翻译Deep Learning and the Game of Go（5）第3章：实现你第一个围棋AI（下）

3.4 创建你第一个AI:可以想见的最弱AI

在实现了围棋棋盘和游戏状态类之后，您可以构建您的第一个围棋AI。这个机器人将是一个很弱的玩家，但它将为你的后续所有改进奠定基础。首先，您需要定义所有机器人都要调用的接口，并把定义放入agent文件下中的base.py中。

class Agent:
    def __init__(self):
        pass

    # 根据棋盘盘面状态去选择相应落子
    def select_move(self,game_state):
        raise NotImplementedError()  # 预留一个借口先不实现，让子类去实现

就是这样一种方法，机器人所做的一切都是在当前游戏状态下选择一个落子。当然，在内部，这可能需要十分复杂的操作，如评估目前的棋盘盘面，但玩游戏，这就是我们的机器人永远需要的。

我们的第一个实现将尽可能的弱智：它将随机选择任何有效的移动，并且不去填它自己的真眼。你可以把这个随机AI放在agent下面。回想起第二章，在围棋中，学生的排名通常从30级到1级。按这个比例，你的随机机器人在30级水平，是绝对的初学者。

import random
from dlgo.agent.base import Agent
from dlgo.agent.helpers import is_point_true_eye
from dlgo.goboard_slow import Move
from dlgo.gotypes import Point


# 随机落子AI
class RandomBot(Agent):
    def select_move(self, game_state):
        # 合法落子集合
        valid_moves = []
        for r in range(1, game_state.board.num_rows+1):
            for c in range(1, game_state.board.num_cols+1):
                point = Point(row=r,col=c)
                # 保证合法且不是自填眼位
                if game_state.is_valid(Move.play(point)) and not is_point_true_eye(point,game_state.current_player):
                    valid_moves.append(point)
        if not valid_moves:
            print("over")
        return Move.play(random.choice(valid_moves))

现在保证你的agent模块是如下结构（空的_init_py以初始化模块）：

dlgo
    agent
        __init__.py 
        helpers.py
        base.py 
        naive.py

最后，您可以设置一个驱动程序，在随机落子AI的两个实例之间进行完整的游戏。首先，您要定义方便的功能函数，例如在控制台中打印整个棋盘或个人落子。