🎯 AI 策略决策 GTO 训练系统 | AI Strategic Decision GTO Training System

Language / 语言: English | 中文

🌐 Live Demo: https://ai-dz-poker-rkc2.vercel.app

English

A professional Strategic Decision Game Theory Optimal (GTO) training platform that provides real-time strategy analysis, scenario-based training, and advanced data visualization.

🎯 Core Features

1. GTO Strategy Heatmap

Hand Range Visualization: 13x13 grid displaying GTO strategies for all starting hands
Dynamic Filtering: Filter by pocket pairs, suited, and offsuit hands
Detailed Analysis: Hover to view specific action frequencies (Raise/Call/Fold) for each hand
Data Export: Support for CSV format strategy data export

2. Real-time Training Mode

Interactive Training Table: Complete strategic decision game interface
Instant Feedback: Get GTO analysis and scoring after each decision
Positional Strategy: Professional strategy recommendations for different positions (UTG, CO, BTN, SB, BB)
Progress Tracking: Real-time statistics for average score and hand count

3. Scenario-based Training

Multiple Training Scenarios: 6 carefully designed training scenarios
Difficulty Levels: Beginner, Intermediate, and Advanced levels
Smart Recommendations: Suggest appropriate training scenarios based on player performance
Learning Objectives: Each scenario has clear learning focus points

🏗️ Technical Architecture

Frontend Technology Stack

React 18 + TypeScript: Modern component development
Next.js 14: Full-stack framework with SSR support
Tailwind CSS: Rapid responsive styling development
Component Design: Reusable UI component system

Core Modules

1. Game Engine (`src/lib/strategy-engine.ts`)

class PokerEngine {
  // Complete poker rules implementation
  createDeck(): Card[]           // Shuffle and deal cards
  processAction(): boolean       // Process player actions
  dealCommunityCards(): void     // Deal community cards
  isBettingRoundComplete(): boolean // Check if betting round is complete
}

2. GTO Strategy Engine (`src/lib/gto-strategy.ts`)

class GtoStrategyEngine {
  // Position-based GTO strategy recommendations
  getGtoRecommendation(): GtoStrategy    // Get GTO recommendation
  analyzeAction(): ActionAnalysis        // Analyze player action
  getHandRanking(): number               // Hand strength ranking
}

3. Hand Range Management (`src/lib/hand-ranges.ts`)

class HandRangeManager {
  // Hand range parsing and management
  parseRange(rangeString: string): HandRange     // Parse range string
  getRangeStats(): RangeStatistics               // Get range statistics
  isInRange(): boolean                           // Check if hand is in range
}

4. Training Scenario System (`src/lib/training-scenarios.ts`)

class TrainingScenarioManager {
  // Training scenario management and generation
  getAllScenarios(): TrainingScenario[]          // Get all scenarios
  getRecommendedScenarios(): TrainingScenario[]  // Smart scenario recommendations
  generateScenarioHand(): ScenarioSetup          // Generate scenario setup
}

UI Component System

Table Components

PokerTable: Main poker table interface
PlayerSeat: Player seat display
CommunityCards: Community cards area
ActionButtons: Action button group

Analysis Components

GtoHeatmap: Strategy heatmap
GtoFeedback: Instant feedback modal
ScenarioSelector: Scenario selector

🚀 Quick Start

Install Dependencies

npm install

Start Development Server

npm run dev

Visit http://localhost:3000 to start using the application.

Build for Production

npm run build
npm start

📊 Training Scenarios

Beginner Scenarios

Button vs Big Blind (Deep Stack): Deep stack button position training
Under The Gun (6-max): UTG position tight range practice

Intermediate Scenarios

Cutoff Steal Attempt: CO position steal strategy
Middle Position 3-Bet Defense: Middle position 3-bet defense

Advanced Scenarios

Small Blind vs Big Blind: Complex blind vs blind decisions
Tournament Bubble Play: Tournament bubble strategy

🎨 Interface Features

Professional Table Design

Realistic poker table layout
Smooth animation effects
Intuitive information display

Smart Feedback System

0-100 point scoring system
Detailed decision analysis
Color-coded strategy frequencies

Data Visualization

Heatmap color coding
Real-time statistics charts
Progress tracking panels

🔮 Future Roadmap

Phase 2 Features

Postflop GTO strategies
Diversified AI opponents
Hand history replay
Additional training scenarios

