大部分卖家只会说「AI 智能分析」。这篇把中间四层拆开——每一层做什么、误差从哪来、你能怎么验证它靠不靠谱。
所有决策的前提是「知道现在牌桌上是什么状态」。这一步没有任何聪明算法，纯工程：模板匹配 + 位置定位。
具体做法是先把牌桌上的元素切成若干区域：你的底牌区、公共牌区、每个座位的头像/筹码/按钮。然后对每个区域做模板匹配，把像素翻译成「A♥」「K♠」「池里 1240」「轮到 3 号位」。
所以好的工具一定带标定机制：让用户对着自己实际用的牌桌截一张图，自动生成这一套模板。没有标定功能的，换个桌布就废。
验收方法：让你朋友换三种桌布主题，看识别是否还准。准的才算过关。
识别出来的是碎片，需要拼成一个完整的牌局对象：
{ 人数: 6, 位置: BTN, 我的底牌: [A♥, K♠], 公共牌: [K♦, 7♣, 2♥], 池: 1240, 需要跟注: 620, 对手动作: [加注] }
这一层的难点是时序：谁先动的、加注了几轮、哪次是 3-bet。工具靠追踪界面变化来推断，一般用「下注按钮状态 + 筹码数变化 + 行动高亮」三者交叉验证。
这里出的错最致命——如果它把「跟注」误判成「加注」，后面算出来的所有数字都是错的，但界面看起来一切正常。这也是为什么有的工具「胜率算得挺准，但建议总是怪怪的」。
理论上可以枚举所有可能的发牌组合，但河牌圈一张牌没发时，未知牌有 46 张，组合数是天文数字。蒙特卡洛抽样是标准解法：随机发牌几十万次，统计赢/平/输的比例。
误差大致与 √n 成反比。5 万次抽样，误差约 ±0.4 个百分点；20 万次约 ±0.2。低于 2 万次时，边缘牌（胜率 45%~55%）的数字会明显跳。
只算「对手随机两张牌」的胜率没意义——真实的对手不会用 72o 跟你打到河牌。所以正确做法是按范围抽样：先根据位置和动作生成一个加权手牌区间，再从区间里抽样。
这就是各家工具差距最大的地方。范围建得粗，抽样一亿次也白搭。
算出胜率 62%，然后呢？直接「62% > 50%，加注」是业余做法。真正的决策要算三条路的期望值：
注意「对手弃牌率」这一项——它不取决于你的牌，取决于对手的类型和这手牌的历史动作。这就是为什么同一个胜率，对不同对手要做不同动作。
「加注」不是一个动作，是一组动作：加到 2.5bb、3bb、半池、满池、超池。每个尺度的弃牌率和被跟注后的胜率都不同，要分别算 EV 再取最大的。
能做到这一层的工具不多。大部分只给「跟/弃」二选一，恰恰漏掉了德州最赚钱的部分。
五项都过，才值得付钱。任何一项答不上来，就是壳子。
问得最多的几个，直接给答案。
同一个工具的不同角度，点进去看细节。