Akagi：如何用AI实时分析雀魂对局提升麻将技巧？-平芜编程栈

Akagi：如何用AI实时分析雀魂对局提升麻将技巧？

【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

想在雀魂对局中获得专业级的实时AI分析与策略指导吗？Akagi是一个开源麻将智能辅助系统，通过深度学习技术为玩家提供从牌局解读到决策建议的全流程支持，将AI分析转化为真实的麻将技艺提升。这个系统支持雀魂、天鳳、麻雀一番街、天月麻將等多个平台，能够使用自定义的AI模型实时分析对局并给出建议，内置Mortal AI作为示例。

核心关键词：雀魂AI分析、实时麻将辅助、深度学习麻将决策
长尾关键词：雀魂智能辅助系统、麻将AI模型部署、实时对局分析、麻将策略优化、AI麻将教练

→ 系统架构：数据流如何驱动智能决策？

Akagi的工作原理基于四个核心模块的协同工作，形成一个完整的实时分析闭环。

原理简析：系统通过MITM（中间人代理）技术捕获雀魂客户端的网络通信数据，将LiqiProto协议格式转换为标准化的mjai格式，然后送入深度学习模型进行实时分析，最后将分析结果通过GUI界面呈现给用户。整个流程在毫秒级别完成，确保决策建议的时效性。

实战应用：当你在雀魂中进行对局时，mitm.py模块会实时监控游戏通信，捕获原始数据。这些数据经过majsoul2mjai.py模块的格式转换后，被发送到mjai/bot/model.py中的深度学习模型。模型每秒可处理超过200种可能的打牌选择，通过蒙特卡洛树搜索（MCTS）算法评估每种选择的胜率期望，最终生成最优决策建议。

图：Akagi系统数据流程图展示了从数据捕获到AI分析的完整流程

→ 三步快速部署：从零到实战只需10分钟

步骤一：环境准备与安装Windows用户可直接运行scripts/install_akagi.ps1脚本，macOS用户则执行scripts/install_akagi.command文件。系统会自动处理Python环境和必要依赖的安装，包括mitmproxy、protobuf等关键组件。

步骤二：AI模型配置获取mortal.pth模型文件并放置在mjai/bot目录下。这是系统的"大脑"，负责所有的智能分析决策。模型文件可通过项目社区获取，确保选择与当前系统版本兼容的模型。

步骤三：启动与连接运行run_akagi.bat（Windows）或run_akagi.command（macOS）启动系统。首次运行会自动生成默认配置文件settings.json。此时打开雀魂网页版，系统将通过MITM技术建立数据连接，你会在界面右上角看到AI分析面板。

技术要点：首次使用时需要安装mitmproxy的CA证书，这是MITM技术正常工作的关键步骤。系统会自动引导你完成证书安装流程。

→ 实战场景：三大典型牌局的AI应对策略

场景一：初期手牌规划当东一局宝牌指示牌为五筒时，如果你的初始手牌包含两张五筒，Akagi会提示"保留双宝牌，优先做断幺平胡"。系统会可视化展示不同舍牌选择的期望得分曲线，帮助你制定最优的做牌策略。

场景二：中盘攻防决策对手连续打出危险牌时，AI会自动计算各家听牌概率，用颜色编码标注安全牌范围。例如，当三家立直时，系统会标注出"绝对安全牌"、"相对安全牌"和"危险牌"，帮助你在保持进攻性的同时规避放铳风险。

场景三：终局风险平衡在南四局的关键牌局中，玩家手牌已听牌但面临多家立直。AI分析显示打出七饼有32%的放铳概率，但能保持75%的和牌机会；而选择防守打北风虽安全，但和牌概率降至18%。系统会同时展示各家可能的听牌范围和剩余牌张概率分布，帮助玩家做出最优决策。

图：Akagi主界面显示两个WebSocket数据流，分别对应大厅和游戏通信

● 深度定制：个性化配置指南

熟练用户可通过修改settings.json文件定制AI行为，实现更符合个人风格的辅助体验。核心配置项包括：

{ "Autoplay": false, // 关闭自动打牌，保留手动决策权 "Helper": true, // 启用辅助提示功能 "Port": { "MITM": 7878, // MITM代理端口，避免与其他程序冲突 "MJAI": 28680 // AI服务端口，如需多开需修改为不同值 }, "AnalysisDepth": 3, // 分析深度，值越高精度越好但延迟增加 "RiskTolerance": 0.6 // 风险容忍度，0-1之间，高值更激进 }

自定义策略：通过调整"RiskTolerance"参数，进攻型玩家可设为0.7以上以追求更高打点，保守型玩家可降低至0.4以减少放铳风险。高级用户还可修改mjai/bot/bot.py中的权重系数，调整AI对不同牌型的偏好程度。

性能优化：如果系统响应较慢，可适当降低"AnalysisDepth"值，或在config.json中调整缓存设置。对于高端硬件，可增加"ThreadCount"参数以充分利用多核CPU性能。

→ 常见问题排查速查表

问题现象	可能原因	解决方案
MITM端口占用错误	端口被其他程序占用	修改settings.json中的"MITM"端口值为1024-65535之间的未占用端口
证书安装失败	系统安全策略限制	以管理员身份运行安装脚本，或手动导入证书到系统信任存储
AI模型加载失败	模型文件损坏或不兼容	重新下载mortal.pth文件，确保版本与系统匹配
数据捕获异常	网络代理设置错误	检查浏览器代理设置，确保指向正确的MITM端口
界面显示异常	终端兼容性问题	使用Windows Terminal或支持Unicode的终端程序
分析延迟过高	硬件性能不足	降低"AnalysisDepth"值，关闭不必要的后台程序