Akagi：雀魂AI实时分析辅助系统完整指南 - 快速部署免费AI麻将教练

Akagi：雀魂AI实时分析辅助系统完整指南 - 快速部署免费AI麻将教练

【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是一款开源的雀魂智能辅助系统，通过深度学习技术为你提供从牌局解读到决策建议的全流程支持。这款强大的工具能够实时分析麻将对局，利用Mortal AI模型提供精准的打牌建议，帮助你在实战中快速提升麻将技艺，将每一局都变成学习的机会。

✨ 核心特色：重新定义麻将学习体验

Akagi通过三大核心技术彻底改变了传统麻将辅助工具的使用体验：

实时局势分析- 系统能在毫秒级时间内完成当前手牌的向听分析、危险牌评估和最优打法推荐，让你在关键时刻做出明智决策。

多平台兼容- 支持雀魂、天鳳、麻雀一番街、天月麻將等多个主流麻将平台，无论你在哪个平台对局都能获得一致的AI分析体验。

自定义AI模型- 除了内置的Mortal AI示例，你还可以加载自定义的AI模型，打造专属的麻将分析助手。

技术原理简述：Akagi采用深度强化学习训练的麻将AI，通过蒙特卡洛树搜索（MCTS）模拟上万种可能的打牌路径，结合历史对局数据评估每种选择的胜率期望。模型会优先考虑高打点、高和率的牌型组合，同时动态调整攻防策略以适应不同对手风格。

🚀 快速开始：三步完成系统部署

第一步：获取项目与基础环境

首先克隆Akagi项目到本地：

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

系统支持Windows、macOS和Linux平台，根据你的操作系统选择对应的安装方式：

Windows用户：

1. 以管理员身份打开PowerShell
2. 运行：Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
3. 执行安装脚本：.\scripts\install_akagi.ps1

macOS/Linux用户：

1. 确保已安装Python 3.8+版本
2. 执行：bash scripts/install_akagi.command

第二步：配置AI模型

安装完成后，你需要获取AI模型文件mortal.pth。这是系统的"大脑"，没有它就无法提供智能分析：

1. 将下载的mortal.pth文件放置在mjai/bot/目录下
2. 确保文件路径正确：Akagi/mjai/bot/mortal.pth

重要提示：模型文件需与当前系统版本匹配，不兼容的模型会导致分析结果异常。建议从官方渠道获取最新版本的模型文件。

第三步：启动系统与游戏连接

首次启动配置：

1. 运行启动脚本：
   • Windows：双击run_akagi.bat
   • macOS/Linux：执行./run_akagi.command
2. 首次运行会自动生成默认配置文件settings.json
3. 打开雀魂网页版，系统会自动建立MITM数据连接

证书安装（仅首次需要）：

1. 系统会启动mitmproxy
2. 访问mitm.it安装CA证书
3. 配置浏览器或系统信任该证书

完成上述步骤后，你会在雀魂游戏界面看到AI分析面板，实时显示当前局势分析和打牌建议。

🔧 核心配置详解：打造个性化分析系统

Akagi的强大之处在于其高度可配置性。通过修改settings.json文件，你可以定制符合个人风格的辅助体验：

{ "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 }

关键配置项说明：

高级用户定制： 如果你有编程基础，还可以修改mjai/bot/bot.py中的权重系数，调整AI对不同牌型的偏好程度。例如，增加断幺九的权重，让AI更倾向于推荐简单快速的牌型。

🎯 实战应用：四大典型场景的AI策略

场景一：初期手牌规划

当游戏刚开始，你拿到一手普通牌时，Akagi会分析：

• 当前手牌的向听数
• 可能的做牌方向（断幺、染手、七对子等）
• 最优的舍牌顺序

例如，在东一局宝牌指示牌为五筒的场景中，如果你的初始手牌包含两张五筒，系统会提示"保留双宝牌，优先做断幺平胡"，并可视化展示不同舍牌选择的期望得分曲线。

场景二：中盘攻防决策

当中盘遭遇多家立直时，AI会自动计算：

• 各家听牌概率
• 安全牌范围（用颜色编码标注）
• 不同打法的期望得失

系统会给出类似建议："打出七饼有32%的放铳概率，但能保持75%的和牌机会；选择防守打北风虽安全，但和牌概率降至18%"

场景三：终局风险控制

终局阶段，Akagi会帮助你：

• 评估剩余牌张的概率分布
• 平衡风险与收益
• 选择最优的听牌或防守策略

场景四：复盘学习

每局结束后，系统会自动记录分析过程和决策结果，你可以在日志中查看完整的分析记录，形成学习闭环。

🛠️ 技术架构解析：数据如何转化为决策

Akagi的工作流程包含四个紧密衔接的技术环节：

数据采集层- 通过mitm.py实现对游戏通信的实时监控，捕获LiqiProto协议格式的原始数据。

协议转换模块- 在majsoul2mjai.py中完成数据标准化，将雀魂特有格式转换为AI模型通用的mjai格式。

核心分析引擎- 由mjai/bot/model.py中的深度学习模型完成，每秒可处理超过200种可能的打牌选择。

可视化界面- 通过gui.py构建的交互界面，将复杂分析结果转化为直观的操作建议。

⚡ 性能优化与常见问题

性能优化建议

1. 硬件要求：确保系统有至少4GB可用内存，关闭其他占用资源的程序
2. 网络配置：使用稳定的网络连接，避免代理冲突
3. 分析延迟：如果感觉响应慢，可适当降低AnalysisDepth值

常见问题解决

问题1：MITM端口占用错误解决方案：修改settings.json中的Port.MITM值，选择1024-65535之间的未占用端口。

问题2：证书问题导致无法捕获数据解决方案：重新运行安装脚本，确保正确安装并信任生成的CA证书。

问题3：AI分析结果异常解决方案：

1. 检查mortal.pth模型文件是否正确放置在mjai/bot/目录
2. 确认模型文件与当前系统版本兼容
3. 查看my_logger.py生成的日志文件定位具体错误

问题4：多平台兼容性问题解决方案：Akagi支持多个麻将平台，但不同平台的协议可能略有差异。如果遇到问题，可查看对应平台的协议配置文件进行调整。

📈 进阶使用技巧

自定义AI模型

除了使用内置的Mortal AI，你还可以：

1. 训练自己的AI模型
2. 从社区获取其他优化模型
3. 将模型文件放置在players/目录下进行测试

多账号同时使用

如需多个账号同时使用Akagi：

1. 复制整个Akagi目录
2. 修改新目录中的settings.json端口配置
3. 分别启动不同实例

定期更新

系统每两周更新一次协议解析模块以适应雀魂版本变化：

cd Akagi git pull

💡 最佳实践与注意事项

学习而非依赖：将AI分析作为决策参考而非唯一依据，特别在亲家立直等关键局面，需结合自己对对手风格的判断进行调整。

适度使用：长时间连续使用可能导致账号异常，建议间隔使用，结合手动分析提升技能。

数据安全：系统仅分析本地游戏数据，不会上传任何个人信息或账号信息。

版本兼容：确保Akagi版本与游戏版本匹配，及时更新以获得最佳体验。

通过本文介绍的方法，你已掌握Akagi智能辅助系统的核心使用技巧。记住，工具的价值在于提升你的决策质量而非替代思考，真正的麻将高手会将AI分析与自身经验有机结合，在每一局中不断深化对麻将本质的理解。现在就启动系统，开启你的智能麻将学习之旅吧！

【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