Akagi麻将AI助手Rust技术栈实现的实时分析与自定义AI集成指南【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/AkagiAkagi是一个基于Rust技术栈开发的日麻AI辅助工具专为雀魂、天鳳等主流麻将平台设计。该项目采用单二进制架构结合Tauri框架构建跨平台桌面应用能够实时分析麻将对局并提供专业建议。通过模块化设计和清晰的协议接口Akagi不仅内置了先进的麻将分析引擎还支持用户自定义AI模型集成为麻将爱好者和技术开发者提供了一个强大的学习和开发平台。技术架构与核心设计理念Akagi采用现代化的Rust技术栈构建其核心设计遵循事件驱动架构和模块化分离原则。整个系统围绕事件总线Event Bus构建各子系统通过明确定义的通道进行通信确保高内聚低耦合的设计目标。Akagi采用RustTauri技术栈实现高性能的麻将分析系统系统的核心模块包括游戏数据捕获层- 支持MITM代理和Chromium DevTools Protocol两种模式协议桥接层- 将平台特定的协议转换为标准的mjai事件流游戏状态跟踪器- 基于riichienv-core构建的麻将状态管理分析引擎- 移植自mahjong-helper的Go实现提供向听数、和牌率、放铳风险等核心计算AI机器人运行时- 独立的Python子进程管理支持mjai协议兼容的AI模型技术栈的完整配置位于 src/analysis/ 目录其中包含麻将分析引擎的所有算法实现。分析模块采用Rust重新实现了EndlessCheng的mahjong-helper工具在保持算法准确性的同时获得了显著的性能提升。实时分析引擎的技术实现Akagi的分析引擎是其核心价值所在它能够在毫秒级别完成复杂的麻将计算。引擎的实现位于src/analysis/目录主要包含以下几个关键组件向听数与手牌效率分析基于riichienv-core库Akagi能够精确计算手牌的当前向听数并评估每张牌的打牌效率。算法考虑牌型组合、宝牌影响、场况因素等多维度信息为玩家提供科学的打牌建议。和牌率与听牌率计算通过内置的概率模型系统能够实时计算各种听牌形式的和牌概率。这些计算考虑了剩余牌张、对手行为模式、场况风险等多个因素为攻防决策提供数据支持。放铳风险评估系统Akagi的风险评估模型是技术上的亮点之一。系统不仅计算基础放铳概率还考虑了以下修正因素筋牌理论Suji分析对手打牌习惯识别场况与点数差影响剩余巡目风险评估系统能够精确分析各种和牌场景提供专业的决策支持弃牌搜索算法当玩家需要弃牌时分析引擎会遍历所有可能的弃牌选择综合考虑手牌效率改善、安全度评估、打点潜力等多个目标函数最终推荐最优的弃牌选择。多平台支持与协议适配Akagi的技术优势之一在于其灵活的平台适配能力。目前支持的主要平台包括雀魂Mahjong Soul支持通过深度解析雀魂的WebSocket通信协议Akagi能够实时捕获游戏状态。协议解析代码位于src/bridge/majsoul/目录实现了完整的五层协议栈解析WebSocket二进制帧处理类型字节识别包装层解包内部消息解析Protobuf反序列化天鳳Tenhou支持天鳳平台采用JSON标签流协议Akagi实现了观察模式下的完整解析。虽然当前版本仅支持观察模式但架构设计为未来的自动对局支持预留了接口。捕获模式技术实现Akagi提供两种捕获模式满足不同用户需求MITM代理模式使用hudsucker库实现中间人代理需要用户信任自签名的CA证书。这种模式支持系统范围的流量拦截适合高级用户。Chromium CDP模式通过Chrome DevTools Protocol直接控制浏览器实例无需CA证书信任。Akagi会启动一个隔离的浏览器配置文件自动登录游戏并捕获通信。自定义AI模型集成框架Akagi最强大的特性之一是其开放的AI集成框架。通过标准化的mjai协议用户可以轻松集成自定义的麻将AI模型。mjai协议规范AI机器人通过简单的JSONL协议与Akagi通信每个决策点Akagi向机器人发送一批mjai事件机器人回复一个动作响应。协议设计简洁高效支持以下核心事件类型{ type: start_game, names: [玩家1, 玩家2, 玩家3, 玩家4], id: 0, num_players: 4 }机器人开发指南要开发自定义AI机器人只需在mjai_bot/目录下创建机器人文件夹包含以下文件bot.py- 主程序入口实现mjai协议处理pyproject.toml- Python依赖声明manifest.toml- 机器人元数据和配置模式settings.toml- 运行时配置由Akagi管理详细的开发文档位于 mjai_bot/README.md其中包含了完整的协议规范、开发示例和最佳实践。内置Mortal AI示例Akagi内置了Mortal AI作为示例机器人展示了完整的AI集成流程。用户可以通过一键安装功能快速部署Mortal也可以参考其实现开发自己的AI模型。安装与配置流程快速启动指南Akagi采用便携式打包设计每个平台一个独立的压缩包。