终极围棋AI分析工具:LizzieYzy让棋力飙升的完整指南 🎯
LizzieYzy是一款基于Lizzie开发的围棋AI分析工具,支持Katago、LeelaZero等主流围棋引擎,提供鹰眼分析、闪电分析、批量棋谱处理等专业功能,帮助围棋爱好者快速提升棋力。无论是死活题训练、对局复盘还是引擎对比,LizzieYzy都能提供直观高效的解决方案。
🖥️ 为什么选择LizzieYzy?核心功能一览
LizzieYzy在原版Lizzie基础上进行了深度优化,新增多项实用功能,完美支持高分辨率显示,让围棋分析体验更上一层楼:
✅ 九大核心增强功能
-
鹰眼分析
通过AI选点胜率、计算量与实际落子对比,生成吻合度、胜率波动、失误手分析图表,直观展示棋局关键转折点。 -
闪电分析
利用Katago的analysis模式并行处理整盘棋谱,快速生成胜率曲线和推荐选点,支持批量分析提高效率。 -
批量分析
支持多棋谱打包处理,可选择GTP引擎逐局分析或Katago批量模式,适合大量棋谱的系统性复盘。

LizzieYzy中文界面展示,包含棋盘、分析面板和工具栏,支持多引擎同步分析
-
智能形势判断
默认使用Katago的kata-raw-nn命令或ZenGTP的territory命令,自动计算每步棋后的目数差异,实时掌握局势变化。 -
棋盘同步功能
提供Windows专属的C#版本和跨平台Java版本,支持野狐、弈城等平台一键同步,支持双向自动落子(溜狗)功能。 -
引擎对局模拟
可设置两个AI引擎进行单盘或多盘对局,支持导入SGF开局库,自动计算ELO等级分和标准差区间,适合引擎强度测试。 -
死活题专项训练
支持抓取局部棋盘生成死活题框架,引导AI在正确范围内思考,通过[菜单]-[分析]-[死活题]或工具栏按钮快速启动。

LizzieYzy韩国语界面,展示多语言支持能力和棋盘分析功能
-
双引擎对比分析
同时加载两个不同引擎(如Katago vs LeelaZero)同步分析,方便比较不同AI的思路差异和选点偏好。 -
KataGo训练可视化
实时展示KataGo官方分布式训练进度,可观看正在进行或已完成的训练对局,深入了解AI学习过程。
🚀 快速上手:3步安装使用教程
🔧 环境准备
确保系统已安装Java运行环境,Ubuntu/Debian用户可通过以下命令快速安装:
sudo apt-get update && sudo apt-get install default-jre -y
📥 下载与启动
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/li/lizzieyzy
- 进入项目目录:
cd lizzieyzy
- 直接运行程序:
java -jar lizzieyzy.jar
⚙️ 基础配置指南
首次启动后,通过[设置]-[引擎配置]添加围棋引擎:
- Katago路径:建议选择
kata1-b18c384nbt-...系列网络模型 - LeelaZero:需提前下载训练权重文件
- 多引擎管理:通过[选择更多引擎]功能切换不同AI
💡 实战技巧:从入门到精通
📊 专业复盘流程
- 打开SGF棋谱文件(支持拖放操作)
- 点击工具栏[闪电分析]按钮启动快速处理
- 在分析面板查看胜率曲线和关键失误手
- 使用[鹰眼分析]生成详细技术报告
🔍 死活题训练技巧
- 通过[抓取死活题]框选局部棋盘
- 系统自动生成死活题框架
- 启用AI分析后观察正确解题路径
- 对比自己的解法与AI推荐的差异
🤖 引擎对比实验
- 在[引擎对局]中选择两个不同配置的Katago
- 设置10局对战和ELO计算参数
- 运行后自动生成胜率分布和等级分变化
- 通过[统计阈值]调整结果显示精度
📚 资源与扩展
- 官方使用手册:readme_cn.pdf
- 棋盘同步工具:src/main/java/featurecat/lizzie/analysis/ReadBoard.java
- 死活题抓取模块:src/main/java/featurecat/lizzie/gui/CaptureTsumeGoFrame.java
- 多语言支持:内置中文、英文、韩文界面,自动匹配系统语言
🎯 总结:LizzieYzy的核心优势
LizzieYzy通过将专业围棋AI分析功能与人性化界面结合,为从初学者到职业棋手的各类用户提供了强大支持。其批量处理能力和多引擎对比功能尤其适合系统性训练,而直观的可视化图表则降低了专业分析的门槛。无论是日常复盘、专项训练还是AI研究,LizzieYzy都是围棋爱好者不可或缺的得力助手。
现在就下载LizzieYzy,开启你的围棋AI辅助训练之旅吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
