：牌面分类（干燥/湿润/成花/成顺）、手牌分类（23 个等级，从坚果到垃圾）、行动线识别（约 60 种场景）、位置、筹码底池比、累计下注压力。所有这些分析都是确定性的——不经过 LLM，不会幻觉。

第二级：技能检索（Skill Retrieval）

上下文标签从五层技能库中选取相关片段：

• P1（始终激活）：游戏规则、合法动作、输出格式
• P2（翻前范围表）：12 个翻前场景的精确频率表
• P3（通用原则）：价值/诈唬分离、位置策略、底池控制
• P4（情境策略）：按牌面纹理 × 手牌等级 × 行动线索引
• P5（河牌阻挡牌）：阻挡牌感知的诈唬和抓诈指导

关键在于选择性检索：不是把整本扑克教材塞进 prompt，而是只喂当前局面需要的那几页。这避免了两个失败模式——模糊的一般性建议，和太多无关信息让模型在错误的原则间仲裁。

第三级：有界决策（Bounded Decision）

这是最精妙的部分。LLM 不是在无限的动作空间里自由发挥，而是在一组经过预算系统筛选的合理动作中做选择。

攻防预算：手牌的战略容量

PokerSkill 引入了一个直觉上极其自然的概念：每手牌有有限的战略容量。

一对顶对可以价值下注两条街，防守三条街。一对中对只能防守一到两条街，之后就该弃牌了。职业选手对"这手牌能承受多少压力"有清晰的直觉，这是多年打牌和求解器研究积累的经验性知识。

PokerSkill 把这种直觉编码成了攻防预算系统（ATT/DEF Budget）：

• 每手牌根据等级和上下文获得一个攻击预算 B_att 和防守预算 B_def
• 每次下注消耗预算，消耗量与下注大小成正比
• 预算耗尽 = 这手牌在该方向上不再有合理动作

这个系统编码了三个 GTO 洞察，但不需要任何均衡计算： 1. 几何下注将压力分配到多条街 2. 最小防守频率决定继续与否 3. 低 SPR 简化为全押或弃牌

预算系统对 LLM 有双重作用：第一，它把复杂的多因素评估压缩成一个标量；第二，它强制多街一致性——翻牌下注消耗了预算，转牌自然就没那么激进了。没有这个机制，LLM 倾向于做出局部合理但全局不连贯的决策。

数据说话

对 GTOWizard（接近纳什均衡的 GTO 基准）的 AIVAT 结果：

Agent	方法	损失率 (mbb/hand)
GPT-5.5 XHigh	PokerSkill	-57 ± 21
Claude Opus 4.6	PokerSkill	-80 ± 29
Claude Opus 4.7	PokerSkill	-87 ± 64
纯规则引擎（无 LLM）	PokerSkill 仅规则	-132 ± 19
GPT-5.5 XHigh	默认 prompt	-132 ± 25
Slumbot (ACPC 2018)	求解器	-194 ± 41
Claude Opus 4.6	默认 prompt	-204 ± 44

几个关键发现：

1 + 1 > 2。 纯规则引擎 -132，纯 LLM -132 到 -204，两者结合 -57 到 -87。规则引擎和 LLM 单独都不够强，但组合起来远超各自上限。

模型越强越不等于打牌越好。 在默认 prompt 下，GPT-5.4（-178）反而比 GPT-5.3（-160）更差。更强的推理能力意味着考虑更多因素，但没有机制来排优先级，反而更混乱。PokerSkill 的脚手架消除了这个"缩放悖论"。

验证失败率 < 0.1%。 LLM 在有界动作空间中选择时，几乎不会产生非法动作。对比默认 prompt 下频繁出现的幻觉和非法操作，这是质变。

仍然存在的裂缝

PokerSkill 不是银弹。论文诚实地指出了三个持续存在的错误模式：

尺度误判。 预算正确地允许下注，但 LLM 选了次优尺度——中等强度手牌用了满池下注（半池更优），极化范围用了小注（大注更优）。二元的下注/过牌决策比连续的尺度选择更容易激活。

类别边界模糊。 手牌分类是离散的，但手牌强度是连续的。一个弱踢脚的顶对可能被分到"顶对"类，但它的战略轮廓更接近"二对"。离散分类无法完全捕捉连续现实。

多街不连贯。 每条街的预算局部合理，但三条街的序列缺乏全局规划。翻牌下注消耗 0.6 预算，转牌消耗 0.8，河牌面对加注时预算已不足。预算系统缺乏前瞻搜索——它无法预见转牌下注会创造一个不舒服的河牌局面。

为什么这不止是扑克

PokerSkill 的真正意义不在于扑克本身，而在于它揭示了一个通用模式：

决策绑定问题无处不在。 医学诊断需要把症状绑定到正确的鉴别诊断；法律推理需要把案件事实绑定到相关法条；商业谈判需要把当前报价绑定到合适的让步策略。每个领域的挑战都不是"缺少知识"，而是"在竞争性启发式之间做出情境化选择"。

PokerSkill 展示了一种架构模式： 1. 确定性上下文引擎——分类当前局面 2. 按情境索引的精选知识库——只检索相关知识 3. 有界决策接口——约束动作空间而非开放生成

这个模式可以迁移到任何"专家知识可用但 LLM 难以可靠激活"的序列决策领域。不需要微调，不需要强化学习，只需要把专家的认知管道外化成确定性脚手架。

工程启示

• 代码开源：https://github.com/lbn187/PokerSkill
• 整个技能库（包括所有 prompt 片段、预算表、上下文标签、动作约束）由人类扑克专家设计，覆盖约 60 种行动线场景、23 个手牌等级、46 个下注压力阈值
• 同一套技能库在三个不同 LLM 上通用，无需修改
• 系统除 LLM 调用外完全确定性，可复现

PokerSkill 的故事告诉我们：有时候 AI 的瓶颈不是能力不够，而是接口不对。当你给一个聪明的模型一个糟糕的决策界面，它表现得像个傻瓜；当你给它一个精心设计的界面，同一个模型就能打出专家水平。

规则不构成强策略，LLM 也不能独自打好牌。但规则 + LLM = 不训练不求解器的专家级扑克。

这大概就是人机协作最优雅的形式：人类提供结构，模型提供判断。

---

论文：PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers 作者：Boning Li (清华), Baoxiang Wang (港中深), Longbo Huang (清华) arXiv：https://arxiv.org/abs/2605.30094 代码：https://github.com/lbn187/PokerSkill