玩家类型分类 (Player Type Classification)

定义

玩家类型分类是一种基于 VPIP（自愿入池率） 和 PFR（翻前加注率） 两个关键指标的玩家风格分类框架。通过这两个维度的组合，可将玩家归入4个标准类型，从而快速制定针对性的剥削策略。

该框架的核心逻辑是：知道对手属于哪种类型 → 预判其范围和倾向 → 选择最大化EV的应对策略。

VPIP/PFR 四象限框架

                PFR 高
                  │
                  │
     TAG          │           LAG / Maniac
  (紧凶)          │         (松凶 / 疯子)
  少入池+多加注   │         多入池+多加注
                  │
──────────────────┼───────────────────→ VPIP
                  │
     NIT          │         Calling Station
  (紧弱/岩石)     │        (松弱/跟注站)
  少入池+少加注   │         多入池+少加注
                  │
                PFR 低

各类型范围

类型	VPIP	PFR	典型翻前范围
NIT	~10-15%	~5-8%	仅顶级牌：TT+、AQ+；limp或弃掉其余
TAG	~15-20%	~12-16%	标准GTO略紧：各位置合理范围
LAG	~25-35%	~20-28%	远宽于GTO：大量同花连牌、小对子、Ax
Maniac	~35%+	~28%+	接近任意牌加注，频繁3-bet/4-bet
Calling Station	~30-45%	~5-10%	宽范围跟注，极少加注，被动游戏

玩家类型详解

1. NIT（紧弱型/岩石型）

识别特征：

只玩顶级牌，入池率极低
加注范围=实际范围（不诈唬）
被动：跟注多，加注少

对抗策略：

多偷盲（他们弃牌过多）
面对他们的加注时OVER弃牌——他们真有牌
用隐含赔率牌跟注，中了就清空他们
避免和他们打大底池
少做3-bet诈唬——他们不会弃牌（因为入池就是好牌）

2. TAG（紧凶型）

识别特征：

标准/偏紧的范围，加注频繁
翻前翻后都比较有侵略性
是GTO策略最接近的玩家类型

对抗策略：

使用基本GTO策略即可对抗
部分TAG对4-bet过度弃牌，可多4-bet诈唬
翻后如果对手示弱，积极施加压力

3. LAG（松凶型）

识别特征：

入池率高，加注频率高
范围宽，包含大量垃圾牌
翻后具有侵略性

对抗策略：

减少弃牌频率，扩大防守范围
用中等强度牌跟注（翻前加注）而不是3-bet——让对手在不利位置用垃圾牌看翻牌
用强线性范围（非极化）3-bet，准备接招
翻后如果击中牌，不用担心支付问题——LAG会自己送钱

4. Maniac（疯子型）

识别特征：

极其松凶，频繁加注/3-bet/4-bet
任何牌都可能玩，任何街都可能诈唬
翻前翻后都不怕冲突

对抗策略：

不要过度弃牌——用中等以上强度牌跟注到底
用强线性范围3-bet，准备全押（99+、AJ+）
少诈唬——对手不会弃牌
如果翻牌前有机会，用稍宽的范围全押（他们可能用垃圾牌跟注）

5. Calling Station（松弱型/跟注站）

识别特征：

入池率高但很少加注
跟注为主，被动游戏
翻后也倾向于跟注而不是加注

对抗策略：

增加价值下注——他们会用差牌跟注
减少诈唬——对手不会弃牌
用强线性范围3-bet（他们会用宽范围跟注）
翻后持续下注频率可以很高，但要有牌才下大注

识别方法

线下没有 HUD，识别玩家类型的核心方法：手工估算 VPIP/PFR。

手工估算公式

观测指标	近似映射	怎么数
VPIP	每圈入池几次	一圈 9 人桌，玩 1 手 ≈ VPIP 11%，2 手 ≈ 22%
PFR	入池时是加注还是跟注	看他入池 5 次里，几次是自己加注的
PFR/VPIP 比值	凶度指标	NIT ~0.5，TAG ~0.7-0.8，LAG ~0.8+，跟注站 ~0.1-0.3

一圈定类型法

第一圈就够做初步分类：

你看到的情况	结论	置信度
一圈里一手没玩	偏紧（NIT 或 TAG）	中
一圈里玩了 2-3 手且都自己加注	LAG	高
一圈里玩了 2-3 手且都是 limp/call	跟注站	高
某手牌他 3-bet 了	排除 NIT	高（NIT 极少 3-bet）
某手牌他 limp-reraise 了	大概率不是跟注站	中
某手牌他在翻后连开三枪	偏凶（TAG/LAG/Maniac）	高

各类型的线下行为签名

NIT（紧弱型）

坐那儿半天不动，像睡着了
好不容易入池——要么 limp，要么小加注
关键判据：翻前加注时手微抖/呼吸变重/数筹码特别仔细 → 真有牌
翻后 check-fold 特别快
一小时内只玩 2-3 手很正常

