Heim Backend-Entwicklung Python-Tutorial Erstellen eines Schachspiels mit Python und OpenAI

Erstellen eines Schachspiels mit Python und OpenAI

Nov 26, 2024 am 06:30 AM

Building a Chess Game with Python and OpenAI

Ich genieße es, kleine, alberne Dinge zu programmieren, wenn ich am Wochenende etwas Freizeit habe. Aus einer solchen Idee wurde ein Kommandozeilen-Schachspiel, bei dem man gegen OpenAI spielen kann. Ich nannte es „SkakiBot“, inspiriert von „Skaki“, dem griechischen Wort für Schach.

Die hervorragende Python-Schachbibliothek kümmert sich um alle Schachmechaniken. Das Ziel besteht nicht darin, eine Schach-Engine von Grund auf zu entwickeln, sondern zu zeigen, wie einfach OpenAI in ein Projekt wie dieses integriert werden kann.

Lassen Sie uns in den Code eintauchen und sehen, wie alles zusammenpasst!

Der Einstiegspunkt

Wir beginnen mit der Einrichtung einer grundlegenden Spielschleife, die Benutzereingaben aufnimmt und die Grundlage für die Schachlogik bereitet.

def main():
    while True:
        user_input = input("Enter your next move: ").strip()

        if user_input.lower() == 'exit':
            print("Thanks for playing SkakiBot. Goodbye!")
            break

        if not user_input:
            print("Move cannot be empty. Please try again.")
            continue

        print(f"You entered: {user_input}")
Nach dem Login kopieren
Nach dem Login kopieren

Zu diesem Zeitpunkt macht der Code noch nicht viel. Es fordert den Benutzer lediglich zur Eingabe auf, validiert diese und druckt sie aus:

Enter your next move: e2e4
You entered: e2e4
Enter your next move: exit
Thanks for playing SkakiBot. Goodbye!
Nach dem Login kopieren

Hinzufügen der Schachbibliothek

Als nächstes bringen wir Python-Schach ein, das sich um die Brettverwaltung, die Zugvalidierung und Spiele-Endszenarien kümmert.

pip install chess
Nach dem Login kopieren

Wenn die Bibliothek installiert ist, können wir ein Schachbrett initialisieren und ausdrucken, bevor wir zur Benutzereingabe auffordern:

import chess

def main():
    board = chess.Board()

    while not board.is_game_over():
        print(board)

        user_input = input("Enter your next move (e.g., e2e4): ").strip()

        if user_input.lower() == 'exit':
            print("Thanks for playing SkakiBot. Goodbye!")
            break
Nach dem Login kopieren

Verschiebungsvalidierung hinzufügen

Um das Spiel funktionsfähig zu machen, müssen wir Benutzereingaben validieren und legale Züge auf dem Spielbrett anwenden. Für Züge wird das UCI-Format (Universal Chess Interface) verwendet, bei dem Sie das Start- und Endfeld angeben (z. B. e2e4).

def main():
    board = chess.Board()

    while not board.is_game_over():
        # ...

        try:
            move = chess.Move.from_uci(user_input)
            if move in board.legal_moves:
                board.push(move)
                print(f"Move '{user_input}' played.")
            else:
                print("Invalid move. Please enter a valid move.")
        except ValueError:
            print("Invalid move format. Use UCI format like 'e2e4'.")
Nach dem Login kopieren

Umgang mit Endspielen

Wir können jetzt mit Spielende-Szenarien wie Schachmatt oder Patt umgehen:

def main():
    board = chess.Board()

    while not board.is_game_over():
        # ...

    if board.is_checkmate():
        print("Checkmate! The game is over.")
    elif board.is_stalemate():
        print("Stalemate! The game is a draw.")
    elif board.is_insufficient_material():
        print("Draw due to insufficient material.")
    elif board.is_seventyfive_moves():
        print("Draw due to the seventy-five-move rule.")
    else:
        print("Game ended.")
Nach dem Login kopieren

In dieser Phase spielen Sie für beide Seiten. Sie können es testen, indem Sie Fool's Mate mit den folgenden Zügen im UCI-Format ausprobieren:

  • f2f3
  • e7e5
  • g2g4
  • d8h4

Dies führt zu einem schnellen Schachmatt.

