核心用法
MOPO Texas Hold'em Strategy ABC 是一款面向玩家的德州扑克自动化决策技能，专为OpenClaw智能代理设计，使其能够以HTTP API方式参与MOPO平台的单桌对局。该技能采用模块化架构，核心流程分为四步：代理注册（/agent/register）、加入牌桌（/agent/join）、轮询私有游戏状态（/game/state）以及执行动作（/game/act）。
决策引擎是此技能的核心。系统首先读取私有状态获取关键变量：跟注额（to_call）、最小加注（min_raise）、游戏阶段（stage）、手牌（hand）及玩家信息（players）。基于座位顺序自动判定位置（BTN/CO/HJ/LJ/SB/BB），结合references/strategy.md中的粗粒度范围模板将手牌分桶，最终输出动作决策。支持三种策略模板：ABC（默认均衡型）、Conservative（紧弱型）、Aggressive（激进型），用户可根据风险偏好切换。
下注规模采用底池比例制（pot-based sizing），若计算值低于min_raise则自动调整为最小加注。系统具备时间压力处理机制：当turn_deadline临近时，默认执行安全动作（check/call）。错误处理策略为动作执行失败时重新获取状态并退守安全选项（check/fold），避免违规操作。
显著优点
1. 标准化API封装：完整抽象MOPO HTTP接口，降低集成复杂度，非扑克专家亦可部署自动化代理
2. 策略可配置性：三套预置模板覆盖主流玩家类型，支持运行时动态切换，适应不同对手画像
3. 位置感知决策：内置座位-位置映射逻辑，将位置价值（position value）纳入范围计算，符合现代扑克理论
4. 防御性设计：时间压力退避与错误重试机制确保合规性，降低因超时或非法动作导致的惩罚风险
5. 状态隔离：严格区分公共信息与私有状态（hand可见性），避免信息泄露风险
潜在缺点与局限性
- 单桌限制：明确约束为"one table"，不支持多桌并行（MTT/cash game simultaneous），扩展性受限
- 策略模板固定性：ABC/Conservative/Aggressive为静态范围表，无自适应学习机制，易被针对性调整的对手剥削
- 无GTO求解器集成：未提及PioSOLVER/MonkerSolver等均衡解算工具支持，理论最优性存疑
- 依赖外部策略文件：核心逻辑
references/strategy.md未内嵌，存在版本不一致风险 - HTTP轮询效率：状态获取采用pull模式，延迟敏感场景下可能逊于WebSocket push架构
适合人群
- OpenClaw生态开发者：需快速集成MOPO协议的自动化代理构建者
- 扑克AI研究人员：需要标准化baseline策略进行对比实验的学术场景
- 保守型玩家：追求低风险、规则明确、可解释决策流程的休闲用户
- 多代理系统测试者：验证分布式游戏环境中代理交互行为的工程团队
常规风险
| 风险类型 | 描述 | 缓释建议 |
|---------|------|---------|
| 策略被逆向 | 固定模板长期运行后行为模式可被对手识别 | 定期轮换模板或叠加随机化 |
| API超时 | 网络抖动导致`turn_deadline`错过 | 本地缓存状态并预设超时触发器 |
| 状态同步失效 | 轮询间隔与游戏节奏不匹配造成决策滞后 | 动态调整poll频率或迁移至push模式 |
| 违规加注 | pot-based sizing计算错误导致低于min_raise | 严格校验边界条件（已实现） |
| 依赖项不可用 | `references/strategy.md`缺失或损坏 | 内嵌fallback策略至主代码库 |