Phase 3 Features

Multiplayer online battles
Leaderboard system
Data analytics dashboard
Custom scenario editor

Phase 4 Features

Cloud GTO Solver integration
Mobile application
Video tutorial integration
Community features

🛠️ Development Notes

Project Structure

src/
├── components/          # React components
│   ├── Card.tsx        # Poker card component
│   ├── PokerTable.tsx  # Poker table component
│   ├── GtoFeedback.tsx # Feedback component
│   └── ...
├── lib/                # Core logic
│   ├── poker-engine.ts # Game engine
│   ├── gto-strategy.ts # GTO strategy
│   └── ...
├── types/              # TypeScript type definitions
└── pages/              # Next.js pages

Code Standards

TypeScript strict mode
ESLint code checking
Prettier code formatting
Component-based development

📝 License

MIT License - See LICENSE file for details.

🤝 Contributing

Issues and Pull Requests are welcome to improve the project!

中文

专业的策略决策游戏理论最优策略(GTO)训练平台，提供实时策略分析、场景化训练和专业数据可视化。

🎯 核心功能

1. GTO 策略热力图

手牌范围可视化: 13x13 网格展示所有起手牌的 GTO 策略
动态筛选: 支持按对子、同花、非同花筛选
详细分析: 悬停查看每手牌的具体行动频率（Raise/Call/Fold）
数据导出: 支持 CSV 格式导出策略数据

2. 实时训练模式

交互式训练界面: 完整的策略决策游戏界面
即时反馈: 每次决策后获得 GTO 分析和评分
位置策略: 针对不同位置（UTG, CO, BTN, SB, BB）的专业策略建议
进度跟踪: 实时统计平均得分和手数

3. 场景化训练

多种训练场景: 6 个精心设计的训练场景
难度分级: 初级、中级、高级三个难度等级
智能推荐: 根据玩家表现推荐合适的训练场景
学习目标: 每个场景都有明确的学习重点

🏗️ 技术架构

前端技术栈

React 18 + TypeScript: 现代化组件开发
Next.js 14: 全栈框架，支持 SSR
Tailwind CSS: 快速响应式样式开发
组件化设计: 可复用的 UI 组件系统

核心模块

1. 策略引擎 (`src/lib/strategy-engine.ts`)

class PokerEngine {
  // 完整的策略决策规则实现
  createDeck(): Card[]           // 洗牌发牌
  processAction(): boolean       // 处理玩家行动
  dealCommunityCards(): void     // 发放公共牌
  isBettingRoundComplete(): boolean // 判断决策轮结束
}

2. GTO 策略引擎 (`src/lib/gto-strategy.ts`)

class GtoStrategyEngine {
  // 基于位置的 GTO 策略推荐
  getGtoRecommendation(): GtoStrategy    // 获取 GTO 建议
  analyzeAction(): ActionAnalysis        // 分析玩家行动
  getHandRanking(): number               // 手牌强度排名
}

3. 手牌范围管理 (`src/lib/hand-ranges.ts`)

class HandRangeManager {
  // 手牌范围解析和管理
  parseRange(rangeString: string): HandRange     // 解析范围字符串
  getRangeStats(): RangeStatistics               // 获取范围统计
  isInRange(): boolean                           // 判断手牌是否在范围内
}

4. 训练场景系统 (`src/lib/training-scenarios.ts`)

class TrainingScenarioManager {
  // 训练场景管理和生成
  getAllScenarios(): TrainingScenario[]          // 获取所有场景
  getRecommendedScenarios(): TrainingScenario[]  // 智能推荐场景
  generateScenarioHand(): ScenarioSetup          // 生成场景设置
}

UI 组件系统

牌桌组件

PokerTable: 主牌桌界面
PlayerSeat: 玩家席位显示
CommunityCards: 公共牌区域
ActionButtons: 行动按钮组

分析组件

GtoHeatmap: 策略热力图
GtoFeedback: 即时反馈模态框
ScenarioSelector: 场景选择器

🚀 快速开始

安装依赖

npm install

启动开发服务器

npm run dev

访问 http://localhost:3000 开始使用。

构建生产版本

npm run build
npm start

📊 训练场景详解

初级场景

Button vs Big Blind (Deep Stack): 深资源按钮位训练
Under The Gun (6-max): UTG 位置紧手范围练习

中级场景

Cutoff Steal Attempt: CO 位置偷盲策略
Middle Position 3-Bet Defense: 中位 3-bet 防守

高级场景

Small Blind vs Big Blind: 盲位对抗复杂决策
Tournament Bubble Play: 锦标赛泡沫期策略

🎨 界面特色

专业训练界面设计

真实感训练界面布局
流畅的动画效果
直观的信息展示

智能反馈系统

0-100 分评分制度
详细的决策分析
彩色编码的策略频率

数据可视化

热力图颜色编码
实时统计图表
进度跟踪面板

🔮 功能规划

✅ 第一阶段功能 (已完成)

