嘿，我懂这种感觉！Minimax听起来玄乎，第一次看确实像看天书，但其实拆解开就是个很直白的思路——说白了就是模拟所有可能的走法，然后选对自己最有利的那一步。咱们拿井字棋来拆解，绝对能给你讲明白。

Minimax是个零和博弈算法——你赢我就输，反之亦然。井字棋里，假设你是X，Bot是O：你要最大化自己的胜率，Bot要最小化你的胜率，这就是Minimax（Max和Min的结合）名字的由来。

第一步：给局面打“分” #

首先得给每个最终局面定个得分，算法才知道哪步好哪步坏：

• 如果Bot（O）赢了，得**+10分**
• 如果玩家（X）赢了，得**-10分**
• 平局的话，得0分

第二步：递归模拟所有走法 #

算法会递归遍历棋盘上所有空位置，分别假设自己（Max方，Bot）和玩家（Min方）走这一步，然后计算每个分支的得分：

1. Max层（Bot走）：遍历所有空位，选能得到最高得分的那步
2. Min层（玩家走）：遍历所有空位，选能得到最低得分的那步（因为玩家会尽量让Bot得分低）
3. 递归到终点（有人赢或者平局），就返回对应的得分

第三步：可选优化——Alpha-Beta剪枝 #

如果你的棋盘不大（井字棋只有9格），剪枝不是必须，但知道了能让算法更快。它的核心是提前砍掉那些不可能影响最终结果的分支：比如Max已经找到一个10分的走法，后面的分支哪怕再高也超不过10，就不用浪费时间算了。

咱们写个极简版的核心函数，你一看就懂：

首先写个判断胜负的辅助函数：

def check_winner(board):
    # 定义所有赢棋的模式：行、列、对角线
    win_patterns = [
        [0,1,2], [3,4,5], [6,7,8],  # 横向
        [0,3,6], [1,4,7], [2,5,8],  # 纵向
        [0,4,8], [2,4,6]             # 对角线
    ]
    # 检查是否有人赢
    for pattern in win_patterns:
        if board[pattern[0]] == board[pattern[1]] == board[pattern[2]] != '':
            return board[pattern[0]]
    # 检查是否平局
    if '' not in board:
        return 'tie'
    return None

然后是Minimax核心函数：

def minimax(board, is_maximizing):
    winner = check_winner(board)
    # 终止条件：走到终点就返回对应得分
    if winner == 'O':  # Bot赢了
        return 10
    elif winner == 'X':  # 玩家赢了
        return -10
    elif winner == 'tie':  # 平局
        return 0

    if is_maximizing:
        best_score = -float('inf')
        # 遍历所有空位，模拟Bot走棋
        for i in range(9):
            if board[i] == '':
                board[i] = 'O'  # Bot走一步
                # 切换到玩家回合（Min层），递归计算得分
                score = minimax(board, False)
                board[i] = ''  # 回溯，恢复棋盘原样
                best_score = max(best_score, score)  # Max选最高分
        return best_score
    else:
        best_score = float('inf')
        # 遍历所有空位，模拟玩家走棋
        for i in range(9):
            if board[i] == '':
                board[i] = 'X'  # 玩家走一步
                # 切换到Bot回合（Max层），递归计算得分
                score = minimax(board, True)
                board[i] = ''  # 回溯
                best_score = min(best_score, score)  # Min选最低分
        return best_score

最后是Bot找最优走法的函数：

def find_best_move(board):
    best_score = -float('inf')
    best_move = -1
    # 遍历所有空位，找到得分最高的走法
    for i in range(9):
        if board[i] == '':
            board[i] = 'O'
            score = minimax(board, False)
            board[i] = ''
            if score > best_score:
                best_score = score
                best_move = i
    return best_move

很多StackOverflow的最优答案会把代码写得很简洁，甚至加上很多进阶优化（比如缓存局面得分、更复杂的剪枝逻辑），但核心就是上面这些基础逻辑。你可以先从这个极简版开始跑，测试没问题后再慢慢加优化。

比如你可以初始化一个空棋盘：board = ['', '', '', '', '', '', '', '', '']，调用find_best_move(board)就能得到Bot应该走的位置索引（0-8对应九宫格的每个位置）。跑起来你会发现，Bot再也不会轻易输了——甚至根本不会输，最多和你平局！

内容的提问来源于stack exchange，提问作者defunct-user