Akagi麻将AI助手实时分析引擎的架构解析与部署指南【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是一款采用RustTauri技术栈重构的实时麻将AI助手为雀魂、天凤、麻雀一番街、天月麻将等主流平台提供专业级智能分析服务。该项目通过先进的深度学习模型和实时数据处理架构为玩家提供向听数计算、听牌概率评估、放铳风险分析等核心功能成为麻将爱好者的智能决策辅助工具。技术架构深度解析事件驱动架构设计Akagi采用基于事件总线的模块化架构各子系统通过广播通道解耦确保高内聚低耦合的设计原则。核心事件总线位于src/event_bus.rs定义了系统内部通信的所有通道类型。系统工作流程遵循清晰的管道处理模式游戏客户端 → 数据捕获层 → 协议转换层 → AI分析引擎 → 可视化界面数据捕获子系统系统提供两种数据捕获模式满足不同使用场景MITM代理模式基于hudsucker库实现中间人代理支持系统级网络流量拦截。该模式需要一次性CA证书信任配置位于./ca/目录下的自签名根证书。Chromium模式通过Chrome DevTools Protocol直接控制浏览器实例无需证书配置。Akagi启动独立的Chromium家族浏览器创建隔离的用户数据目录config_root/chrome-profile实现零代理设置的实时数据监控。麻将分析引擎分析引擎位于src/analysis/目录移植自EndlessCheng/mahjong-helper的Go实现基于riichienv-core库构建完整的麻将规则引擎。核心分析模块包括向听数计算shanten.rs模块提供精确的向听数评估听牌概率tenpai_rate.rs实现开放手牌听牌率估算和牌概率agari_rate.rs计算每种听牌的和牌概率放铳风险risk/目录实现对手放铳风险评估模型AI模型集成架构Akagi采用进程隔离的AI模型集成方案通过JSONL标准协议与外部AI进程通信。这种设计实现了AGPL许可证边界确保商业友好性。AI模型管理位于src/bot/目录支持以下特性双模式切换独立配置4人麻将和3人麻将的AI模型环境隔离每个AI运行在独立的Python虚拟环境中热更新支持运行时模型切换无需重启应用部署与配置指南系统环境要求最小硬件配置内存4GB RAM存储2GB可用空间网络稳定互联网连接软件依赖WindowsWebView2运行时Windows 10 1803内置LinuxWebKit2GTK 4.1libwebkit2gtk-4.1-0macOSXcode命令行工具快速部署步骤步骤1获取可执行文件git clone https://gitcode.com/gh_mirrors/ak/Akagi cd Akagi步骤2运行初始化向导首次启动时系统将引导完成以下配置语言选择支持英文、日文、简体中文、繁体中文游戏平台选择雀魂、天凤、麻雀一番街捕获模式配置MITM代理或Chromium模式AI模型安装可选Mortal AI示例步骤3配置文件定制主配置文件config.toml支持热重载主要配置项[bot] enabled true active_4p mortal # 四人麻将AI模型 active_3p mortal3p # 三人麻将AI模型 [capture] mode chromium # 或 mitm [proxy] enabled true addr 127.0.0.1:23410 # 代理监听地址AI模型配置详解Mortal AI模型集成获取Mortal权重文件mortal.pth放置到mjai_bot/mortal/目录系统自动检测并配置Python环境自定义AI模型开发 创建mjai_bot/name/目录结构mjai_bot/name/ ├── bot.py # JSONL标准接口 ├── pyproject.toml # Python依赖声明 ├── manifest.toml # 模型元数据可选 └── settings.toml # 