Akagi麻将AI实战指南：从零部署深度学习辅助系统

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/Akagi

Akagi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：

📦 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：

1. 将mortal.pth放置在mjai/bot/目录
2. 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：

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：

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

1. 毫秒级响应：AI推理延迟控制在100ms以内
2. 100%信息准确：直接解析网络协议，避免识别误差
3. 轻量化部署：核心模型仅80MB，普通硬件即可运行
4. 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：

1. 起手牌评估：系统自动识别手牌价值，标记潜在役种方向
2. 搭子组合建议：从13张牌中推荐效率最高的5个搭子组合
3. 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

网络连接优化

Akagi支持多种网络配置模式：

1. 直连模式：最低延迟，适合稳定网络环境
2. 代理模式：通过proxinject支持Steam客户端
3. 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：

1. 多模型融合架构：集成多种AI算法优势
2. 图像识别增强：减少对MITM监控的依赖
3. 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