✅ 13×13 GTO策略热力图 - 完整翻前策略可视化
✅ 6个专业训练场景 - 从初级到高级的系统化训练
✅ 实时GTO分析 - 每次决策的即时反馈和评分
✅ 成就系统 - 激励机制和进度追踪
✅ 专业UI设计 - 现代化用户界面

🚀 第二阶段功能 (开发中)

🔄 翻后GTO策略引擎 - 支持Flop/Turn/River完整策略计算
🔄 AI对手多样化 - 4种性格迥异的AI对手 (新手/紧凶/松凶/适应性)
🔄 手牌历史回放 - 完整牌局回放和深度分析
🔄 智能训练系统 - 个性化场景推荐和学习路径
🔄 本地存储优化 - 75MB本地存储，数据压缩，离线可用

📋 第三阶段功能 (规划中)

🔲 多人在线对战 - 实时多人游戏，智能匹配系统
🔲 云端数据同步 - 跨设备数据同步和备份
🔲 高级数据分析 - 大数据驱动的深度统计分析
🔲 社区功能 - 策略分享、讨论区、直播功能

🔮 第四阶段功能 (远期规划)

🔲 自研GTO Solver - 完全自主的GTO计算引擎
🔲 移动原生应用 - iOS/Android原生应用
🔲 AR/VR训练 - 沉浸式训练体验
🔲 企业培训解决方案 - B2B专业培训服务

📚 项目文档

🎯 核心文档

第二阶段功能实现方案 - 详细的功能设计和技术方案
技术规范文档 - 完整的技术规范和开发标准
开发工作流程 - 12周开发计划和任务分解
项目路线图 - 完整的项目发展规划

📋 技术文档

系统架构图 - 系统架构设计和演进路线
CFR算法说明 - 核心算法实现参考

🎯 技术特色

🔧 第二阶段技术亮点

本地优先策略: 核心功能完全本地化，2秒启动，100ms查询响应
智能存储管理: IndexedDB + 数据压缩，75MB存储空间，60%+压缩率
AI对手引擎: 4种性格AI，支持个性化学习和动态难度调整
翻后GTO算法: 完整四条街道策略计算，支持复杂决策分析
云端扩展预留: 完整的云端迁移接口，支持未来平滑升级

📊 性能指标

启动时间: < 2秒 (目标)
查询响应: < 100ms
AI决策: < 150ms
离线可用: 100%核心功能
存储效率: 75MB总容量，60%+压缩率

🛠️ 开发说明

项目结构

src/
├── components/          # React 组件
│   ├── Card.tsx        # 扑克牌组件
│   ├── PokerTable.tsx  # 牌桌组件
│   ├── GtoFeedback.tsx # 反馈组件
│   └── ...
├── lib/                # 核心逻辑
│   ├── poker-engine.ts # 游戏引擎
│   ├── gto-strategy.ts # GTO 策略
│   └── ...
├── types/              # TypeScript 类型定义
└── pages/              # Next.js 页面

代码规范

TypeScript 严格模式
ESLint 代码检查
Prettier 代码格式化
组件化开发

📝 许可证

MIT License - 详见 LICENSE 文件。

🤝 贡献指南

欢迎提交 Issue 和 Pull Request 来改进项目！

AI Poker GTO 训练系统 - 让每一个决策都更接近最优解 🎯

Name		Name	Last commit message	Last commit date
Latest commit History 12 Commits
pages		pages
src		src
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
next-env.d.ts		next-env.d.ts
next.config.js		next.config.js
package-lock.json		package-lock.json
package.json		package.json
pnpm-lock.yaml		pnpm-lock.yaml
postcss.config.js		postcss.config.js
tailwind.config.js		tailwind.config.js
tsconfig.json		tsconfig.json

License

aokiz-ek/ai-dz-poker

Folders and files

Latest commit

History

Repository files navigation