TAG（紧凶型）

入池频率适中，但每次入池基本都是自己加注
动作节奏一致，不拖沓也不急躁
3-bet 频率有但不过分
容易被误判为 NIT：区别在于 TAG 入池后的侵略性——翻后会持续下注

LAG（松凶型）

经常在说话/玩手机/喝酒，同时还在加注
几乎每圈都参与 1-2 手
关键判据：他在后位（CO/BTN）时几乎必加注
翻后也凶，下注节奏快
区别于 Maniac：被 3-bet 后会适当弃牌

Maniac（疯子型）

桌上最活跃的人，每手牌都在动
前面 limp 3 个人，他还能 3-bet
关键判据：你 3-bet 他，他从不弃牌（要么跟要么 4-bet）
筹码起伏极大——半小时翻三倍或输光
通常伴随喝酒/情绪高涨/明显在”玩”

Calling Station（跟注站）

最容易识别的类型
口头禅：“我跟”（call）
关键判据：从翻前到河牌几乎没见他主动加注过
亮牌时经常是中对/底对/纯空气跟注到最后
容易被误判为 LAG：入池多≠凶。区分方法 → 看是加注入池还是跟注入池

线下独有信号

这些是线上看不到的：

信号	暗示
翻前看牌后马上摸筹码准备下注	大概率有好牌（在准备动作）
翻前看牌后秒弃	差牌，也说明他不 slow-play → 偏直白
一直在聊天/玩手机，某手牌突然安静	有牌，在集中注意力
跟注前犹豫很久	中等牌在纠结（真正的好牌或纯垃圾动作都快）
下注时手抖/呼吸变重	强牌紧张（演员在小级别极少）
每次下注大小高度一致	有经验的常客（TAG 或 LAG）
下注大小忽大忽小	新手/娱乐玩家，尺度可能暴露牌力
赢了大底池后下一手必玩	情绪驱动，可能正向 LAG/Maniac 偏移

常见误判

“玩很多牌”≠ LAG：关键看他怎么入池。80% 入池但只加注 5% = 跟注站，不是 LAG
NIT 也可能 limp-call：NIT 的 limp 范围可能含 AA/KK 设陷阱。但这种情况极少，且翻后他们的侵略模式会暴露
Maniac 和 LAG 的界限：对他 3-bet。弃牌 = LAG；跟注/4-bet = Maniac
“半天没玩”≠ NIT：可能只是拿了 20 手烂牌。看完入池时他加注了没
刻板印象陷阱：“老人/西装=紧”、“年轻人/戴耳机=松”——不可靠。只看行动

渐进观察流程

第一圈（~9手）
  ├─ 完全不参与 → 偏紧（NIT/TAG候选）
  ├─ 参与1-2手，都自己加注 → 偏凶（TAG/LAG候选）
  └─ 参与且都跟注 → 跟注站候选

第二圈（再~9手）
  ├─ 观察入池方式：limp多 → NIT/跟注站；raise多 → TAG/LAG
  ├─ 观察翻后：check-fold多 → NIT/跟注站；持续下注多 → TAG/LAG
  └─ 观察被攻击时反应：弃牌 → 非Maniac；反击 → LAG/Maniac

第三圈（再~9手）
  ├─ 观察亮牌：紧弱亮强牌，松凶亮垃圾
  └─ 基本可做最终分类

3 圈 ≈ 27 手牌，标准线下速度约 15-20 分钟，足够对桌上 80% 的玩家完成可靠分类。

动态调整

玩家类型不是固定的——需要根据收集到的信息持续更新：

初始假设 → 观察到行动 → 修正判断 → 调整策略
一个好的做法：每个玩家至少观察 1-2 圈（9-18 手） 后做初步判断，3 圈后确认
注意玩家可能在不同 session 改变风格（输钱了变 NIT，赢钱了变 LAG）
被 Bad Beat 后立刻观察：接下来的 2-3 手最能暴露真实倾向（Tilt 变 Maniac？还是冷静如常？）

Nodelock 验证的量化行为指纹

以下是基于 nodelock 实验（节点锁定） 从 GTO Wizard 系列文章中提取的精确量化行为指纹，用于在牌桌上快速识别特定玩家类型并制定最大化剥削策略。

NIT / 紧弱被动型的量化指纹

翻前 3-bet 行为：

BB 位置仅 3-bet 价值手牌（AA/KK/QQ/AK），完全缺失创造性诈唬 3-bet（K6s-K2s、Q6s-Q2s、低同花连张）
大众玩家 BB 的 3-bet 频率系统性低于 GTO 基准（GTO 约 5.4% vs UTG open），实际范围更偏价值端

河牌加注行为——最具爆炸性的漏洞：

GTO 中 BB 应在河牌加注约 35% 的第二对子和约 80% 的顶对（特定牌面：8♠5♠2♥ T♦ K♠），这些薄价值加注对范围平衡至关重要
NIT 永远不会在 overcard + 同花完成的河牌用第二对子加注——对他们来说”太薄”
NIT 同样不会找到足够的诈唬加注
结果：NIT 的河牌加注范围 = 纯坚果（两对以上），zero bluff