用户配置可选实战应用场景分析实时对局分析Akagi在游戏过程中提供以下实时分析功能手牌效率评估向听数精确计算有效牌识别与排序鸣牌时机建议风险评估系统对手听牌范围分析放铳概率计算安全牌推荐算法AI决策支持深度学习模型推荐置信度评分显示多策略对比分析历史数据统计系统自动记录完整对局历史提供以下分析维度战绩统计分析胜率、平均顺位、平均得点各局面决策成功率特定牌型处理效果技术能力评估防守能力评分系统进攻时机把握度分析鸣牌效率统计开发调试支持内置诊断工具支持深度调试日志系统按模块过滤的应用程序日志原始WebSocket帧记录实时日志流监控协议分析器WebSocket帧到mjai事件转换AI响应元数据检查帧计数统计分析性能优化建议系统资源管理内存优化策略启用AI模型时预留2GB内存空间定期清理历史会话日志配置合理的日志轮转策略CPU使用优化调整分析引擎计算频率启用AI模型缓存机制配置合适的线程池大小网络配置优化代理模式优化[proxy] max_connections 100 # 最大并发连接数 buffer_size 8192 # 缓冲区大小 timeout 30 # 超时设置秒Chromium模式优化[capture.chromium] extra_args [ --disable-gpu, --disable-software-rasterizer, --disable-dev-shm-usage ]AI模型性能调优模型加载优化预加载常用AI模型权重实现模型权重缓存机制支持模型热切换推理延迟优化批处理推理请求GPU加速支持如可用量化模型权重故障排查手册常见问题诊断数据捕获失败检查代理端口占用netstat -an | grep 23410验证CA证书信任状态确认游戏客户端代理设置AI模型加载失败验证Python环境完整性检查模型权重文件路径查看mjai_bot/name/.akagi/日志性能问题排查监控系统资源使用率检查网络延迟和丢包率分析AI推理延迟统计日志分析指南系统日志位于log_dir/YYYYMMDD-HHMMSS/目录日志目录结构 ├── all.log # 综合跟踪输出 ├── proxy.binlog # 原始WebSocket帧 ├── majsoul/flow_id.log # 平台特定协议日志 └── inspector.jsonl # 协议分析器输出调试工具使用诊断视图按级别trace/debug/info/warn/error过滤日志按模块分类查看详细输出实时日志流监控检查器视图WebSocket帧原始数据查看mjai事件流解码显示AI响应元数据分析扩展开发指南自定义AI模型集成开发符合mjai协议的AI模型需实现以下接口输入协议[ {type: start_game, id: 0}, {type: tsumo, actor: 0, pai: 1m} ]输出协议{ type: dahai, actor: 0, pai: 5p, tsumogiri: false }平台协议扩展添加新游戏平台支持需要实现以下组件协议解析器位于src/bridge/目录状态跟踪器继承GameStateTracker接口事件转换器实现MjaiEvent转换逻辑前端界面定制前端基于React TypeScript Tailwind CSS构建组件架构路由组件frontend/src/routes/仪表板磁贴frontend/src/tiles/状态管理frontend/src/stores/国际化支持 系统支持多语言界面翻译文件位于frontend/src/i18n/目录。未来技术路线近期开发计划平台扩展天月麻将完整支持更多麻将平台协议适配功能增强自定义主题系统前端界面动画优化无障碍访问支持技术架构演进性能优化方向WebAssembly分析引擎GPU加速推理支持分布式AI模型服务用户体验改进移动端适配优化离线模式支持社区功能集成生态系统建设开发者工具协议分析调试工具AI模型训练框架性能基准测试套件社区贡献插件化架构支持第三方AI模型市场数据分析API服务总结Akagi麻将AI助手通过现代化的技术架构为麻将爱好者提供了专业级的实时分析工具。其模块化设计、灵活的AI集成方案和丰富的功能特性使其成为麻将技能提升的理想辅助工具。无论是初学者学习基础规则还是进阶玩家优化决策策略Akagi都能提供有价值的分析支持。项目采用Apache 2.0开源协议确保了商业友好性同时通过进程隔离设计避免了AGPL许可证的传染性风险。随着社区的持续贡献和技术的不断演进Akagi将继续为麻将AI分析领域带来创新和改进。【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
