Akagi 麻将助手完整使用教程:从安装到实战应用
2026-02-06 04:50:02作者:何将鹤
Akagi 是一款专为雀魂游戏设计的智能辅助客户端,通过集成 Mortal AI 模型,帮助玩家在游戏过程中实时分析牌局、学习策略并提升竞技水平。本教程将为您详细介绍如何快速上手使用这一强大工具。
快速入门指南
让我们从最基础的安装开始,快速搭建您的Akagi环境。首先需要获取项目源码:
git clone https://gitcode.com/gh_mirrors/ak/Akagi
Akagi 的核心功能是实时分析雀魂游戏对局,通过AI模型提供决策建议,帮助玩家理解牌局走向和战术选择。
一键部署方案
Windows系统部署
使用管理员权限的PowerShell执行以下步骤:
- 进入项目目录:
cd Akagi - 运行安装脚本:
scripts/install_akagi.ps1 - 首次使用需要安装mitmproxy证书
- 将mortal.pth文件放置在指定位置
Mac系统部署
在终端中执行以下命令:
- 进入项目目录:
cd Akagi - 运行安装命令:
bash scripts/install_akagi.command - 完成安装后双击
run_akagi.command启动应用
核心功能详解
智能决策系统
Akagi 集成了先进的AI模型,能够实时分析游戏局面并给出最优决策建议。系统通过以下流程工作:
- 实时捕获游戏数据流
- 将数据转换为标准格式
- AI模型进行分析计算
- 输出具体的操作建议
自动化游戏支持
通过配置settings.json文件,您可以开启自动游戏功能,让AI代您完成部分操作,同时学习其决策思路。
个性化配置指南
配置文件位于项目根目录的config.json,主要包含以下关键设置项:
| 配置项 | 功能说明 | 推荐设置 |
|---|---|---|
| Unlocker | 解锁器功能开关 | 根据需求选择 |
| Autoplay | 自动游戏功能 | 学习阶段建议关闭 |
| Helper | 麻将助手启用 | 建议开启 |
| Autohu | 自动荣和功能 | 根据个人习惯设置 |
端口配置详解
- MITM端口:用于代理游戏数据流
- XMLRPC端口:远程过程调用接口
- MJAI端口:AI模型服务端口
最佳实践建议
安全使用提示
为了保护您的游戏账号安全,请遵循以下建议:
- 优先使用网页版:相比Steam客户端,网页版风险更低
- 适度使用功能:不要过度依赖自动化功能
- 模仿人类行为:适当使用表情和贴纸
- 控制使用时间:避免长时间连续使用
性能优化技巧
- 确保系统有足够的内存运行AI模型
- 合理设置各服务端口,避免冲突
- 定期更新项目以获取最新功能
常见问题解答
Q:如何获取mortal.pth文件?
A:您需要从官方渠道获取合法的AI模型文件。
Q:启动时遇到证书问题怎么办?
A:请确保正确安装了mitmproxy证书,并按照安装指南完成所有步骤。
Q:如何确保账号安全?
A:遵循最佳实践建议,适度使用辅助功能,并保持正常的游戏行为模式。
通过本教程,您已经掌握了Akagi的基本使用方法。记住,这款工具的主要目的是帮助您学习和提高麻将技巧,而不是完全替代您的游戏体验。合理使用,享受游戏乐趣!
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
562
3.81 K
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++
891
653
昇腾LLM分布式训练框架
Python
115
146
Ascend Extension for PyTorch
Python
374
435
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
348
196
React Native鸿蒙化仓库
JavaScript
308
359
Dora SSR 是一款跨平台的游戏引擎,提供前沿或是具有探索性的游戏开发功能。它内置了Web IDE,提供了可以轻轻松松通过浏览器访问的快捷游戏开发环境,特别适合于在新兴市场如国产游戏掌机和其它移动电子设备上直接进行游戏开发和编程学习。
C++
57
7
暂无简介
Dart
794
196
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
772