Akagi雀魂助手:智能麻将分析与实战指南
2026-02-07 04:11:39作者:魏侃纯Zoe
Akagi雀魂助手是一款专为雀魂麻将游戏设计的智能辅助客户端,通过集成先进的AI分析模型,能够实时解析牌局并提供精准的操作建议。该项目旨在为玩家提供便捷的方式实时了解自己在雀魂游戏中的表现,并通过学习来不断提升麻将技巧。
项目概述
Akagi雀魂助手通过中间人代理技术捕获游戏数据流,将原始协议转换为标准的MJAI格式,再由AI模型进行分析决策,最终将建议反馈给玩家。整个系统包含多个核心模块:MITM数据捕获、协议转换、AI分析引擎和用户界面。
核心功能特性
智能决策分析
- 实时数据捕获:通过MITM技术自动获取游戏过程中的所有关键信息
- AI策略推荐:基于当前牌局提供最优操作建议
- 多模型支持:支持多种AI模型配置,满足不同玩家的需求
自动化操作
- 自动和牌检测:智能识别可和牌型并提供提示
- 智能鸣牌判断:根据局势分析是否需要吃、碰、杠
- 自适应策略:根据对手风格和牌局演变调整推荐策略
用户界面设计
该界面采用深色主题设计,分为上下两个主要部分:
- 上半部分:显示雀魂麻将游戏的实际界面,包含手牌、场况和其他玩家信息
- 下半部分:Akagi辅助工具的控制面板,提供操作建议和系统设置
安装部署指南
Windows系统安装
- 下载安装脚本
install_akagi.ps1到目标目录 - 以管理员身份打开PowerShell
- 切换到脚本所在目录
- 执行命令:
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass - 运行:
install_akagi.ps1 - 首次使用需完成MITM代理证书安装
macOS系统安装
- 下载安装脚本
install_akagi.command到目标目录 - 打开终端并切换到脚本目录
- 执行:
bash install_akagi.command - 安装完成后进入Akagi文件夹
- 双击
run_akagi.command启动应用程序
模型文件配置
将AI模型文件 mortal.pth 放置在指定目录:
- Windows:
./Akagi/mjai/bot/ - macOS:
./Akagi/mjai/bot/
系统配置详解
settings.json配置文件
{
"Unlocker": false,
"v10": false,
"Autoplay": false,
"Helper": false,
"Autohu": false,
"Port": {
"MITM": 8080,
"XMLRPC": 41112,
"MJAI": 41113
}
主要配置项说明:
Unlocker:是否启用MajsoulUnlocker功能Autoplay:自动游戏模式开关Helper:麻将助手功能启用Autohu:自动和牌功能Port:网络端口配置,包括MITM代理端口、XMLRPC端口和MJAI端口
使用操作流程
启动MITM代理
首次启动需点击"start mitm"按钮激活代理服务,确保数据捕获功能正常运行。
模型选择配置
在模型设置界面,用户可以选择不同的AI模型进行辅助分析,每个模型可能具有不同的策略特点和决策风格。
安全使用建议
为最大限度保护游戏账号安全,建议遵循以下原则:
- 优先使用网页版本:相比客户端版本风险更低
- 合理使用频率:避免长时间连续使用自动化功能
- 保持自然行为:适当使用游戏内表情和互动功能
- 适度参考建议:不完全依赖AI决策,保持个人判断
风险规避策略
- 避免在Steam平台使用辅助工具
- 合理设置自动化功能的使用频率
- 定期检查系统更新,获取最新的安全功能
故障排除与支持
常见问题解决
Q:启动时遇到证书错误怎么办? A:请重新执行证书安装步骤,确保所有安全设置正确配置。
Q:如何获取AI模型文件? A:需要从官方认证渠道下载合法的模型文件,放置于指定目录即可激活使用。
技术支持渠道
- 项目文档:docs/
- 问题反馈:issues/
项目架构说明
核心模块结构
Akagi/
├── scripts/Akagi/ # 主程序目录
├── mjai/ # MJAI协议处理
├── mahjong_soul_api/ # 雀魂API接口
├── mitm/ # MITM代理模块
└── players/ # AI模型存放目录
协议转换流程
- 数据捕获:MITM代理监听游戏网络通信
- 协议解析:将LiqiProto转换为标准MJAI格式
- AI分析:模型接收MJAI数据并生成决策建议
- 用户反馈:将AI建议通过界面呈现给玩家
开发贡献指南
项目欢迎开发者贡献代码和功能改进:
- 提交Pull Request参与功能开发
- 报告使用过程中发现的bug和问题
- 分享优秀的AI模型配置方案
许可证信息
本项目采用GNU Affero General Public License version 3 with Commons Clause许可证。请在使用前仔细阅读许可证条款,了解使用限制和责任声明。
未来发展规划
项目团队持续优化系统功能和用户体验:
- 三人麻将模式支持
- 图像识别技术集成
- 更智能的自动化策略
通过本指南,您已经全面了解了Akagi雀魂助手的基本原理、安装配置和使用方法。请记住,这款工具的核心价值在于辅助学习和技能提升,而非完全替代您的游戏体验。合理运用,享受麻将竞技的无限乐趣!
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
404
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355


