Show HN：构建一个万智牌（Magic the Gathering）基准测试

开发者用开源 Java 规则引擎 Forge 搭建了一套让 LLM 代打万智牌的测试框架，并举办 8 个智能体互相对战的锦标赛来比较模型强弱。首轮测试中 Claude、Kimi、Gemini、Grok 等频繁出现严重失误，排查后发现主因是框架本身：靠字符串匹配解析模型回复、隐藏的 Forge AI 兜底决策、不完整的游戏状态。