Akagi智能工具：提升麻将竞技效率的个性化配置指南

作为一款专为麻将游戏设计的智能辅助工具，Akagi正通过实时牌局分析与个性化决策建议，重新定义玩家的游戏体验。这款开源工具将AI算法与实时数据采集技术深度融合，为不同水平的玩家提供从新手引导到专业竞技的全场景支持。无论你是希望快速提升胜率的休闲玩家，还是追求战术精进的竞技选手，Akagi都能通过灵活的配置选项和强大的分析能力，成为你最可靠的技术伙伴。

3步完成Akagi智能工具快速启动

环境准备清单

在开始使用Akagi前，请确保你的系统满足以下要求：

• 操作系统：Windows 10/11或macOS 10.15+
• 网络环境：稳定的互联网连接（用于数据同步与模型更新）
• 存储空间：至少2GB可用空间（含AI模型文件）

安装部署流程

1. 获取项目代码

   git clone https://gitcode.com/gh_mirrors/ak/Akagi
   cd Akagi
   

   ⚠️ 验证方法：执行ls命令（Linux/macOS）或dir命令（Windows），确认能看到mjai/、mahjong_soul_api/等核心目录

2. 执行安装脚本

   • Windows系统：右键PowerShell以管理员身份运行，执行

     .\scripts\install_akagi.ps1
     

   • Mac系统：打开终端，运行

     bash scripts/install_akagi.command
     

   💡 提示：安装过程可能需要5-10分钟，取决于网络速度

3. 配置AI模型 将下载的模型文件（通常命名为mortal.pth）复制到mjai/bot/目录下 ⚠️ 警告：确保模型文件大小超过100MB，过小的文件可能是不完整的模型

启动与验证

运行启动脚本开始使用Akagi：

• Windows：双击run_akagi.bat
• Mac：终端执行bash run_akagi.command

验证方法：启动后观察控制台输出，出现"Akagi started successfully"信息表示启动成功

下一步建议：完成基础安装后，建议先熟悉config.json配置文件的基础参数，为后续个性化设置做准备

Akagi核心功能矩阵：从分析到决策的全流程支持

Akagi提供三大核心功能模块，形成完整的麻将辅助生态系统，满足从数据采集到策略生成的全流程需求。

实时牌局分析系统

该模块通过精准捕获游戏数据，构建多维分析模型，为你提供全方位的牌局洞察：

• 手牌效率评估：自动计算当前手牌的听牌概率与最优进张路线
• 对手行为分析：记录并分析其他玩家的出牌习惯与策略倾向
• 风险评估机制：实时计算打出每张牌的放炮风险与收益比

Akagi牌局分析流程 图：Akagi实时牌局分析系统工作流程（alt文本：智能辅助牌局分析流程图）

常见问题速查

Q: 分析结果出现延迟怎么办？ A: 尝试在config.json中降低analysis_depth参数值，或关闭其他占用系统资源的程序

智能决策引擎

基于强化学习训练的决策系统，提供动态调整的建议机制：

• 基础模式：适合新手的标准化建议，强调安全打牌策略
• 激进模式：针对进阶玩家的高风险高回报策略推荐
• 自定义模式：允许通过mhm/config.py调整决策权重参数

💡 提示：决策建议会根据游戏进程动态调整，初期可能较为保守，随着牌局深入会逐渐优化

数据转换与分析工具

通过majsoul2mjai.py实现雀魂数据与标准格式的转换，支持：

• 历史对局数据导出与复盘
• 个人战绩统计与战术分析
• 牌谱分享与战术讨论

常见问题速查

Q: 转换后的数据如何查看？ A: 转换生成的文件默认保存在mjai/logs/目录下，可用文本编辑器打开或导入专业麻将分析软件

下一步建议：先使用默认配置体验所有核心功能，记录使用过程中需要优化的具体场景，为后续场景化配置做准备

四大场景解决方案：为不同需求定制最佳策略

新手入门场景解决方案

核心需求：快速上手，建立基本游戏策略意识

实施步骤：

1. 保持默认配置，确保config.json中ai_strength参数设为"high"
2. 启动时选择"学习模式"，开启决策依据显示
3. 每局结束后查看"新手提示"，重点关注牌效率相关建议

