6. 完整源代码与使用的模型

本文的目的

公开俄罗斯方块 AI 使用的源代码。只有在展开文件时才会加载代码。

使用的模型

• stable-baselines3 DQN：低层 7 动作模型（30 万步、37 万步）和宏 40 动作模型（30 万步）。没有附上模型文件。
• Qwen2.5-3B-Instruct GGUF q4_k_m（llama-cpp-python）：文字棋盘裁判、选择候选编号
• Qwen2.5-VL-3B-Instruct（transformers）：图像棋盘裁判、直接选择位置

文件夹结构

• tetris：C++ 引擎（tetris_engine）、C API（tetris_c_api）、Qt6 画面与 TCP 服务器（main_window、tetris_widget）、CMake
• local_tetris_env.py：用 ctypes 封装引擎的 gymnasium 环境
• simple_tetris_env.py：没有构建引擎时使用的纯 Python 环境。观测和动作格式不同，模型不能互换使用。
• macro_planning_env.py：每个方块只选一次的 40 动作环境
• train_tetris_rl.py：无画面的 DQN 训练
• train_qt_live.py：一边训练一边在 Qt 画面上显示当前模型。也有用人下的棋局来训练的模式。
• qt_rl_client.py：把训练好的模型连接到 Qt 画面上
• llm_teacher.py、vlm_teacher.py、llm_reward_wrapper.py：LLM 与 VLM 奖励裁判
• vlm_macro_client.py：由 VLM 直接选择位置的客户端
• llm_macro_client.py：候选计算与 LLM 选择编号
• moe_macro_policy.py：混合四条规则的候选选择
• config/rl_config.py：训练设置

构建产物、虚拟环境、模型权重和训练好的模型文件均已排除。

完整源代码