Akagi麻将AI助手:5步从麻将新手到高手的终极指南

news2026/4/27 16:12:34
Akagi麻将AI助手5步从麻将新手到高手的终极指南【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你是否在雀魂、天鳳等在线麻将平台中感到力不从心面对复杂的牌局决策时总是犹豫不决Akagi麻将AI助手正是为你量身打造的智能学习伙伴这个开源项目通过本地AI实时分析、个性化策略推荐和科学训练体系帮助所有水平的玩家突破技术瓶颈实现麻将水平的全面提升。为什么选择Akagi麻将AI助手Akagi是一款专为麻将爱好者设计的智能辅助工具它采用本地AI架构所有数据处理都在你的电脑上完成确保隐私安全的同时提供几乎无延迟的实时分析。无论你是刚接触麻将的新手还是希望提升段位的中级玩家Akagi都能为你提供专业的决策支持。三大核心优势对比特性Akagi优势传统学习方式实时分析对局中即时提供牌效评分和操作建议对局后复盘无法实时指导隐私安全本地运行无需上传任何游戏数据云端服务可能存在隐私风险多平台支持支持雀魂、天鳳、麻雀一番街、天月麻將通常只针对单一平台完全免费开源项目无任何隐藏费用付费课程或软件成本高自定义AI可使用自定义AI模型灵活调整策略固定算法无法个性化第一步快速安装与配置环境准备下载项目git clone https://gitcode.com/gh_mirrors/ak/Akagi cd Akagi安装依赖Windows用户运行scripts/install_akagi.ps1Mac用户运行scripts/install_akagi.commandLinux用户运行pip install -r requirement.txt获取AI模型从Discord社区获取mortal.pth模型文件将文件放入mjai/bot/目录基础配置打开settings.json配置文件进行个性化设置{ Autoplay: false, // 是否启用自动出牌 Helper: true, // 是否启用辅助功能 Port: { MITM: 7878, // MITM代理端口 XMLRPC: 7879, // XMLRPC端口 MJAI: 28680 // MJAI端口 } }启动方式Windows双击run_akagi.batMac/Linux运行python client.py第二步理解Akagi的工作原理Akagi采用模块化架构各个组件协同工作游戏客户端 → MITM代理 → 协议解析 → AI决策 → 用户界面核心模块详解MITM代理模块(mitm.py)拦截和分析游戏数据流实时捕获雀魂通信协议协议解析模块(liqi.py)解析LiqiProto协议数据转换为标准mjai格式AI决策模块(mjai/bot/)基于Mortal AI的决策引擎支持自定义AI模型替换用户界面模块(client.py)提供直观的TUI界面实时显示牌效分析和操作建议数据转换模块(majsoul2mjai.py)游戏数据格式转换确保AI正确理解游戏状态第三步实战操作指南初始界面解析启动Akagi后你会看到两个主要流程Lobby Websocket大厅连接状态Game Websocket游戏对局数据流点击下方流程开始分析系统会自动捕获游戏数据流实时分析牌局状态提供最优操作建议牌效分析系统Akagi的核心功能是实时牌效分析通过多维评估为每张牌打分牌效价值 进张数 × 改良潜力 × 安全度进张数保留此牌后能形成的有效搭子数量改良潜力与其他牌组合提升牌型的可能性安全度当前场况下打出此牌的风险评估操作建议展示在游戏界面中Akagi会显示手牌评分每张牌上方的1-10分评分推荐操作右侧面板显示AI建议和理由风险预警危险牌用特殊颜色标记第四步进阶功能与个性化设置智能决策辅助Akagi提供攻守决策矩阵帮助你在关键时刻做出正确选择进攻指数 (和率 × 期望打点) / 1000 防守指数 (1 - 放铳概率) × 100决策规则进攻指数 防守指数 → 建议进攻进攻指数 防守指数 → 建议防守立直判断算法是否立直是麻将中最复杂的决策之一。