🚀 进阶技巧：在mjai/bot/目录下创建tips.txt文件，可自定义显示的新手提示内容

验证方法：连续使用3-5局后，检查是否能理解AI建议的基本逻辑

战术训练场景解决方案

核心需求：针对特定牌型或战术进行专项训练

实施步骤：

1. 修改config.json中的training_mode为"specific"
2. 在mhm/config.py中设置target_pattern参数指定训练牌型
3. 启用"复盘模式"，自动保存训练过程数据到mjai/training/目录

常见问题速查

Q: 如何设置特定牌型的训练？ A: 在target_pattern中使用麻将牌面符号定义，如"1m9m"表示训练万子幺九牌策略

比赛竞技场景解决方案

核心需求：稳定高效运行，提供实时精准建议

实施步骤：

1. 优化性能配置：设置ai_memory为2048MB，update_interval为300ms
2. 关闭界面动画：修改gui.py中animation_enabled为False
3. 启用"竞技模式"：在启动脚本中添加--tournament参数

⚠️ 警告：比赛环境中请确保网络稳定，建议使用有线连接并关闭自动更新

数据分析场景解决方案

核心需求：深度分析个人游戏数据，优化战术策略

实施步骤：

1. 使用majsoul2mjai.py转换近30局游戏数据
2. 运行python scripts/analyze.py --input mjai/logs/ --output reports/生成分析报告
3. 重点关注"胜率波动"和"舍牌效率"两个指标

数据分析报告示例 图：Akagi数据分析报告关键指标展示（alt文本：智能辅助数据分析报告）

下一步建议：根据场景使用体验，识别最需要优化的功能模块，进入个性化定制阶段

Akagi个性化定制指南：从基础配置到专家模式

基础配置：界面与交互优化

通过修改settings.json调整基础使用体验：

• 界面布局：设置window_layout为"compact"（紧凑）或"expanded"（扩展）
• 提示风格：修改notification_style控制建议显示方式
• 快捷键设置：自定义keyboard_shortcuts提升操作效率

💡 提示：配置修改后无需重启，按F5即可应用新设置

进阶技巧：决策参数调整

在mhm/config.py中优化AI决策逻辑：

1. 风险偏好：调整risk_tolerance值（0.1-1.0），数值越高策略越激进
2. 牌型权重：修改pattern_weights调整不同牌型的优先级
3. 对手适应：开启adaptive_mode让AI学习当前对手的出牌习惯

常见问题速查

Q: 如何让AI更倾向于进攻型打法？ A: 增加offensive_bias参数值至0.7以上，并降低defensive_weight至0.3以下

专家模式：自定义AI策略

高级用户可通过以下方式深度定制AI行为：

1. 编辑mjai/bot/model.py修改神经网络结构
2. 在mahjong_soul_api/rpc.py中扩展协议解析功能
3. 开发自定义插件，放置于mhm/hook/目录下

🚀 进阶资源：插件开发文档可参考mahjong_soul_api/README.md

下一步建议：完成个性化配置后，建议进行20-30局的实际测试，记录关键指标变化，形成个人化的最优配置方案

避坑指南：新手到专家的常见问题解决方案

性能优化常见问题

• 卡顿问题：降低analysis_depth至"medium"，或清理mjai/cache/目录下的临时文件
• 内存占用过高：在config.json中设置max_memory_usage为系统内存的50%
• 启动失败：检查requirement.txt中的依赖是否全部安装，执行pip install -r requirement.txt修复

安全与合规提示

⚠️ 账号安全警告：

• 避免同时在多设备使用同一账号运行Akagi
• 合理设置使用频率，避免触发游戏反作弊机制
• 不要分享包含个人信息的配置文件或日志

数据管理最佳实践

• 定期备份mjai/logs/目录下的游戏记录
• 使用scripts/cleanup.py清理超过30天的旧数据
• 重要比赛记录单独保存至mjai/important/目录

常见问题速查

Q: 如何迁移配置到新设备？ A: 复制config.json、settings.json和mjai/bot/目录到新设备的对应位置即可

下一步建议：建立个人配置备份与更新机制，定期关注项目更新日志，及时获取新功能与安全补丁

通过本指南，你已经掌握了Akagi智能辅助工具的核心使用方法与定制技巧。记住，工具终究是辅助，真正的麻将乐趣来自于策略思考与经验积累。建议你在使用过程中保持适度依赖，逐步建立自己的战术体系，让Akagi成为你提升麻将水平的得力助手，而非替代思考的捷径。现在就启动工具，开始你的智能麻将进阶之旅吧！