我用 WorkBuddy 的多智能体团队模式搭了一张德州扑克桌：一个荷官引擎加五个 AI 玩家，每人一本人设策略，打了五局。赛果看起来很精彩——松凶型玩家 P2 五局累计 +1260，跟注站 P5 第三局就被打破产（-1000）。
一个诱人的结论几乎是现成的：“松凶碾压跟注站，激进策略赢了。”
这个结论是错的——或者说，是不负责任的。五局牌里两次是所有人弃牌的 walk 局（底池合计只有 60），真正打完的完整牌局只有三手，摊牌更是只发生了两次。为了搞清楚”五局牌到底能说明什么”，我把五个人设翻译成了启发式参数，用同一个引擎跑了 1000 局蒙特卡洛（v1/v2 策略各 500 局）。数据揭示了三件比”谁赢谁输”有意思得多的事。
一分钟规则与本文设定
德州扑克的核心循环很简单：每人发两张只有自己能看的底牌，随后桌上陆续翻开五张公共牌——三张「翻牌」、一张「转牌」、一张「河牌」，每发一轮公共牌之间有一轮下注；还没弃牌的玩家最后用底牌加公共牌中最好的五张比大小，这一步叫摊牌。下注轮里可以加注施压、跟注、弃牌认输，也可以全下（把剩余筹码一次押完）。当一轮下注没人跟、最后剩下的玩家直接收走底池时，这手牌叫 walk——文中反复出现的”walk 局”就是大盲注白捡底池的免费一手。
本文实验的桌上规则（引擎实现，全程不变）：
| 参数 | 值 |
|---|---|
| 在座人数 | 5 |
| 起始筹码 | 每人 1000 |
| 盲注 | 小盲 10 / 大盲 20，每局强制投入、位置轮流 |
| 加注限制 | 单次加注增量 ≤ 200，每条街最多 2 次加注 |
后文反复出现的 EV 指期望值（Expected Value）：一种策略平均每手牌赢或输多少筹码，是衡量策略好坏的唯一靠谱指标。另外，翻牌前第一个行动的位置俗称 UTG（枪口位）——信息劣势最大的位置，后文玩家喊话里会提到。
桌子是怎么搭起来的
先交代机制，因为”信息隔离”是这套实验里我最满意的部分。
架构上只有两类角色：
- 荷官引擎（一个 Python 脚本）：持有全量状态——每个人的底牌、未发出的牌堆、烧牌。它不知道任何人”该怎么打”，只负责发牌、验证行动合法性、结算分池。
- 五个玩家代理（LLM 实例，人格化命名 P1-TAG 到 P5-STATION）：从机制上拿不到任何不属于它的信息。轮到谁决策，荷官就给谁生成一份”个人视图”——自己的底牌、公共牌、各家的筹码和下注量、合法行动区间。其他人的底牌和牌堆不存在于这份视图里，代理想作弊也没有数据源。
通信是定向的：手牌消息只发给本人，桌面广播只含公共信息。五个人设是写在各自 prompt 里的策略全文，比如紧弱型 P3-ROCK 的原文是：
极度保守：只玩超强起手牌(AA/KK/QQ/AK)，其余一律弃牌。从不诈唬，只在拿到三条及以上超强成牌时才下注或加注……宁可错失小底池，也不冒任何风险。
每个决策代理都会附一句 ≤40 字的”桌面喊话”作为决策理由，这让复盘变得非常有趣——你能看到每个 AI 在想什么。
三手值得记住的牌
五局里的高光全部集中在第二、三局。
第二局，P2-LAG 的一对 2 打满四条街。P2 拿着一对 2，从翻牌开始连开三枪（连续三轮下注施压）、一路打到河牌全下，把底池推到 1410——对面 P5-STATION 的心理活动是”剩 110 全跟了，输了也认”。一对 2 赢下 1410，这一手把 P2 推上了累计盈利榜首。
第三局，P2-LAG 的口袋 A 价值课，也是 P5 的葬礼。P2 翻前 3 倍加注（”口袋A绝无慢打”），翻牌拿到一对 A——高于公共牌最大牌 K 的”超对”，强度等价于顶对顶踢脚——于是持续下注，转牌 110 全下锁死短码。P5 用顶对 Q（底牌 Q 与公共牌最大牌 Q 配成对子）全跟：”顶对Q赔率22%，LAG小注多半在吓我”。摊牌：AA 一对 A 胜 Q8 一对 Q，510 底池。P5 筹码归零，按规则坐外，后两局只能观战。
