Akagi技术深度解析:开源雀魂AI辅助工具完全实战指南

news2026/4/1 23:48:30
Akagi技术深度解析开源雀魂AI辅助工具完全实战指南【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你是否曾在雀魂对局中感到迷茫不确定该打出哪张牌或者想要提升自己的麻将技术却苦于缺乏专业指导Akagi正是为解决这些问题而生的开源AI辅助工具。通过实时牌局分析、智能决策支持和深度学习模型Akagi为雀魂玩家提供了前所未有的游戏体验提升方案。这款工具不仅能够实时解析游戏数据还能基于Mortal AI模型提供专业的战术建议真正实现了人机协同的麻将学习新范式。技术架构揭秘从协议解析到AI决策的完整链条核心设计哲学非侵入式架构Akagi最精妙的设计在于其非侵入式架构。想象一下传统的游戏辅助工具往往需要修改游戏内存或注入代码这不仅存在安全风险还容易被游戏检测机制发现。而Akagi采用了完全不同的思路——它像一位聪明的旁观者通过中间人技术监听游戏通信然后分析数据并提供建议全程不触碰游戏进程本身。这种架构带来了三个关键优势安全性不会触发游戏的反作弊机制稳定性游戏更新时通常不需要修改Akagi可移植性相同的技术可以应用于多个麻将平台数据流解析从LiqiProto到mjai的转换魔法Akagi的核心技术栈围绕着协议转换展开。让我们深入理解这个技术链条雀魂客户端 → MITM代理 → LiqiProto解析 → mjai格式转换 → AI分析 → 决策建议LiqiProto是雀魂使用的私有协议格式Akagi通过liqi_proto/目录下的协议定义文件来理解这种格式。当游戏数据流经MITM代理时Akagi会捕获原始的LiqiProto消息使用liqi.py进行协议解析通过majsoul2mjai.py转换为标准的mjai格式将转换后的数据发送给AI模型进行分析这个转换过程是Akagi能够支持多个麻将平台的关键。项目中的mhm/protocol.py文件包含了完整的协议处理逻辑展示了如何将复杂的游戏状态转换为AI能够理解的格式。AI模型集成Mortal的力量Akagi内置的Mortal AI模型是一个经过大量麻将对局训练的深度学习网络。这个模型存放在mjai/bot/目录中当你获取mortal.pth文件并放置到正确位置后Akagi就能利用这个模型进行实时决策分析。Mortal模型的优势在于实时性能够在毫秒级别内分析牌局状态准确性基于大量对局数据训练决策质量接近职业选手可扩展性支持替换不同的AI模型以适应个人游戏风格实战部署指南从零开始搭建你的AI助手环境准备与依赖管理在开始安装之前确保你的系统满足以下要求Python 3.8-3.10推荐3.9至少4GB可用内存稳定的网络连接管理员权限用于证书安装重要提示建议在虚拟环境中运行Akagi以避免依赖冲突。项目已经为你准备好了自动化安装脚本。三步安装法让技术变得简单第一步获取源代码git clone https://gitcode.com/gh_mirrors/ak/Akagi cd Akagi第二步执行平台特定的安装脚本对于Windows用户# 以管理员身份运行PowerShell Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass .\scripts\install_akagi.ps1对于macOS用户# 在终端中执行 chmod x scripts/install_akagi.command ./scripts/install_akagi.command第三步配置AI模型和证书从Discord社区获取mortal.pth模型文件将文件复制到mjai/bot/mortal.pth首次运行mitmproxy以生成证书安装证书到系统的受信任根证书颁发机构配置文件深度解析Akagi的核心配置存储在settings.json文件中。理解每个配置项的作用对于优化使用体验至关重要配置项默认值功能描述使用建议Autoplayfalse启用自动打牌强烈不建议开启可能导致账号风险Helpertrue显示AI建议面板新手必开学习AI思考逻辑Autohufalse自动和牌谨慎使用可能被检测Port.MITM7878MITM代理端口确保浏览器代理设置与此一致RandomTime.new_min3.5新决策最小延迟模拟人类思考时间的关键参数专业建议初始阶段保持默认配置熟悉后再根据个人习惯调整RandomTime参数让AI建议的出现时间更加自然。高级功能探索超越基础使用的技术深度插件系统扩展你的AkagiAkagi的插件系统位于mhm/hook/目录这是一个被低估的强大功能。当前内置的插件包括aider.py提供额外的辅助功能chest.py处理游戏内宝箱相关逻辑skins.py皮肤相关的扩展功能创建自定义插件的步骤在mhm/hook/目录下创建新的Python文件实现必要的钩子函数在__init__.py中注册你的插件重启Akagi加载新插件例如你可以创建一个统计插件记录每次对局中的关键决策点帮助你分析自己的游戏习惯。