什么是博弈论最优？

GTO 指在所建模型中构成纳什均衡的一组策略。在零和的单挑环境里，如果双方都按 GTO 进行，任何一方单方面改变行动或尺⼨都不会更好。实战中我们用求解器与核心原则（如平衡范围、正确诈唬占比、最低防守频率）来近似这一点。

• 不可剥削基线：对手无法通过反制长期获利。
• 混合策略：部分牌以既定频率分配到不同行动，令对手无差异。
• 基于范围的决策：每个节点按整个范围而非单手猜测来决策。

• 无差异原理：用你的频率让对手在关键选项间无差异，从而无法通过切换提高 EV。
• 最低防守频率（MDF）：MDF = 底池 ÷（底池 + 下注）。若弃牌率 > 1 − MDF，则对手的诈唬自动盈利。
• 诈唬与价值的比例：极化河牌下注中，诈唬占比 ≈ 下注 ÷（底池 + 下注）；诈唬:价值 ≈ 下注 ÷ 底池。
• 阻断与去除：优先选择能减少对手坚果组合、且不阻断其弃牌的诈唬/跟注候选。
• 范围构建：让下注与过牌范围同时包含价值、半诈唬与保护牌型，彼此都够“硬”。
• 覆盖度：确保范围能覆盖多种转河跑牌，避免被对手针对明显空缺。

GTO 为对强对手提供安全网；剥削打法则针对特定对手的习性赚钱。强牌手在学习中构建 GTO 基线，实战中在读到稳定偏差时再偏离以剥削。

• 使用 GTO 的场景：对手强或未知、环境较平衡，需要抗反制。
• 使用剥削的场景：对手过度弃牌、过度跟注、尺⼨可预测时，调整诈唬/价值与尺⼨去惩罚其偏差。
• 工作流：学习期建立基线；牌桌上先贴近基线，收集证据，再有目的地偏离。

平衡策略要求某些牌在多个行动间分流。例如某同花 A 在特定翻牌面 c-bet 33%，过牌 67%。用简单随机法保证分流不可被读。

• 简易随机器：用时钟末位/牌色等在需要时选择分支。
• 质量优先：先把最优候选放入各线；若频率不足，再加入次优。
• 现场降混合：若实战混合难，简化为近似最优的纯策略，同时保持范围保护。

GTO 将尺⼨与范围形态、牌面纹理相绑定。

• 小注（底池 25–40%）：干面且你有范围优势时高频小注，合并大量中等强度牌。
• 中注（50–70%）：在半湿牌面/转牌收取听牌、从一对区间榨取价值。
• 大注与超池（75–200%）：你有坚果优势的极化场景，用大尺⼨强压对手 bluff-catcher。
• 保护过牌：过牌范围中保留部分强牌，避免过牌=“盖帽”。

• 位置开局：前位紧、后位宽；尺⼨随抽水与桌风调整。
• 3bet 构建：位置外偏线性（以价值为主）；位置内更极化（加入同花阻断与强牌）。
• 防守频率：对小尺⼨开局，大盲防守更多；对大尺⼨开局，防守更少。优先选择翻后可玩性好的同花/连张。
• 4bet 范围：位置外偏价值；位置内用价值 + 少量阻断型诈唬。

• 范围优势面：预加注者在 A 高干面高频小注。
• 跟注优势面：在 9-8-7 双同等动态面降低 c-bet 频率并放大尺⼨。
• 转牌玩法：有利于你范围/伤害对手范围的牌继续施压；改善对手范围的牌更多过牌。
• 河牌极化：拥有大量坚果组合时用大尺⼨；缺乏坚果时用小尺⼨做薄价值/阻断下注。

满桌德扑并非简单的零和单挑。多⼈底池、抽水、时间压力与人类倾向都会改变版图。

• 多⼈底池：减少诈唬、提高价值阈值；多数求解器基于单挑抽象。
• 抽水与前注：改变翻前频率与尺⼨；高抽水环境下小开局更优。
• 人群偏差：许多池子在大河注上欠诈唬、在小注上过度跟注；生搬 GTO 的跟/诈并不总赚钱。
• 执行难度：现场完美混合困难；选用稳健、接近最优且易执行的线路。

求解器通过让双方策略交替改进，直到任何一方偏离都不再获益，来近似均衡。输出包含各尺⼨/行动的频率以及不同跑牌下的策略。

• 输入：位置、有效筹码、尺⼨菜单、抽水/前注、起始范围。
• 输出：策略频率、各行动 EV、手牌热图、节点锁定（建模对手倾向）。
• 学习流程：选一个高频场景，跑解→记录要点→提炼成可上桌执行的简明规则。

• 用与范围形态匹配的尺⼨菜单：合并=小注，极化=大注。
• 过牌里保留强牌，避免被“盖帽”。
• 早街选有强阻断与后门的诈唬候选。
• 河牌比较你的诈唬:价值与尺⼨基线是否一致，并根据人群偏差微调。
• 读到明确偏差就剥削：多价值打对跟注者，更多诈唬对弃牌者；读讯消失时回到基线。

• GTO 不是“一张表走天下”，它依赖尺⼨、筹码与范围设置。
• GTO 并非对特定对手永远最高 EV，它是最安全的基线。
• 照搬频率而不理解牌力质量会出错--先选最优候选再补频率。
• 在欠诈唬人群上沿用均衡 Bluff 率--应按真实池子调整跟与弃。

• GTO = 单挑零和模型中的不可剥削均衡基线。
• 用 MDF 与基于尺⼨的诈唬比例锚定河牌决策。
• 尺⼨映射范围形态：小=合并，大=极化。
• 构建包含价值、半诈唬、保护与受保护过牌的完整范围。
• 清晰偏差就剥削；不确定就回到基线。

学习 GTO 构筑扎实骨架；实战中因人制宜，把骨架转化为对你所面对对手的真实利润。