Akagi麻将AI实战指南：从零部署深度学习辅助系统

张

张建站

2026/4/27 0:39:42

10分钟阅读

Akagi麻将AI实战指南从零部署深度学习辅助系统【免费下载链接】Akagi支持雀魂、天鳳、麻雀一番街、天月麻將能夠使用自定義的AI模型實時分析對局並給出建議內建Mortal AI作為示例。 Supports Majsoul, Tenhou, Riichi City, Amatsuki, with the ability to use custom AI models to analyze games in real time and provide suggestions. Comes with Mortal AI as a built-in example.项目地址: https://gitcode.com/gh_mirrors/ak/AkagiAkagi是一款革命性的开源麻将AI智能辅助系统通过深度学习模型和实时网络分析技术为雀魂、天鳳等主流麻将平台提供专业级决策支持。本文将深入解析如何从零开始部署这款雀魂AI助手并利用其深度学习麻将分析功能提升你的麻将技能。技术原理MITM代理与AI决策的完美结合Akagi的核心创新在于其独特的实时网络分析架构。不同于传统的屏幕识别方案Akagi采用MITM中间人代理技术直接截获游戏服务器通信实现100%准确的牌局信息获取。实时数据流处理机制系统通过mitm.py模块建立代理服务器实时解析雀魂的WebSocket通信协议# 核心拦截逻辑示例 def websocket_message(self, flow): # 解析LiqiProto协议 game_state self.parse_liqi_proto(flow.messages[-1].content) # 转换为标准mjai格式 mjai_events self.convert_to_mjai(game_state) # AI模型推理 ai_recommendation self.bot.react(mjai_events) return ai_recommendation协议转换引擎Akagi的协议转换层位于liqi_proto/和mahjong_soul_api/目录中支持多种麻将平台平台支持状态协议文件雀魂完整支持liqi_proto/liqi.proto天鳳基础支持mahjong_soul_api/ms/protocol.proto麻雀一番街适配中协议适配层天月麻將基础支持协议适配层快速部署指南5分钟搭建AI辅助环境环境准备与依赖安装首先克隆项目仓库并安装必要依赖git clone https://gitcode.com/gh_mirrors/ak/Akagi cd Akagi pip install -r requirement.txt获取AI模型文件Akagi内置Mortal AI模型作为示例你需要从Discord社区获取mortal.pth模型文件将mortal.pth放置在mjai/bot/目录可选在players/目录放置自定义bot.zip文件基础配置调整修改settings.json文件以适配你的使用场景{ Autoplay: false, Helper: true, Port: { MITM: 7878, XMLRPC: 7879, MJAI: 28680 }, Playwright: { enable: true, width: 1280, height: 720 } } 实战应用三大核心功能深度解析1. 实时牌局分析与决策支持Akagi的libriichi_helper.py模块实现了专业的牌效率计算算法def calculate_tile_efficiency(hand_tiles, drawn_tile): 计算手牌进张效率 # 分析当前手牌结构 # 计算最佳切牌选择 # 评估未来3-5巡的期望进张数 return optimal_discard牌效率计算基于以下关键指标评估维度计算原理应用场景进张数剩余牌张统计手牌改良选择向听数最小向听数计算听牌速度评估打点期望役种组合概率和牌价值判断安全度现物与筋牌分析防守决策支持2. 风险评估与防守策略当对手立直时Akagi的风险评估系统自动激活。系统通过概率计算模块分析每张牌的安全等级安全等级放铳概率推荐策略绝对安全牌1%优先切出筋牌理论牌1-5%中等优先级一般危险牌5-20%谨慎使用超危险牌20%绝对避免3. 