Akagi：开源AI麻将分析工具的技术解析与实战指南-平芜编程栈

Akagi：开源AI麻将分析工具的技术解析与实战指南

【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

Akagi是一个开源麻将AI分析工具，支持雀魂、天鳳、麻雀一番街、天月麻将等多个平台。该项目通过实时AI分析帮助玩家理解对局策略，内置Mortal AI作为示例模型，为麻将爱好者提供科学的学习工具。

项目架构与核心技术

核心组件解析

Akagi采用模块化设计，主要组件包括：

模块	功能描述	核心文件
协议解析	处理麻将游戏通信协议	`liqi.py`,`liqi_proto/`
AI引擎	提供实时分析建议	`mjai/bot/`,`model.py`
用户界面	图形化交互界面	`client.py`,`gui.py`
代理中间件	MITM数据捕获	`mitm.py`
配置管理	系统参数配置	`settings.json`,`config.json`

数据流处理流程

Akagi的数据处理流程遵循以下步骤：

数据捕获：通过MITM代理截获雀魂游戏通信
协议解析：将LiqiProto协议转换为MJAI标准格式
AI分析：Mortal AI模型实时分析牌局状态
建议生成：基于分析结果提供打牌建议
界面展示：在TUI界面中显示分析结果

安装与配置指南

环境准备

首先克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/ak/Akagi cd Akagi

安装Python依赖：

pip install -r requirement.txt

核心文件配置

模型文件准备：

从Discord社区获取mortal.pth模型文件
将文件放置在mjai/bot/目录中

主要配置文件：

settings.json- 系统核心配置

{ "Autoplay": false, "Helper": true, "Port": { "MITM": 7878, "XMLRPC": 7879, "MJAI": 28680 } }

mhm/config.py- AI行为参数定制

# 风险控制参数 risk_tolerance = 0.6 offensive_weight = 0.7 defensive_weight = 0.3

启动与运行

启动代理服务：

python mitm.py

启动主客户端：

python client.py

功能特性详解

实时分析能力

Akagi的核心功能是在游戏过程中提供即时分析：

牌效率评估：分析当前手牌的进张效率
安全牌识别：计算每张牌的放铳风险
听牌判断：评估听牌价值和改良可能性
攻防平衡：根据局势调整进攻与防守策略

三种运行模式

学习模式（推荐新手）
- 详细展示AI决策过程
- 提供多种打法的对比分析
- 记录关键决策点供复盘使用
实战模式（适合有经验玩家）
- 精简输出，专注核心建议
- 快速响应，不影响游戏节奏
- 仅显示最重要的策略提示
复盘模式（用于赛后分析）
- 导入历史对局数据
- 生成详细统计数据图表
- 识别决策模式和改进空间

支持的麻将平台

平台	支持状态	特殊要求
雀魂（网页版）	✅ 完全支持	推荐使用
天鳳	✅ 完全支持	需要配置代理
麻雀一番街	✅ 基本支持	部分功能受限
天月麻将	✅ 基本支持	需要手动适配

技术实现细节

协议转换机制

Akagi的核心技术之一是协议转换层：

转换流程：

雀魂协议 (LiqiProto) → 中间格式 → MJAI标准格式 → AI分析 → 用户建议

关键转换文件：

majsoul2mjai.py- 主要转换逻辑
liqi_proto/liqi.proto- 协议定义文件
liqi_pb2.py- 生成的协议处理代码

AI模型集成

项目使用Mortal AI作为默认模型：

模型位置：mjai/bot/mortal.pth
推理引擎：mjai/bot/bot.py
模型管理：mjai/bot/model.py

模型特性：

基于深度强化学习训练
支持实时推理（<100ms延迟）
可替换为自定义AI模型

使用场景与最佳实践

新手学习路径

对于麻将初学者，建议按以下步骤使用Akagi：

观察阶段（1-2周）
- 仅使用"学习模式"观察AI建议
- 记录不理解的建议并研究原因
- 关注牌效率分析功能
实践阶段（2-4周）
- 尝试理解AI的决策逻辑
- 对比自己的判断与AI建议
- 重点关注中盘攻防策略
自主阶段（1个月后）
- 减少对AI的依赖
- 仅在复杂局面寻求建议
- 建立自己的决策框架

