Python 上使用 LLM 的国际象棋，无幻觉

用LLM和Python打造无成本无幻觉的国际象棋AI

开发者常需将大语言模型集成到游戏应用中，但OpenAI API费用较高。一个经济实惠的替代方案是OpenRouter，它提供免费的开源模型（标签为:free）。这让你可免费调用Llama 4模型，仅受消息数量限制。

客户端初始化使用标准的openai接口：

class LLMAI:
    def __init__(self, model_name="meta-llama/llama-4-maverick-17b-128e-instruct:free"):
        self.client = openai.OpenAI(
            base_url="https://openrouter.ai/api/v1",
            api_key=OPENROUTER_API_KEY,
        )
        self.model_name = model_name
        self.move_count = 0

设置base_url确保与现有代码兼容。每次走子时，模型接收一个提示，有效降低计算负担。

将棋盘状态传入提示词

大语言模型无法处理视觉棋盘，因此必须以文本形式构建上下文。标准的FEN和PGN格式结合python-chess提供的合法走法列表，可有效防止幻觉。

上下文构建代码：

# 获取当前局面的FEN格式
fen = board.fen()

# 获取走法历史的PGN格式
pgn_moves = []
temp_board = chess.Board()

# 历史走法
for move in board.move_stack:
    pgn_moves.append(temp_board.san(move))
    temp_board.push(move)

pgn_history = " ".join(pgn_moves) if pgn_moves else "起始局面"

# 获取合法走法列表
legal_moves = [move.uci() for move in board.legal_moves]
legal_moves_str = ", ".join(legal_moves)

系统提示词限定响应必须为UCI格式（4字符，如e2e4）：

prompt = f"""你正在以{'白方' if board.turn == chess.WHITE else '黑方'}下棋。

当前局面（FEN）：{fen}
走法历史：{pgn_history}
第{self.move_count}步

可用走法（UCI格式）：{legal_moves_str}
从可用选项中选择最佳走法，并仅返回UCI走法代码（例如e2e4、g1f3、e7e8q）。
不要添加解释、分析或额外文字。
响应内容只能包含UCI走法代码。"""

结合FEN（当前状态）、PGN（历史记录）和UCI列表（约束条件），相比基础提示词，准确率提升80–90%。

走法验证与备用机制

大语言模型可能忽略指令，返回文本或非法走法。解决方案？采用“AI裁判”模式：由python-chess在应用前验证UCI走法。

UI循环逻辑：

if move_uci:
    try:
        move = chess.Move.from_uci(move_uci)
        if move in self.board.legal_moves:
            # 执行走法前动画
            self.animate_move(move)
            self.board.push(move)
            self.move_history.append(move.uci())
            self.last_ai_response = f"LLM走了：{move.uci()}"
            print(self.last_ai_response)
        else:
            # 备用：随机走法
            move = random.choice(list(self.board.legal_moves))
            self.animate_move(move)
            self.board.push(move)
            self.move_history.append(move.uci())
            self.last_ai_response = f"LLM失败，随机走法：{move.uci()}"
            print(self.last_ai_response)
    except ValueError:
        # 备用：随机走法
        move = random.choice(list(self.board.legal_moves))

示例日志：

• 请求1：LLM返回'e7e5' → 合法走法。
• 请求2：LLM回复'不错，我认为最佳走法是d7d5' → 触发备用机制，走a7a6。

此设计确保游戏流畅运行，避免崩溃。

核心架构组件

该项目依赖以下核心组件：

• python-chess：棋盘管理、走法验证、FEN/PGN/UCI处理。
• pygame：棋盘渲染、走法动画。
• openai-client + OpenRouter：大语言模型推理调用。
• 备用逻辑：random.choice保障系统韧性。

模块化设计：LLMAI类将大语言模型交互与UI隔离，仅传递已验证的走法。该架构易于扩展至其他规则类游戏，如围棋或跳棋。

| 组件 | 功能 | 库 |

|-----------|------|---------|

| 棋盘 | 状态管理与验证 | python-chess |

| LLM | 走法选择 | OpenRouter Llama 4 |

| UI | 渲染与输入 | pygame |

| 裁判 | 验证 | try/except |

最关键的几点

• OpenRouter为原型开发提供强大大语言模型的免费访问，仅设请求量上限。
• 使用FEN、PGN和UCI列表构建严格提示词，可将幻觉率降至10–20%。
• “AI裁判”模式配合备用机制确保系统稳定：LLM提供建议，库负责验证并执行。
• python-chess是Python中国际象棋逻辑的事实标准，涵盖所有规则，包括王车易位和吃过路兵。
• 本项目展示了如何将非确定性模型融入确定性应用中。

— Editorial Team