多平台兼容性实战Akagi支持多种运行模式通过client.py进行控制# 启动学习模式详细分析 python client.py --mode learn # 启动实战模式精简输出 python client.py --mode play # 启动复盘模式历史分析 python client.py --mode review 高级配置性能优化与自定义扩展低配置设备优化策略对于性能有限的设备可以通过修改mhm/config.py调整系统参数# 性能优化配置 config { analysis_depth: 3, # 减少分析深度 enable_visualization: False, # 关闭可视化 cache_size: 100, # 减少缓存大小 batch_size: 1 # 单批次推理 }自定义AI模型集成Akagi设计了灵活的AI模型接口开发者可以轻松集成自定义模型# 自定义AI模型示例 class CustomMahjongAI: def __init__(self, model_path): self.model load_custom_model(model_path) def react(self, mjai_events): # 实现自定义推理逻辑 predictions self.model.predict(mjai_events) return format_recommendation(predictions) 系统架构深度解析三层模块化设计Akagi采用清晰的三层架构确保系统的高可维护性和扩展性├── 通信拦截层 (mitm.py) │ ├── MITM代理服务器 │ ├── WebSocket解析 │ └── 实时数据捕获 │ ├── 协议解析层 (liqi.py) │ ├── LiqiProto协议转换 │ ├── mjai格式标准化 │ └── 多平台适配器 │ └── AI决策层 (mjai/bot/) ├── Mortal AI模型 ├── 推理引擎 └── 策略生成器关键技术亮点毫秒级响应AI推理延迟控制在100ms以内100%信息准确直接解析网络协议避免识别误差轻量化部署核心模型仅80MB普通硬件即可运行教育导向设计强调学习价值而非自动化操作实战场景应用指南新手教学从基础到进阶刚接触日本麻将的玩家可以通过Akagi快速掌握核心概念起手牌评估系统自动识别手牌价值标记潜在役种方向搭子组合建议从13张牌中推荐效率最高的5个搭子组合鸣牌决策支持计算鸣牌后的手牌改进概率与得失中盘攻防动态策略调整当游戏进入中盘阶段Akagi提供智能策略建议优势局进攻推荐积极做牌追求高打点劣势局防守优先安全度避免放铳平衡局判断基于场况和点差推荐最优平衡策略终盘精确操作每一手都至关重要终盘阶段Akagi提供专业级支持听牌改良判断分析是否应该改良听牌还是直接立直安全牌序列基于现物和筋牌理论生成安全牌优先级列表和了价值计算比较不同和牌方式的得点差异故障排除与优化建议常见问题解决方案问题现象可能原因解决方案无法连接游戏MITM端口冲突修改settings.json中的端口设置AI建议延迟高硬件性能不足调整config.py中的性能参数协议解析错误游戏版本更新更新liqi_proto/中的协议文件模型加载失败文件路径错误确认mortal.pth在正确目录网络连接优化Akagi支持多种网络配置模式直连模式最低延迟适合稳定网络环境代理模式通过proxinject支持Steam客户端混合模式Web版直连Steam版代理未来发展与社区生态技术路线图Akagi开发团队正致力于以下技术升级多模型融合架构集成多种AI算法优势图像识别增强减少对MITM监控的依赖分布式计算支持多GPU并行推理加速安全使用指南为确保账号安全建议遵循以下准则✅平台选择优先使用网页版而非Steam客户端✅功能限制禁用Autoplay功能手动操作✅行为模拟经常使用表情贴纸模拟人类行为✅使用频率避免24小时连续使用设置合理休息时间总结从工具到学习平台Akagi不仅是一个游戏辅助工具更是一个麻将策略学习平台。通过科学的数据分析和AI建议玩家可以理解牌效率的数学基础掌握防守理论的概率计算学习局势判断的综合分析方法培养长期策略的思维框架项目的开源特性和活跃的Discord社区确保了长期的技术支持和功能更新。无论你是麻将初学者希望快速入门还是高级玩家追求技术突破Akagi都能提供专业级的决策支持和学习指导。通过将复杂的麻将策略可视化Akagi帮助玩家实现从经验驱动到数据驱动的思维转变真正理解麻将的策略本质在享受游戏乐趣的同时不断提升技术水平。【免费下载链接】Akagi支持雀魂、天鳳、麻雀一番街、天月麻將能夠使用自定義的AI模型實時分析對局並給出建議內建Mortal AI作為示例。 Supports Majsoul, Tenhou, Riichi City, Amatsuki, with the ability to use custom AI models to analyze games in real time and provide suggestions. Comes with Mortal AI as a built-in example.项目地址: https://gitcode.com/gh_mirrors/ak/Akagi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考