English | 简体中文

DanKS：SOTA 级掼蛋智能体

完整开放三代技术路线
PPO 策略学习 · V3Pro 决策增强 · 两代 KSPlay GuanDan Service

在线体验 ↗ · 技术架构 · 网页服务 · 数据集 · 快速开始 · 研究主页

不只选好这一手，更为后续每一步布局。

掼蛋不只是比牌大小。你需要与队友配合，在看不见其他人手牌的情况下争夺牌权，并为后续出牌保留空间。现在最省的一张牌，可能拆掉最有价值的组合；一次不出，也可能把主动权交给队友。

DanKS 让决策关注整副手牌的未来。 由 Kingsoft AI Product Center（金山 AI 产品中心） 发起，DanKS 将结构化召回与 PPO 策略学习结合，并把两代开源网页对战服务带进同一个仓库。你可以研究智能体、训练自己的策略、打造自己的牌桌，也可以直接坐下来，和它打一局。

在线体验

坐下，出牌，挑战 DanKS。无需安装。

打开在线牌桌 →

你与一位 AI 队友合作，迎战两位 AI 对手。浏览器即可游玩，支持中文与英文界面。

观看简短对局预览

_{高清牌桌预览 · 社交分享图}

DanKS 如何思考

保留有价值的选择，再学习什么时候使用它。

1. 理解当前局面。 编码自己的手牌、公开出牌历史、合法动作和队伍上下文。
2. 看到出牌之后。 对候选动作分析剩余手牌，判断它保留了哪些组合与后续机会。
3. 从少而精的候选中决策。 Actor-Critic 联合评估状态、候选动作与剩牌结构。
4. 从后续结果中学习。 PPO 与 GAE 将当前选择和之后的得失联系起来。

召回负责找到有价值的选项，策略网络负责判断哪个选项适合当下。

_{同一副牌，三个选择，不同的未来。点击查看完整决策示例。}

三代演进，一条主线

AI 版本	核心能力	阅读入口
V1	结构化召回与 NumPy 候选选择器	召回排序
V2	扩展候选生成与 ONNX 选择器	动作生成
V3	记忆感知神经策略、队伍信念特征与 PPO 学习	策略网络 · PPO 训练
V3Pro	V3 推理增强：配牌保护、等价出牌规则与验证式残局搜索	策略入口 · 接入指南

V3Pro 以独立的 DanKSPro 包扩展 V3，不替换原网络，也不要求重新训练。残局增强覆盖通过准入检查、全桌总剩牌不超过 16 张的局面；11–16 张时还要求暗牌分配数不超过 128。

KSPlay GuanDan Service

有了 AI，还要有一张好用的牌桌。现在，牌桌也开源了。

两代 Service 均包含浏览器前端、房间后端、掼蛋裁判、完整源码理牌模块，以及标准外部 AI 接口。

• Service V1 —— 经典牌桌。 保留原版 CardKS 体验，提供简洁的开发起点。
• Service V2 —— 全新牌桌。 固定比例的桌面与手机横屏布局、模块化交互，以及改进的会话恢复。

查看 Service V1 → · 查看 Service V2 →

Service 的 V1、V2 指网页平台版本，与 AI 网络代数独立。两代服务均可通过示例规则机器人本地运行，也可以按 HTTP AI 接口接入自己的模型。训练权重与私有 AI 部署环境不随仓库分发。

从这里开始二开

你想做什么	从哪里开始
改牌桌布局或选牌交互	V2 前端
扩展房间、牌局流程或实时消息	V2 后端
调整理牌算法	Go 理牌源码
接入新 AI	AI 请求与返回协议
找到对应的修改模块	Service 二开指南

人类掼蛋数据

从完整牌局中研究决策，而不只是孤立的一手牌。

CardKS 维护的公开 KSCB 掼蛋数据集包含 899 场完整升级赛、10,218 个小局、840,194 个决策点。每个小局保留按顺序排列的事件，便于研究人类决策、队友配合与手牌结构的变化。

查看数据入口 → · 原始格式说明 →

datasets/ 提供原始数据链接、下载方法与读取示例，数据继续由 CardKS 维护，不在 DanKS 重复存放。这些是牌局记录，而非预先编码好的 PPO 输入。

快速开始

跑起自己的网页牌桌

准备 Python 3.12 与 Go 1.23+。以下以 POSIX shell 为例：

git clone https://github.com/Calix-L/DanKS.git
cd DanKS/services/v2
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python scripts/build_arranger.py
python run.py

打开 http://127.0.0.1:8000/solo，创建牌桌并点击准备。其余座位由三个示例机器人填充；按 Ctrl+C 停止服务。

Windows PowerShell 使用 py -3.12 -m venv .venv 创建环境、.venv\Scripts\Activate.ps1 激活。要体验经典牌桌，将目录换成 services/v1 即可。

跑通 AI 代码

在独立的 Python 3.11+ 环境中，从仓库根目录运行：

python3.11 -m venv .venv-ai
source .venv-ai/bin/activate
python -m pip install -e . -e versions/v3 -e versions/v3pro
python -m pip install torch==2.8.0
python examples/retrieval_quickstart.py --version v3
python examples/v3_model_smoke.py
python examples/v3pro_smoke.py

示例使用合成输入验证召回、网络推理与 V3Pro 接入，模型冒烟示例使用随机初始化权重。CPU/CUDA/NPU 环境、V1/V2 安装和 PPO learner 命令见开发指南。Linux/macOS 可在 V3 环境运行 danks-build-native，启用可选 C++ 召回加速。

仓库结构

DanKS/
├── versions/           # AI：V1、V2、V3 与 V3Pro 扩展
├── services/
│   ├── v1/             # KSPlay GuanDan Service · 经典牌桌
│   └── v2/             # KSPlay GuanDan Service · 全新牌桌
├── guandan/engine/     # AI 侧共享掼蛋规则引擎
├── examples/           # 引擎、召回、网络与 PPO 可运行示例
├── datasets/           # 公开掼蛋数据入口与读取指南
├── assets/             # 品牌、对局预览与架构插图
└── .github/            # 贡献指南、开发指南与 CI

两代 Service 均可独立运行，各自保留规则与理牌模块。AI 各代仍为独立安装包，请为不同代数分别创建环境。

一起把它做得更好

训练一个新智能体，打造一张更好的牌桌，探索组队博弈的下一个想法。

欢迎算法、UI、跨平台适配与文档方面的贡献。参与方式见贡献指南，也可以直接提交 Issue。

项目仓库： GitHub · AtomGit 国内镜像
研究主页： CardKS
开源许可： Apache-2.0 · 许可与商标说明

Star 增长趋势