OpenAI integrieren

Jetzt ist es an der Zeit, die KI eine Seite übernehmen zu lassen. OpenAI bewertet den Zustand des Boards und schlägt den besten Schritt vor.

Abrufen des OpenAI-Schlüssels

Wir beginnen mit dem Abrufen des OpenAI-API-Schlüssels aus der Umgebung:

# config.py

import os

def get_openai_key() -> str:
    key = os.getenv("OPENAI_API_KEY")
    if not key:
        raise EnvironmentError("OpenAI API key is not set. Please set 'OPENAI_API_KEY' in the environment.")
    return key
Nach dem Login kopieren

KI-Bewegungsgenerierung

Als nächstes schreiben wir eine Funktion, um den Board-Status – im Format Forsyth-Edwards Notation (FEN) – an OpenAI zu senden und einen vorgeschlagenen Zug abzurufen:

def get_openai_move(board):
    import openai
    openai.api_key = get_openai_key()
    board_fen = board.fen()

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "system", "content": (
                "You are an expert chess player and assistant. Your task is to "
                "analyse chess positions and suggest the best move in UCI format."
            )},
            {"role": "user", "content": (
                "The current chess board is given in FEN notation:\n"
                f"{board_fen}\n\n"
                "Analyse the position and suggest the best possible move. Respond "
                "with a single UCI move, such as 'e2e4'. Do not provide any explanations."
            )}
        ])

    suggested_move = response.choices[0].message.content.strip()
    return suggested_move
Nach dem Login kopieren

Die Eingabeaufforderung ist einfach, funktioniert aber gut, um gültige Züge zu generieren. Es bietet ausreichend Kontext für OpenAI, um den Board-Status zu verstehen und mit einem rechtlichen Schritt im UCI-Format zu reagieren.

Der Brettstatus wird im FEN-Format gesendet, das einen vollständigen Überblick über das Spiel gibt, einschließlich Figurenpositionen, wer an der Reihe ist, Rochaderechte und andere Details. Dies ist ideal, da die API von OpenAI zustandslos ist und keine Informationen zwischen Anfragen speichert, sodass jede Anfrage den gesamten erforderlichen Kontext enthalten muss.

Im Moment ist das Modell der Einfachheit halber fest als gpt-3.5-turbo codiert, aber es wäre besser, es aus der Umgebung abzurufen, wie wir es für den API-Schlüssel getan haben. Dies würde es einfacher machen, später mit verschiedenen Modellen zu aktualisieren oder zu testen.

Die letzte Spielschleife

Endlich können wir die KI in die Hauptspielschleife integrieren. Die KI wertet das Board nach jeder Benutzerbewegung aus und spielt ihre Antwort ab.

def main():
    while True:
        user_input = input("Enter your next move: ").strip()

        if user_input.lower() == 'exit':
            print("Thanks for playing SkakiBot. Goodbye!")
            break

        if not user_input:
            print("Move cannot be empty. Please try again.")
            continue

        print(f"You entered: {user_input}")
Nach dem Login kopieren
Nach dem Login kopieren

Das ist es! Sie haben jetzt ein funktionierendes Schachspiel, in dem Sie gegen OpenAI spielen können. Es gibt viel Raum für Verbesserungen im Code, aber er ist bereits spielbar. Ein lustiger nächster Schritt wäre, zwei KIs gegeneinander antreten zu lassen und sie gegeneinander antreten zu lassen.

Der Code ist auf GitHub verfügbar. Viel Spaß beim Experimentieren!

Das obige ist der detaillierte Inhalt vonErstellen eines Schachspiels mit Python und OpenAI. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1675
14
PHP-Tutorial
1278
29
C#-Tutorial
1257
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python für wissenschaftliches Computer: Ein detailliertes Aussehen Python für wissenschaftliches Computer: Ein detailliertes Aussehen Apr 19, 2025 am 12:15 AM

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

See all articles