Akagi的立直价值计算公式立直价值 (和率 × 平均打点) - (放铳概率 × 对手平均打点) - 立直棒成本判断标准正值 5000强烈建议立直正值 5000建议立直负值建议默听或继续改良对手行为分析Akagi会记录每位对手的打法风格玩家类型特征应对策略进攻型早巡立直偏好做大牌加强防守注意危险牌防守型重视安全牌和牌率低可适度进攻减少防守牌平衡型根据场况灵活调整观察对手倾向随机应变第五步安全使用与最佳实践降低封号风险指南虽然Akagi仅提供分析建议但使用第三方工具仍存在风险。以下措施可最大限度保护账号安全平台选择优先使用Web版而非Steam版行为模拟适当使用贴图与对手交流决策自主不完全依赖AI建议加入个人思考时间控制避免24小时连续使用工具搭配使用safe_code.js等安全脚本训练计划建议初级阶段1-2周目标建立基础牌效观念任务每日完成3局标准对局重点前4巡的舍牌选择基本搭子形成考核平均向听速度控制在5巡以内中级阶段2-4周目标掌握攻守转换时机任务2局标准对局 1局专项训练重点中盘决策逻辑危险牌判断考核立直决策正确率达到70%高级阶段4-8周目标形成个人化打法体系任务1局标准对局 1局逆风局训练重点终盘读牌技巧特殊场况处理考核段位提升至少1个等级技术架构深度解析核心组件协作流程游戏客户端 → MITM代理(mitm.py) → 协议解析(liqi.py) ↓ 数据转换(majsoul2mjai.py) → AI决策(mjai/bot/) ↓ 用户界面(client.py) ← 操作执行(action.py)协议处理机制Akagi通过**中间人攻击(MITM)**技术捕获游戏通信拦截雀魂WebSocket连接解析LiqiProto二进制协议转换为标准mjai格式供AI处理将AI决策转换回游戏协议AI模型集成项目内置Mortal AI作为默认模型支持模型替换放入mjai/bot/mortal.pth即可使用自定义模型实时推理本地GPU/CPU推理无需网络延迟批量处理支持多局同时分析常见问题与解决方案Q1Akagi会影响游戏性能吗AAkagi采用轻量级设计对游戏性能影响极小。AI推理在后台进行不会造成明显卡顿。Q2需要什么样的电脑配置最低配置CPU双核处理器内存4GB RAM存储1GB可用空间推荐配置CPU四核处理器内存8GB RAM显卡支持CUDA的NVIDIA显卡可加速AI计算Q3如何获取最新的AI模型Amortal.pth模型文件需要从官方Discord频道获取。将文件放入mjai/bot/目录即可使用。Q4支持哪些麻将平台A目前支持雀魂 (Majsoul)天鳳 (Tenhou)麻雀一番街 (Riichi City)天月麻將 (Amatsuki)Q5如何自定义AI策略A高级用户可以通过修改以下文件自定义策略mjai/bot/bot.pyAI决策逻辑libriichi_helper.py牌效计算算法settings.json全局配置参数未来发展方向开发团队正在规划以下功能升级图像识别版本完全摆脱MITM使用图像识别技术多AI模型融合结合多个AI的决策模拟人类思考个性化训练系统根据用户水平定制训练计划赛事模拟功能模拟职业比赛环境进行训练开始你的麻将提升之旅Akagi麻将AI助手不仅仅是一个工具更是你的私人麻将教练。通过科学的数据分析和实时指导你可以快速识别立即看出每张牌的实际价值精准决策在攻守之间找到最佳平衡点持续进步通过数据分析发现自己的薄弱环节享受游戏减少决策压力专注于策略思考记住AI只是辅助工具真正的进步来自于坚持训练每天至少完成2-3局对局主动思考理解AI建议背后的逻辑定期复盘每周回顾对局记录总结经验循序渐进从基础开始逐步挑战更高难度启动run_akagi.bat或运行python client.py让Akagi成为你麻将道路上的得力助手。从今天开始用科学的方法提升你的麻将水平享受每一次对局的成长与进步最后提醒麻将的本质是娱乐Akagi的目的是帮助你更好地享受游戏。合理安排时间保持健康游戏心态才能真正从麻将中获得乐趣和成长。【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/2559991.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…