原生 macOS 扑克学习工作区

MelaGTO

一个完整的 Mac 学习与求解工作区。MelaGTO 在同一套原生界面中结合内置翻前探索、自定义翻后树构建、本地 MelaSolver GPU 与 CPU 计算、策略和 EV 检查、导入手牌复盘与决策训练。

GPU + CPU本地求解后端

13项求解器端点语义

5个手牌历史站点系列

更新于 2026 年 7 月 27 日 · 维护者 Pokerai API

MelaGTO / macOS真实产品界面

MelaGTO 首页，包含翻前探索、自定义求解、导入手牌、GTO 训练和近期牌局

01 / 系统图

从一手牌或空白画布，走到本地已求解策略。

MelaGTO 把学习数据、界面状态和数值计算分成清晰层次。SwiftUI 应用从翻前表、自定义设置或导入手牌收集局面；沙箱 XPC 服务把验证后的配置送入本地求解核心，再把进度、策略、EV 与树数据返回工作区。

01 / 来源

探索或导入

从内置翻前范围、已保存工作区或受支持的手牌历史文件开始。

02 / 模型

定义树

确认位置、范围、牌面、筹码、下注尺度、加注上限、全下与精度。

03 / 计算

沙箱 XPC

稳定 JSON 契约传输求解任务，SwiftUI 外壳无需耦合 C++ 内部实现。

04 / 引擎

MelaSolver

在本地运行 GPU 或 CPU 后端，再查询完整树中的策略与 EV。

02 / 完整产品导览

八个真实界面，一条连贯的学习工作流。

这不是一个简单的求解器启动器。每个界面负责学习的一部分：找到已知局面、创建新局面、监控计算、浏览已求解树、练习决策，或把真实手牌转成可复现求解。

工作区首页

选择最短的学习入口

继续最近任务，或进入翻前探索、自定义求解、导入手牌与 GTO 陪练。

翻前探索器

比较完整混合范围

在并排 13×13 频率中浏览版本、位置与行动上下文。

GTO 陪练

针对已求解决策练习

完成牌局、选择动作，再与该局面的策略和漏洞分析比较。

自定义求解

花费计算资源前先构建局面

在引导流程中设置筹码、格式、位置、范围、牌面与翻后配置。

本地求解

查看工作量与实时进度

验证配置，运行 MelaSolver GPU 或 CPU，监控迭代和内存，安全停止或释放资源。

策略浏览器

检查动作、EV、节点与后续牌

沿已求解树移动，在策略和 EV 之间切换，查看手牌分类并选择后续街牌。

树构建器

明确控制抽象

求解前配置每条街的下注、加注、donk 尺度、全下阈值、加注上限与精度。

导入手牌

把已打手牌转为可复盘求解草稿

识别支持站点、本地保存导入、展示警告、检查行动时间线，并创建自定义求解草稿。

03 / 能力清单

完整桌面工作流，而不是彼此割裂的工具集合。

探索翻前浏览器

按位置、局面与行动上下文浏览内置范围版本，并把选定范围带入自定义设置。

配置自定义求解

提交前验证牌面、范围、筹码、行动树、精度、迭代上限、同构和内存约束。

计算MelaSolver GPU / CPU

通过沙箱 XPC 服务在本地执行完整翻后求解，提供进度、停止、释放和资源报告。

检查策略 + EV 浏览器

浏览行动节点和后续牌，检查混合频率、组合细节、EV 网格与后续街分支。

复盘导入手牌

解析支持的现金桌历史、本地去重、展示结构化警告，并把符合条件的单挑翻后手牌转成求解草稿。

练习GTO 陪练

在牌桌界面重放决策，把所选动作与已求解频率比较，并复盘重复偏差。

组织队列 + 已保存求解

管理更长的学习会话，把求解输出保存为压缩本地档案，并离线重新打开已完成的树。

导出CSV + PNG

导出可读策略和 EV 数据，或把当前网格分享为图片，无需在其他工具中重建局面。

04 / 实现模型

稳定求解边界外的原生界面。

应用不会把 C++ 引擎所有权暴露给 SwiftUI。类型化 Swift 模型变成 JSON 请求，XPC 服务分发既有求解操作，工作区观察结构化进度与结果。这个边界也让 MelaSolver CPU 和 GPU 保持相同产品行为。

01SwiftUI 负责导航、编辑、验证和展示。

02沙箱 XPC 进程隔离长时间求解任务。

03稳定 C ABI 隔离应用和引擎实现细节。

04求解计算留在本机；导入手牌数据也保存在本地。

本地求解契约产品级流程

workspace
  .validate(spot, ranges, tree, accuracy)
  .initialize(resourceDirectory)
  .submitSolve(
    backend: "MelaSolver GPU",
    forceReplace: true
  )

while task.status == "solving" {
  workspace.update(
    iteration: task.currentIteration,
    memory: task.physicalFootprint
  )
}

strategy = workspace.query(
  node: "root/CHECK/BET",
  runout: ["9h"]
)

workspace.export(strategy, formats: [
  "csv",
  "png"
])

05 / 学习闭环

从真实问题走到可重复使用的答案。

01 / 开始

找到或导入局面

从翻前表、最近工作区、空白自定义求解或符合条件的导入手牌开始。

02 / 定义

确认范围与树

检查位置、牌面、有效筹码、行动尺度、加注上限、全下和收敛目标。

03 / 求解

在 Mac 上计算

运行 MelaSolver GPU 或 CPU，观察进度和内存，让数值工作量留在 UI 进程之外。

04 / 学习

浏览并保留

检查策略和 EV、练习决策、导出网格，或保存树供以后离线复盘。

范围与来源

MelaGTO 是由 Pokerai API 维护的 macOS 产品，是第一方产品记录，不是第三方客户案例。本页只记录应用中可见的本地学习工作流：范围探索、自定义求解、手牌复盘与练习。翻后求解器通过 MelaSolver GPU 或 CPU 在用户 Mac 上运行。手牌历史导入目前面向 PokerStars、GGPoker、888/Pacific、Winning Poker Network 与 Bovada/Ignition 的受支持现金桌格式；不支持的变体会返回结构化原因，而不是猜测。不主张客户采用、下载量、性能 benchmark、商业合作或外部背书。 MelaGTO 用于扑克学习、分析和练习；不提供真钱投注、存款、取款、派彩、现金局、赌博交易或真钱现场牌桌实时辅助。

构建互相连接的产品

把策略放进工作流。

当你的产品需要预解查询或实时求解，又不想随产品交付求解基础设施时，使用 Pokerai API。

获取 API Key →