Nodelock 实验数据（SB open，BB call，上述牌面）：

将 BB 锁定为：第二对/顶对只用跟注、零诈唬加注、过度弃掉抓诈牌
SB 抓诈区域的应对变化：
- GTO：约 5% 转诈唬、约 38% 跟注、其余弃牌
- 剥削 vs NIT：100% 弃牌，零跟注，零再加注诈唬
原因：抓诈需要约 25.5% equity 才有利可图，而面对纯坚果范围 equity 接近 0%

对抗 NIT 的核心剥削法则：

面对翻前 3-bet → 跳过所有 4-bet bluff，过度弃牌
面对河牌加注 → 纯弃掉所有抓诈牌（bluff catcher）——不要考虑阻断张，对手没有诈唬可阻断
翻前无数据时默认过度弃牌是安全选择

跟注站 / 粘性被动型的量化指纹

翻牌面对 check-raise 的行为：

跟注过宽，具体表现为：不弃任何对子，用 AT/AJ/AQ 纯跟注面对 x/r
这种过度粘性导致对手的弱诈唬无法获取弃牌权益

Nodelock 验证的剥削调整（CO open，BTN call，9♣5♦2♣）：

翻牌 x/r 范围重构：
1. 更多快打价值牌（好牌和最强牌）——跟注站不弃牌，value 应直接榨取
2. 减少弱牌/垃圾牌的加注频率——低 equity 诈唬（如 QTo with BDFD）大幅减少，因为对手正是不弃这些牌想打走的对子和 A-high
3. 高 equity 诈唬（同花听牌、组合听牌）大幅增加加注——面对宽范围表现更好
核心原则：面对 sticky 对手，x/r 范围应更 equity-driven——避开弱听牌，快打价值牌

转牌连锁效应（Brick turn 2♠）：

翻牌 equity-driven x/r + 对手 call 过宽 → 进入转牌时我方获得 巨大的范围优势
策略从极化下注转为 近乎范围下注（range betting）用中等尺寸持续施压
对手的过宽范围在转牌被持续碾压

未学习型玩家（Unstudied）的量化指纹

尺度马脚（Sizing Tell）——分类的核心特征：

此类玩家选择下注尺寸的决策依据是 自身手牌强度，而非范围 vs 范围的交互和牌面动态
当牌面出现同花可能后，他们会将同花全部放入大尺寸（如 100% 底池），非坚果牌放入小尺寸（如 40% 底池）
这导致每个尺寸背后的范围 严重失衡

Nodelock 验证的剥削（T♣8♣4♦ 2♣）：

vs 大尺寸（含同花密集范围）：BB 几乎全范围弃牌，仅用极少数最强手牌全下——面对坚果范围无需防守
vs 小尺寸（无同花，范围弱化）：BB 几乎不弃牌，更薄地加注价值牌、更多诈唬加注——小尺寸 = 可攻击的弱点

识别技巧（线上线下通用）：

观察同一对手在不同牌面的下注尺寸。如果大牌面大注、小牌面小注呈固定模式，基本可确认是未学习型
此类玩家大概率也是翻前被动型（BB under-3bet），可在翻前开始部署针对
判断依据：下注大小忽大忽小（线下信号中已提及）——必须结合 牌面判定，不能单看尺寸变化

指纹速查表

玩家子类型	量化指纹	最佳剥削	数据来源
NIT（紧弱）	BB 3-bet 缺诈唬；河牌加注=纯坚果；顶对/第二对不加注	跳过 4-bet bluff；河牌纯弃抓诈牌	笔记-GTOWizard-三大致命漏洞
跟注站	翻牌 vs x/r 不弃对子；AT/AJ/AQ 纯跟注	x/r 更 equity-driven；转牌 range-bet	笔记-GTOWizard-三大致命漏洞
未学习型	按手牌强度选 size；同花=大注、非坚果=小注	大注纯弃牌；小注薄加注+多诈唬	笔记-GTOWizard-翻前错误与尺度泄露

方法论说明：以上量化数据均来自 GTO Wizard 的 nodelock 节点锁定实验——通过锁定对手的特定偏差（如”不加注第二对”），求解器重新计算最优回应。这种方法论详见笔记-GTOWizard-信息战。

参考资料

笔记-PokerCoaching-100bb翻前 — 第8课：玩家类型四分法
笔记-overbank-扑克教学系列 — 剥削策略课程中隐含的玩家类型概念

历史记录

2026-04-25: 页面创建
2026-04-28: 大幅扩充识别方法章节——新增手工估算VPIP/PFR公式、一圈定类型法、五类行为签名、线下独有信号、渐进观察流程
2026-05-02: 新增 Nodelock 验证的量化行为指纹章节——NIT（河牌纯坚果加注、翻前under-3bet）、跟注站（翻牌sticky x/r应对）、未学习型（尺度马脚），附量化数据和指纹速查表

JoyPoker

概念-玩家类型分类

玩家类型分类 (Player Type Classification)

定义