第四、五局连续 walk。P5 破产后四人在座，剩下的人集体收紧——P3-ROCK 拿着 A 高牌弃掉（”UTG位置磐石只玩AA/KK/QQ/AK”），P1-TAG 单挑小盲弃掉 K6s（”不足前20%门槛，纪律高于底池”），P4-GTO 弃掉 63o 和 94o。两局加起来的动静还不如一次盲注。
最终积分：P2 +1260、P1 -20、P3 -30、P4 -210、P5 -1000。筹码全程守恒，每人起始 1000。
反思一：五局牌的”结论”值多少钱
先算一笔账：五局中两局是 walk，有效对局 3 手，摊牌 2 次。也就是说，整个”松凶碾压跟注站”的故事，证据基础是两次摊牌。
更麻烦的是方差。单手德州扑克的筹码波动标准差在 200-300 筹码量级（起始 1000、盲注 10/20 的设定下），五局累计的波动轻松超过 ±500。而后文你会看到，这几个人设之间真实的每手期望差只有 15-70 筹码。也就是说：信号比噪声小了一个数量级。
五局牌唯一能可靠告诉你的，是”这五个 AI 确实会按人设打牌”——P3 五局入池一次、P4 三手垃圾牌全部按赔率弃掉、P5 逢注必跟。行为符合度是可以小样本验证的；盈利能力不行。
反思二：策略 prompt 的极端化，以及一个查无实据的例子
复盘时我原本想重点批评一手牌：”同色 AQ 翻前被弃”——这在我记忆里是对局中的真实一幕，太能说明 prompt 策略的僵化了。
然后我去翻了对局记录。五局的引擎状态、两份战报、所有行动日志，没有一手 AQ。第一局的原始引擎文件后来被引擎自检程序覆盖，已无法复核。所以这个例子只能以”查无实据”的状态留在段落里——这本身就是复盘的一部分教训：不要把对局记忆当证据，哪怕它是你自己的。
好在”策略过紧”的证据并不缺，真实的就有两处：
- P1-TAG 弃 K6 同花（第四局，单挑小盲位）：理由是”不足前 20% 门槛，单挑小盲也不破例”。真实的短桌策略里，单挑位 K6s 是标准开局牌——人设 prompt 里的”前 15-20%”是按满员桌写的，位置信息在 prompt 里没有被正确利用。
- P3-ROCK 的四手牌清单：五局只入池一次。”只玩 AA/KK/QQ/AK”在 5 人桌意味着约 90% 的局开局就弃，每局白交盲注税——按蒙特卡洛数据，这个清单的代价是每手约 3 筹码，看起来不多，但它是确定性的失血，且让 P3 完全丧失了诈唬信用：它下注=有超强牌，全场都知道。
有意思的是两种极端的代价不对称，这个后面用数据说话。
蒙特卡洛：把人设翻译成参数，跑 1000 局
为了把”感觉”变成”证据”，我做了两件事：
- 把五个人设翻译成启发式策略参数——入池范围宽窄、下注激进度、诈唬频率、跟注所需赔率边际（margin）。v1 参数刻意复刻 LLM 局暴露的极端：ROCK 只玩最顶层清单、TAG 门槛卡死、STATION 的 margin 只有 0.55（赔率不够也跟）。v2 是修正版：TAG/ROCK 范围放宽一档，STATION 加止损（margin 0.95），其余微调。
- 用同一个荷官引擎跑 v1/v2 各 500 局，每局独立重置筹码，统计每人每手净胜值，外加”连续 5 局滚动窗口”分布——专门用来回答”五局牌里发生了什么算不算罕见”。
500 局的结果（每手期望值 EV，单位筹码）：
| 玩家 | v1 EV/手 | v2 EV/手 | v1 五局窗口 ≤ -750 概率 | v1 五局窗口 ≥ +1260 概率 |
|---|---|---|---|---|
