ai记牌器产品系统

玩家在实战中面临出牌决策困难、记牌负担重、对局势判断不准等痛点。该AI记牌器旨在为棋牌玩家提供实时智能辅助，解决三大核心问题：一是人工记牌易遗漏出错，尤其在快节奏对局中难以准确追踪剩余牌型分布；二是出牌策略缺乏科学依据，新手玩家往往凭直觉出牌导致败局；三是无法判断对手身份和底牌信息，难以制定针对性战术。产品面向数亿棋牌玩家，覆盖休闲娱乐与竞技提升双重场景。

项目包含以下核心功能模块：

1. 实时屏幕识别模块 ：通过无障碍服务捕获棋牌游戏画面，自动识别手牌、出牌区、玩家位置等关键信息，构建完整牌局状态。
2. 智能记牌模块 ：实时追踪54张牌的出牌记录，计算各牌面剩余数量，以悬浮窗形式直观展示剩余牌分布，支持炸弹、顺子等组合牌型概率提示。
3. AI出牌推荐模块 ：采用双模型混合推理架构——DouZero强化学习模型提供纳什均衡级出牌策略，Gemma-4 E2B大语言模型提供局势分析和战术建议，两者融合生成置信度加权的推荐结果。
4. 斗地主规则引擎 ：自动检测地主身份（首出牌者/20张手牌判定）、出牌权轮转、1v2/2v1角色关系识别，以及底牌推断（农民视角下基于已知信息推断3张底牌）。
5. 悬浮窗HUD系统 ：可拖拽、可缩小的常驻悬浮窗，实时显示AI推荐动作、剩余牌数、局势评估、底牌推断等信息，支持动画过渡和推荐稳定化防抖。

我负责该项目的全栈开发，包括Android客户端架构设计、AI推理引擎集成、游戏逻辑模块开发及性能优化。具体任务与技术实现如下：

1. 架构设计 ：采用MVVM + Hilt依赖注入架构，使用StateFlow驱动UI响应式更新，模块化设计确保记牌、识别、推理、展示各层解耦。
2. 双模型混合推理 ：核心亮点。DouZero ONNX模型在设备端本地运行，提供毫秒级出牌策略；Gemma-4 E2B大模型通过llama.cpp JNI原生调用GGUF格式模型文件，提供深度局势分析。两路结果通过置信度加权融合，兼顾速度与质量。
3. llama.cpp Android原生集成 ：技术难点。使用NDK交叉编译llama.cpp C++库为arm64-v8a原生库，自研JNI桥接层（llama-jni.cpp），在Kotlin层通过NativeLlmEngine封装模型加载、推理生成、资源释放全流程，支持优雅降级（原生LLM→Python LLM→纯DouZero）。
4. 斗地主规则引擎 ：实现全局时间线对齐算法（buildGlobalTimeline），解决各位置出牌记录异步导致的轮次错位问题；基于连续PASS计数判断出牌权归属和自由出牌状态。
5. 性能优化 ：预编译llama.cpp原生库避免Chaquopy构建卡死；GGUF Q4_K_M量化使2.8B模型在手机端可运行；推荐稳定化算法（5帧窗口去重）消除悬浮窗跳动。