iOS App
SwiftUI 界面结合 PokerKit 游戏机制与决策采集。
← 案例展示 / 案例 01
案例研究
Counterplay · 过招
一个原生 6-max、100BB 训练牌桌，五个 GTO 对手每手牌都通过开发者可使用的同一套 Pokerai API 行动。Counterplay 记录 Hero 的每个决策、根据返回频率评分、把重复偏差归入漏洞报告，并保留底层手牌供复盘或可选的依据充分的教练解释。
270行——整个 API 客户端
0缓存策略
10个正在使用的 API 端点
01 / 架构
扑克引擎负责牌局，Pokerai API 负责策略。
Counterplay 把游戏机制、会话状态和策略真值分成清晰边界。PokerKit 推进六人桌；陪练服务保留有序行动线、有效筹码、范围与复盘上下文；Pokerai API 提供预解查询或实时求解结果。同一份响应可以驱动对手行动、Hero 评分、范围可视化和后续教练解释，应用无需嵌入私有范围表。
陪练后端
FastAPI 保存当前牌局、行动线、范围与复盘上下文。
pokerai.bet
预解翻前、翻牌策略，以及排队执行的转牌和河牌求解。
02 / 产品闭环
在牌桌训练，发现模式，再回到原手牌。
这个产品不只是展示一次求解响应。它把单次决策汇总成分析报告，同时保留底层手牌，供复盘和后续针对性学习。
查看重复偏差
把相似决策分组，展示样本数和平均偏差，并按严重程度排列重复出现的翻前和翻后模式。
回到准确局面
按手牌、位置或牌面搜索，查看结果与净 BB，再打开报告背后的完整决策顺序。
不打完整手牌也能研究局面
选择快速预解查询或精确实时求解，定义底池与位置，再把结果带入聚焦讨论。
控制语言、身份与教练模型
保持训练界面专注，同时允许玩家选择语言、牌桌身份和用于解释的可选模型。
03 / 端点清单
每条街都映射到已记录的 API 能力。
取自真实客户端(方法 → 端点 → 用途):
翻前
/v1/gto/preflop对手翻前动作 + Hero 翻前决策评级
翻前
/v1/gto/preflop/range复盘里的 13×13 范围网格
翻牌
/v1/gto/flop/tree翻牌局面的翻后决策树
翻牌
/v1/gto/flop/node当前翻牌节点策略(+评级)
范围
/v1/gto/flop/projected-range沿翻牌行动线更新范围
范围
/v1/gto/range为行动线组装 solver_results
转牌
/v1/gto/turn/projected-range翻牌 → 转牌范围交接
求解器
/v1/gto/solver提交转/河牌局面实时求解
求解器
/v1/gto/solver/tree已解转/河牌局面的决策树
求解器
/v1/gto/solver/node转/河牌节点策略(+评级)
04 / 实现证据
整个策略层只需要一个文件。
客户端不嵌入范围表或求解结果。它整理当前局面、发送鉴权请求，再把标准化策略频率返回给陪练。
01一个共享鉴权请求头。
02与公开端点同名的类型化方法。
03所有街道共用一套超时和重试路径。
04应用中没有私有策略缓存。
class GtoClient:
def __init__(self, settings):
self._headers = {"Authorization": f"Bearer {settings.gto_api_key}"}
async def preflop(self, hole_cards, hero_pos, preflop_actions):
body = {"hole_cards": hole_cards,
"positions": {"hero": hero_pos},
"preflop_actions": preflop_actions}
return _strategy_from(await self._post("/v1/gto/preflop", body))
async def flop_node(self, node_token, hole_cards=None):
body = {"node": node_token}
if hole_cards: body["hole_cards"] = hole_cards
return _strategy_from(await self._post("/v1/gto/flop/node", body))
# … + solver_schedule / solver_tree / solver_node, all one-liners over _post()05 / 决策闭环
从发牌到有依据的反馈。
读取行动线
发送手牌、位置与有序行动，用返回频率驱动行动和评分。
沿树定位
加载预解树、解析当前节点，并在每次行动后投射范围。
提交求解
把范围交给实时求解器，轮询任务，再读取结果策略节点。
评分并解释
根据所选动作自身的 GTO 频率衡量偏差，再把结构化上下文交给可选教练。
范围与来源
Counterplay 是由 Pokerai API 维护的产品集成，并非第三方客户部署案例。 这份技术记录只说明 iOS 陪练工作流及该工作流使用的公开 API 端点。 当前产品面向六人桌 100BB 现金桌训练，随机 Hero 座位，使用五个策略驱动对手，并把多人翻后局面约化为单挑近似。教练功能可选；Counterplay 不提供真钱牌桌实时辅助；不主张客户采用、下载量、性能 benchmark、商业合作或外部背书。
基于同一套 API 构建
把策略变成产品。
先获取免费 Key，完成一次翻前调用，再沿用这里使用的同一组公开端点。