首先必须承认这个问题我觉得不是很好回答，因为我个人并没有开发过德州机器人，并且也只是和PokerSnowie对抗过，且旁观过Claudico对Polk et al的比赛而已，不过还是尝试一下吧，感觉好久没谢邀了。
德州扑克机器人分类
目前来看，以我的了解，扑克机器人可以大概分为两类，即基于机器学习算法（神经网络）的机器人和基于数据收集，以固定频率试图执行数学最大化压榨策略的机器人。从我的了解来看，目前最为高级的机器学习机器人，包括PokerSnowie和CMU的Claudico，都极易被发现，因为不得不说在我的有限观测中来看他们会执行很多从人类玩家的角度上讲极为反常的打法。
由于他们采用的都是机器学习算法，所以我并不知道为何他们会这么做（比如翻牌前7倍及以上大小的3bet，或者1/10底池的Underbet等等），但我比较敢肯定在当前的网络环境下派这种机器人上平台是不太现实的，因为基本任何有一定经验的Reg都会觉得对手并不是一个人，并且我相信Claudico和PokerSnowie应该代表了这类机器人目前比较高的水平了。
以我的认知来看，如果说有人成功地开发了基于机器学习的优秀德州扑克机器人，那么这个技术公布并应用到其他可能的领域远比放到网上打牌收益高，因为考虑到被发现的风险，目前网上最大的局哪怕24开能带来的预期收益也远远不及直接去微软/谷歌/FB扎一笔，那么考虑到上面所说的，我倾向于认为一般玩家能够在网络上对抗到的机器人属于基于数据收集，以固定频率试图执行数学最大化压榨策略的机器人。
由于前面所说的，我并没有开发过这种机器人，所以这里我只能按照假设我要开发的话来猜测他们的逻辑了。如果说我要开发的话，显然我会按照某个级别整个玩家池的大数据来开发默认的压榨打法，然后再在针对特定玩家收集到足够数据后针对该玩家的数据进行进一步压榨。
这是因为，开发这种相对策略固定的机器人，其利润显然应当来自于大样本下对整个玩家池的相对优势，而不可能来自于针对特定玩家的压榨，因为既然是固定策略，那么调整显然不可能快过某个个人玩家，而且从算法设计成本上讲，也不太可能把玩家的种类分的太细。
换言之，如果我要开发机器人的话，我所追求的就是在极大样本下，我的机器人能够以微弱的优势战胜整个玩家池，而不是说我的机器人能够战胜某一个特定的玩家或者玩家池里玩的最好的玩家，因为我必须考虑开发的效率以及投入产出比，并且我只要对整个平均玩家池有一点点优势，那么我反正可以（相对）无限扩大生产规模，所以都没必要追求能够战胜最优秀的玩家。
德州扑克机器人如何工作？
举例来说，假设在某个特定级别，整个玩家池平均在前位open，在前位open平均频率有20%，然后会在Hero后位平跟的9高彩虹Flop上Cbet90%，但是转牌继续Cbet的频率只有20%，且Fold给Bet的频率比较高，那么我会根据这个频率计算一个最优的对抗方法，举例来说很可能会是30%的牌跟注Preflop，任意两张跟注Flop，然后在转牌上如果对手继续下注就弃牌，对手过牌就下注。
那么你如果想战胜这样的一个机器人的话就很简单了，你只用在9高彩虹Flop上，如果你Flop上Cbet90%，那么Turn上也Barrel 90%就可以了。于是，很容易看出来，想战胜机器人，我们需要做的其实很简单，那也就是我们的路线设计和频率设计比当级别大多数玩家做的好就可以了，换言之，我们的策略更加平衡就可以。这其实和与高手对抗基本没什么区别，因为和高手对抗，你的频率中的一点点不平衡也会被无限放大，从而被高手如同机器人一样压榨。
但这里，对抗这样的机器人显然要比对抗高手简单很多，因为高手是会调整的，你的频率在调整的同时，对手的频率也会调整。而让我想机器人在对抗你一个玩家收集到足够的大样本之前，几乎不可能调整自己的策略。
有必要开发这么（相对）复杂的机器人吗？
可能会有一个很常见的疑问，就是真的有必要开发这么（相对）复杂的机器人吗？这个在我看来是有必要的，因为网络德州尤其在中低级别其实抽水非常之高，如果只是执行一个不根据对手数据调整的纯粹固定策略，在我看来在2016年的今天实在是太难战胜一般的现金游戏了。纯粹忽略对手的固定策略只有在国内的某些比如Ante极高，筹码极短的现金桌上多账号在一个桌上串牌运算再对抗极为菜的对手才有可能战胜抽水。
怎样才能战胜德州扑克机器人？
想战胜机器人，扎实的理论基础和翻后技术是最为重要的。因为只要你的策略是相对平衡的且比当级别平均玩家池的水平更接近最优，那么你就可以战胜（当前的）机器人。当然，如果我们能够确定哪个玩家是机器人，并且转而压榨他，肯定能获得更大的利润。
换言之，其实想赢机器人和想打好扑克战胜某个级别并没有什么区别:)。不过不得不说，在我看来，现在离人类被基于机器学习（神经网络）算法的德州扑克机器人粉碎的那一天已经不远了。