安装过程极为简单从发布页面下载对应平台的ZIP文件解压到任意有写入权限的目录运行可执行文件首次启动时会自动运行设置向导引导用户完成语言选择、平台配置、捕获模式设置和机器人安装等步骤。配置文件结构所有配置存储在config.toml文件中采用TOML格式结构清晰易读[general] language zh-CN [platform] kind Majsoul [capture] mode chromium [bot] enabled true active_4p mortal active_3p mortal3p运行时环境管理Akagi内置了独立的Python运行时环境python-build-standalone 3.12 uv确保机器人能够在没有系统Python的环境中正常运行。这种设计避免了环境依赖冲突提高了部署的可靠性。历史记录与统计分析系统Akagi内置了完整的历史记录系统所有完整结束的对局都会自动保存到本地。历史数据存储在config_root/history/目录下采用JSONL格式便于后续分析和处理。数据存储格式历史记录采用两级存储结构index.jsonl- 游戏索引每行一个GameRecordgames/ulid.mjai.jsonl- 完整的mjai事件流副本统计可视化功能前端的历史标签页提供了丰富的统计功能排名分布饼图- 直观展示玩家的排名分布累计PT折线图- 支持多种计分规则切换详细统计数据- 包括和牌率、放铳率、立直率、副露率等关键指标系统帮助玩家理解何时应该宣告立直这是日本麻将中的重要策略可扩展的计分规则系统支持多种计分规则包括雀魂段位系统、天鳳段位系统和自定义规则。用户可以根据自己的需求灵活配置所有选择都会持久化到本地存储。开发与扩展指南项目结构概览Akagi采用清晰的模块化结构便于开发者理解和扩展src/ ├── analysis/ # 麻将分析引擎 ├── bot/ # AI机器人运行时管理 ├── bridge/ # 平台协议适配 ├── capture/ # 数据捕获后端 ├── game_state/ # 游戏状态跟踪 ├── history/ # 历史记录系统 └── ipc/ # 前后端通信接口自定义分析算法扩展开发者可以通过以下步骤扩展分析功能在result::AnalysisResult中添加新字段在相应模块中实现计算逻辑通过analyze()函数集成到分析流水线新平台适配指南要支持新的麻将平台需要实现以下组件协议解析器 - 将平台特定的协议转换为mjai事件游戏状态适配器 - 将平台状态映射到标准麻将状态捕获后端 - 实现数据获取机制详细的开发指南位于各模块的README文件中为开发者提供了完整的技术文档。学习路径设计建议初学者入门阶段对于麻将新手建议从观察模式开始安装Akagi但不启用AI建议观察系统提供的实时分析数据重点关注向听数和手牌效率分析逐步理解安全牌识别逻辑中级玩家提升阶段当熟悉基本分析后可以启用Mortal AI安装Mortal AI机器人对比AI建议与自己的决策分析AI的决策逻辑和风险评估学习攻防平衡策略高级玩家自定义阶段对于有经验的玩家和开发者开发自定义AI机器人调整分析参数和风险偏好集成外部AI模型贡献代码或改进算法Akagi帮助玩家掌握自摸的时机判断这是提升胜率的关键技能开源社区与贡献指南Akagi采用Apache 2.0开源协议鼓励社区参与和贡献。项目在GitHub上保持活跃开发主要贡献途径包括问题报告与功能建议通过GitHub Issues提交问题报告或功能建议提供详细的复现步骤和环境信息。代码贡献流程Fork项目仓库创建功能分支实现功能并添加测试提交Pull Request通过CI测试和代码审查文档改进项目文档位于各模块的README文件中欢迎改进文档质量、添加示例或翻译。AI模型贡献社区成员可以贡献改进的AI模型或权重文件通过Discord社区分享和交流。技术优势与未来展望Akagi的技术架构具有多个显著优势性能优势基于Rust实现的分析引擎提供了极致的性能表现能够在毫秒级别完成复杂的麻将计算确保实时分析的流畅性。可扩展性设计模块化的架构设计使得系统易于扩展无论是添加新的麻将平台还是集成新的AI模型都只需要实现相应的接口即可。跨平台兼容性通过Tauri框架Akagi能够在Windows、macOS和Linux系统上提供一致的用户体验同时保持原生应用的性能表现。开源生态建设项目的开源特性促进了社区协作用户和开发者可以共同改进系统分享AI模型推动麻将AI技术的发展。未来Akagi团队计划继续扩展平台支持包括Riichi City和Amatsuki改进前端用户体验并优化AI集成框架。项目的持续发展依赖于活跃的社区参与欢迎所有对麻将AI技术感兴趣的开发者加入贡献。通过Akagi麻将爱好者不仅可以获得专业的实时分析指导还可以深入了解麻将AI的技术实现甚至参与到AI模型的开发和改进中。这种开放的技术生态为麻将技术的传播和发展提供了新的可能性。【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