| P2-LAG（松凶） | +49.7 | -13.1 | 4.6% | 5.0% |
| P4-GTO（算理） | +13.8 | +12.5 | 0.8% | 2.6% |
| P1-TAG（紧凶） | +5.2 | +15.9 | 1.8% | 1.0% |
| P3-ROCK（超紧弱） | -3.0 | -1.3 | 0.0% | 0.0% |
| P5-STATION（跟注站） | -65.6 | -14.1 | 21.8% | 0.0% |
三个发现，一个比一个反直觉。
发现一：P5 的破产不是意外，是日程表
v1 参数下，STATION 型策略每手期望 -65.6，任意连续五局的窗口里净输超过 750 的概率是 21.8%——五分之一。LLM 局里 P5 五局输 1000 破产，完全落在分布的主体里。如果重打五局，P5 照样大概率离场，只是死相不同。
反过来看 P2：五局 +1260 在 v1 分布里是 5% 的幸运窗口。辉煌有运气成分，但不多——因为 P2 的每手期望本来就是全场最高的正数。运气决定它是不是恰好这一次兑现，结构决定它长期一定兑现。
发现二：P2 赢的钱，几乎全部来自 P5
这是整个实验里最锋利的一个发现。v2 把 STATION 的跟注止损修上之后，看 P2 发生了什么：+49.7 直接掉到 -13.1。
P2 的高期望根本不是”松凶打法优越”，而是剥削跟注站的定价权——它的持续施压只在有 P5 这种”赔不起也跟”的对手时才值钱。对手一修策略，松凶立刻变成无米之炊。LLM 五局里 P2 +1260 与 P5 -1000 几乎镜像，现在有了机理解释：那不是两个策略的碰撞，是一方对另一方的单向抽血。
推论其实有点扎心：**策略没有绝对的好坏，只有对谁有利。**脱离对手生态谈”哪种风格更强”，是扑克讨论里最常见的误区——AI 也一样。
发现三：极端紧是慢性病，极端松是急性病
两个极端方向的代价完全不对称：
- ROCK 的超紧清单（v1）：每手只输 3.0，且五局窗口输 750+ 的概率是 0.0%。它几乎不可能破产——但也几乎不可能赢，五局窗口赢 1260+ 的概率同样是 0.0%。这是慢性盲注税，500 局累计 -1500。
- STATION 的极宽跟注（v1）：每手输 65.6，急性失血，五局窗口 21.8% 概率重伤。
而修正的最大受益者是谁？不是直觉上的 ROCK（放宽后 -1.3，改善有限——被动打法的天花板就在那），而是 STATION：margin 从 0.55 修到 0.95，每手少输 51.5，是全桌修正收益最大的人。”学会弃牌”这一个动作，比”学会打强牌”值钱一个数量级。
LLM 五局局完美复现了这个不对称：ROCK 五局只输 30（看起来像”纪律”），P5 输光离场（看起来像”倒霉”）——其实是同一个人设光谱上的两件事。
结论：AI 模拟人对局，可信度边界在哪
这次实验加复盘，我的收获可以压缩成三句话：
- **LLM 玩家的价值在”过程”不在”战绩”。**行为符合度（人设是否被执行）、决策理由的可读性（每手牌都能看到它为什么这么打）是 LLM 局独有的价值，且小样本即可验证。
- **统计结论必须来自大样本。**单手标准差 200-300，策略间真实期望差 15-70——信噪比决定了五局牌只能当叙事素材。任何”X 策略赢了 Y 策略”的说法，在样本量上来之前都只是故事。
- **对手生态是策略评价的一部分。**同一套参数换个对手池，+49.7 能变 -13.1。评价 AI 的行为策略时，先问一句：它赢的是谁的钱？
至于那晚的牌桌——五局收官，P2 带走 1260，P5 破产谢幕，散席广播写得比多数人类牌局有礼貌。样本量是这桌上最大的输家：它根本没上桌。
