Erstellen eines Schachspiels mit Python und 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}")
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!
Hinzufügen der Schachbibliothek
Als nächstes bringen wir Python-Schach ein, das sich um die Brettverwaltung, die Zugvalidierung und Spiele-Endszenarien kümmert.
pip install chess
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
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'.")
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.")
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
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
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}")
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!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

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

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











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.

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 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 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.

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

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.

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.

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
