井字棋Minimax算法无法识别败局及截图走步错误问题咨询

1. 修正截图识别中的玩家标记拼写错误 #

在get_board方法中，你误将玩家标记写成了数字"0"，但类定义中玩家标记是字母"O"，这会导致player_move无法正确同步屏幕棋盘到内部棋盘，AI基于错误的棋盘状态计算走法，必然会选择错误位置。

修改代码：

def get_board(self):
    for key in self.dict_click_pos.keys():
        pixel_color = pyautogui.screenshot().getpixel((self.dict_click_pos[key][0], self.dict_click_pos[key][1]))
        if pixel_color == dunkel:
            self.screen_board[key] = "O"  # 将"0"改为"O"
        elif pixel_color == hell:
            self.screen_board[key] = "X"
        else:
            self.screen_board[key] = " "

2. 优化computer_move中的初始值设置 #

当前bestMove初始值为0，但棋盘位置的key范围是1-9，极端情况下会导致点击不存在的位置；同时初始值设置逻辑可能让AI忽略低评分但必须选择的阻止走法。修改为以下逻辑：

def computer_move(self):
    self.player_move()
    bestScore = -800
    bestMove = None
    # 先获取第一个合法空位作为初始备选
    for key in self.board.keys():
        if self.board[key] == " ":
            bestMove = key
            break
    # 遍历所有空位计算最优走法
    for key in self.board.keys():
        if self.board[key] == " ":
            self.board[key] = self.computer
            score = self.minimax(self.board, False)
            self.board[key] = " "
            if score > bestScore:
                bestScore = score
                bestMove = key
    pyautogui.click(self.dict_click_pos[bestMove][0], self.dict_click_pos[bestMove][1])

3. 验证Minimax算法的评估逻辑（可选） #

可以在computer_move的循环内添加打印，确认AI是否正确识别玩家的获胜威胁：

# 在computer_move的循环中添加
score = self.minimax(self.board, False)
print(f"位置{key}的评分: {score}")

通过打印结果可直观验证AI是否正确计算出各走步的风险，确保优先选择能阻止玩家获胜的位置。

4. 修复has_won函数（可选） #

当前has_won始终返回False，会导致外层循环无限运行。若需要正常结束游戏，可修改为：

def has_won(self):
    if self.check_win(self.board, self.player):
        print(f"{self.player} 获胜！")
        return True
    if self.check_win(self.board, self.computer):
        print(f"{self.computer} 获胜！")
        return True
    if self.check_draw(self.board):
        print("平局！")
        return True
    return False

内容的提问来源于stack exchange，提问作者xL1miT3