中高级玩家进阶

有经验的玩家可以重点关注：

复杂局面分析：如多面听选择、攻防转换时机
特殊牌型处理：国士无双、七对子等特殊牌型策略
对手风格应对：针对不同对手调整策略

安全使用建议

为保护账号安全，请遵循以下原则：

✅推荐做法：

使用网页版而非Steam客户端
手动操作，禁用Autoplay功能
经常使用表情贴纸模拟人类行为
控制使用时间，避免长时间连续使用

❌避免行为：

完全依赖AI自动打牌
24小时不间断使用
在重要比赛或高段位对局中过度依赖
违反游戏平台使用条款的行为

性能优化与故障排除

系统资源优化

如果遇到性能问题，可以调整以下参数：

降低分析深度（settings.json）：

{ "analysis_depth": 3, "enable_visualization": false }

关闭非核心功能：

禁用实时可视化界面
仅保留文本建议输出
减少历史数据缓存大小

常见问题解决

问题1：无法连接到雀魂服务器

检查MITM代理设置是否正确
确认防火墙未阻止连接
尝试使用不同网络环境

问题2：AI建议延迟过高

降低analysis_depth参数值
关闭部分可视化功能
检查系统资源使用情况

问题3：模型文件缺失

确认mortal.pth文件已放置在正确目录
检查文件权限和完整性
从Discord社区重新下载模型文件

自定义与扩展

开发自定义AI

Akagi支持集成自定义AI模型：

模型接口：实现mjai/player.py中的Player接口
数据格式：遵循MJAI协议标准
集成测试：使用mjai/http_server/server.py进行测试

协议扩展支持

如需支持新平台，需要：

协议分析：分析目标平台的通信协议
转换器开发：编写对应的协议转换器
集成测试：确保数据流正确转换

项目维护与贡献

代码结构概览

Akagi/ ├── client.py # 主用户界面 ├── mitm.py # MITM代理服务 ├── mjai/ # AI核心模块 │ ├── bot/ # AI模型相关 │ └── http_server/ # HTTP服务接口 ├── mhm/ # 辅助功能模块 ├── liqi_proto/ # 协议定义文件 └── settings.json # 主配置文件

贡献指南

欢迎通过以下方式参与项目：

问题反馈：在GitHub Issues报告bug或建议
功能开发：实现新功能或改进现有功能
文档完善：改进使用文档或添加教程
测试验证：测试新功能并提供反馈

技术价值与学习意义

教育价值

Akagi不仅是一个游戏辅助工具，更是学习麻将策略的优秀平台：

决策透明化：展示AI的思考过程和评估标准
数据驱动学习：基于统计和概率的决策方法
渐进式提升：从基础到高级的完整学习路径

技术实现亮点

实时性：在100ms内完成完整分析流程
准确性：基于大规模对局数据训练的AI模型
可扩展性：模块化设计支持多种麻将平台
开源透明：完整代码可供学习和改进

总结

Akagi为麻将爱好者提供了一个强大的学习工具，通过AI技术帮助玩家深入理解麻将策略。项目采用开源模式，支持多种麻将平台，具有高度的可定制性。

核心建议：

将Akagi作为学习工具而非替代工具
结合自身思考使用AI建议
遵循安全使用原则保护账号
参与社区贡献促进项目发展

通过合理使用Akagi，玩家可以在享受游戏乐趣的同时，系统性地提升麻将技术水平，真正理解这项古老游戏的策略深度。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Akagi：开源AI麻将分析工具的技术解析与实战指南