协议扩展支持更多麻将平台Akagi的设计允许轻松扩展支持新的麻将平台。项目中的mahjong_soul_api/目录展示了如何为雀魂实现API接口。如果你想支持其他平台需要分析目标平台的通信协议创建对应的proto文件参考liqi_proto/liqi.proto实现协议转换逻辑集成到主数据流中性能优化技巧如果你在使用过程中遇到性能问题可以尝试以下优化内存优化# 在config.py中调整缓存设置 CACHE_SIZE 100 # 减少缓存大小 ENABLE_COMPRESSION True # 启用数据压缩响应时间优化关闭不必要的日志输出调整AI模型的推理批次大小使用更轻量级的模型变体安全使用与最佳实践账号安全防护策略虽然Akagi采用非侵入式设计但任何第三方工具都存在一定风险。以下是经过社区验证的安全实践使用网页版而非Steam客户端网页版检测机制相对宽松避免自动化操作不要开启Autoplay功能模拟人类行为合理设置RandomTime参数避免固定时间间隔使用贴纸和表情定期使用游戏内互动功能不要完全依赖AI将AI建议作为参考而非绝对指令社区最佳实践汇总根据Discord社区的讨论以下使用模式被证明最为安全有效学习模式只开启建议显示手动操作所有决策复盘分析对局结束后使用记录文件进行深度分析渐进式学习从简单的弃牌建议开始逐步理解复杂决策定期休息避免长时间连续使用模拟正常玩家行为故障排除与调试指南常见问题快速解决证书错误# 重新生成证书 rm -rf ~/.mitmproxy # 重新启动mitmproxy python -m mitmproxy模型加载失败确认mortal.pth文件大小正常通常100MB检查文件权限chmod 644 mjai/bot/mortal.pth验证Python环境与模型兼容性连接问题检查防火墙设置确保端口7878开放验证浏览器代理配置是否正确查看my_logger.py输出的详细错误信息调试技巧深入理解系统行为Akagi提供了丰富的日志功能通过调整日志级别可以获得不同的调试信息# 在代码中临时调整日志级别 import logging logging.getLogger().setLevel(logging.DEBUG)对于开发者还可以直接运行各个组件进行独立测试# 测试协议转换 python majsoul2mjai.py --test # 测试AI模型 python mjai/bot/bot.py --sample-input生态集成与未来展望与其他工具的协同工作Akagi可以与其他麻将工具无缝集成与mahjong-helper结合在common/endless/目录中已经包含了集成版本牌谱分析工具将Akagi记录的对局数据导入专业分析软件训练数据生成利用Akagi的记录功能创建自定义AI训练数据集贡献指南成为Akagi社区的一员如果你想为Akagi贡献代码以下是最佳实践从简单问题开始修复文档错误或小bug理解代码架构先阅读mhm/main.py了解主流程遵循代码风格项目使用标准的Python代码规范测试你的修改确保不破坏现有功能代码贡献示例# 添加新的配置选项 def add_new_feature(): 实现一个新功能的示例 确保添加适当的文档和测试 pass技术发展方向根据项目的TODO列表和社区讨论Akagi的未来发展方向包括图像识别替代MITM减少对协议分析的依赖多AI模型融合结合多个AI的决策模拟更人类化的玩法实时对局教学在建议中解释AI的思考过程跨平台支持扩展支持更多麻将游戏平台结语AI辅助下的麻将技术提升之路Akagi不仅仅是一个游戏辅助工具它代表了一种新的学习方式——通过AI的视角理解麻将的深层策略。当你开始使用Akagi时记住最重要的不是赢得每一局游戏而是理解AI为什么做出这样的决策。真正的技术进步发生在你开始质疑AI建议、分析不同选择背后的逻辑、最终形成自己游戏风格的过程中。Akagi为你打开了一扇窗让你能够窥见高水平麻将决策的思考过程但真正的成长需要你将这种理解内化为自己的技能。随着你对Akagi的深入使用你会发现自己不仅在对局中更加自信更重要的是你开始以全新的方式思考麻将这个古老而深邃的游戏。这正是技术赋能传统游戏的魅力所在——不是替代人类的智慧而是扩展人类认知的边界。现在是时候开始你的Akagi之旅了。从安装配置到深度使用每一步都是学习的过程。记住最好的工具是那些能够帮助你成长而不是代替你思考的工具。Akagi正是这样的工具——它在你身边但不替你思考它提供建议但决策权始终在你手中。【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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2473589.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…