內置AI零配置開箱即用:Akagi的純Rust神經網絡機器人是怎么工作的【免費下載鏈接】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.項目地址: https://gitcode.com/gh_mirrors/ak/AkagiAkagi 是一款支持雀魂、天鳳、麻雀一番街、天月麻將的桌面級 AI 麻將助手它的亮點之一是內置 AI 機器人零配置、開箱即用。你不需要安裝 Python、不需要下載權重文件打開應用選擇內置 bot 就能讓一個純 Rust 編寫的神經網絡模型實時分析牌局并給出建議。本文帶你拆解這個麻雀雖小五臟俱全的神經機器人在 Akagi 里到底是怎么工作的。為什么是零配置權重直接燒進二進制很多麻將 bot 方案依賴外部推理引擎比如 libriichi 加 Python 子進程安裝步驟繁瑣。Akagi 的內置 bot 走了一條完全不同的路純 Rust 推理基于 candle 框架在進程內直接跑卷積網絡沒有 Python、沒有子進程、沒有動態庫依賴權重內嵌訓練好的.safetensors文件通過include_bytes!直接打包進可執行文件見 defaults.rs運行時零外部文件兩種規格四麻yonma與三麻sanma各帶一份模型分別對應 82 / 60 維動作空間。換句話說安裝 bot 這個動作本身被消滅了——你下載的就是完整的 AI。機器人的三大核心部件內置 bot 的全部代碼位于 native_bot/ 目錄核心只有三塊1. 觀察編碼把牌桌變成圖片麻將狀態并不像像素圖像怎么喂給卷積網絡obs.rs 設計了一套自相對特征平面把對局編碼成[C, T]形狀的張量C 為通道數T 為牌軸其中維度四麻三麻特征通道 C3937牌軸 T3427動作空間 A8260通道里包括自己手牌檔位≥1/≥2/≥3/≥4 張同牌、赤五標記、摸牌、聽牌等待面、符里指示牌與符里張、每個對手的舍牌計數/副露/立直狀態/點數、上家切牌、場風、自風、本場、圈數等。所有座位都按相對位置編碼下標 0 永遠是決策者模型因此對座位號完全不敏感。2. 動作編碼合法動作掩碼action_codec.rs 負責把切哪張牌、碰/吃/杠/榮和/Pass統一編號。關鍵細節有兩個合法掩碼推理時只允許在合法動作集合里選擇保證網絡永遠不會做出不存在的牌赤五保護切赤五與切普通五張共享同一個動作 id解碼時會優先還原普通牌避免把確定的符里張白白切掉。3. 小卷積網絡660K 參數2.6 MB 權重model.rs 里的結構刻意保持緊湊輸入卷積 64 通道 → 3 個殘差塊 → 256 維全連接 → 動作 logit。四麻模型約 66 萬參數權重文件只有 2.6 MB——小到可以直接內嵌進桌面程序在 CPU 上毫秒級完成一次前向推理。訓練流程用天鳳日志模仿人類內置 bot 采用行為克隆模仿學習目標是合格的人類水平而非最強Rust 提取器回放 mjai 格式的天鳳日志產出(觀察, 動作, 掩碼)樣本見 train/README.mdPython GPU訓練小 CNN這里 Python 只離線用一次約 5 分鐘導出.safetensorsRust 側 candle 加載并跑數值一致性測試確保兩邊算出的結果一致parity.rs。參考數據4 萬局日志 → 600 萬樣本驗證集 top-1 命中率 75.9%三麻模型 77.8%。樣本中切牌動作占約 77~81%所有可以鳴牌但沒鳴的位置會被合成為 Pass 樣本避免模型學出亂碰。運行時決策一步棋是怎么選出來的實時對局中Akagi 把 mjai 事件流喂給 engine.rs 的Engine內部由 riichienv-core 純 Rust 牌局引擎維護完整狀態。每當輪到決策點obs_and_legal_4p/3p構建特征平面 合法動作列表模型前向輸出 82/60 維 logit在合法集合內做 softmax 排序取概率最高的動作若最優動作是立直引擎會在狀態克隆中先立直再讓模型補出必須攜帶的切牌——因為 mjai 的立直必須同時指定切牌否則自動操作會卡住HUD 展示 Top-3 候選概率條例如界面上hora 99% / discard 1%的建議卡片。還有一個小優化當合法動作只剩 1 個比如立直后的全部摸切時這是強制動作引擎直接本地回答不浪費推理甚至 API 配額。Akagi 如何接入本地模型永遠在線bot/native.rs 是 Akagi 側的進程內 runner。它注冊了兩個保留 bot 名akagi-native內置四麻 botakagi-native3p內置三麻 bot它的設計哲學是本地模型永遠在回路里即使你配置了云端推理 API本地小模型仍負責——先用合法動作檢查做門控真該決策時才發網絡請求、服務器不可達時自動降級為本地動作、失敗后指數退避熔斷保證對局永不停頓。而這一切都不需要你在 bot 目錄放任何文件也沒有bot.py注冊表流程。想深入了解關鍵文件清單模塊路徑作用觀察編碼器obs.rs特征平面定義與編碼動作編解碼action_codec.rs動作編號、合法掩碼、紅五保護CNN 模型model.rscandle 推理網絡推理引擎engine.rs狀態驅動 決策主循環內嵌權重weights/akagi4p / akagi3p 模型文件訓練說明train/README.md提取 → 訓練 → 導出全流程模塊總覽README.md架構關系圖與幾何參數小結Akagi 的內置機器人證明了夠用且零摩擦的工程價值一份 2.6 MB 的行為克隆小網絡配共享同一套 Rust 編碼器的訓練/推理管線讓雀魂、天鳳玩家打開即用、無需任何安裝還能隨時切換到云端更強模型而體驗無感降級。這就是純 Rust 神經網絡機器人在 Akagi 里的全部秘密 【免費下載鏈接】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.項目地址: https://gitcode.com/gh_mirrors/ak/Akagi創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 內置AI零配置開箱即用:Akagi的純Rust神經網絡機器人是怎么工作的
內置AI零配置開箱即用:Akagi的純Rust神經網絡機器人是怎么工作的【免費下載鏈接】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.項目地址: https://gitcode.com/gh_mirrors/ak/AkagiAkagi 是一款支持雀魂、天鳳、麻雀一番街、天月麻將的桌面級 AI 麻將助手它的亮點之一是內置 AI 機器人零配置、開箱即用。你不需要安裝 Python、不需要下載權重文件打開應用選擇內置 bot 就能讓一個純 Rust 編寫的神經網絡模型實時分析牌局并給出建議。本文帶你拆解這個麻雀雖小五臟俱全的神經機器人在 Akagi 里到底是怎么工作的。為什么是零配置權重直接燒進二進制很多麻將 bot 方案依賴外部推理引擎比如 libriichi 加 Python 子進程安裝步驟繁瑣。Akagi 的內置 bot 走了一條完全不同的路純 Rust 推理基于 candle 框架在進程內直接跑卷積網絡沒有 Python、沒有子進程、沒有動態庫依賴權重內嵌訓練好的.safetensors文件通過include_bytes!直接打包進可執行文件見 defaults.rs運行時零外部文件兩種規格四麻yonma與三麻sanma各帶一份模型分別對應 82 / 60 維動作空間。換句話說安裝 bot 這個動作本身被消滅了——你下載的就是完整的 AI。機器人的三大核心部件內置 bot 的全部代碼位于 native_bot/ 目錄核心只有三塊1. 觀察編碼把牌桌變成圖片麻將狀態并不像像素圖像怎么喂給卷積網絡obs.rs 設計了一套自相對特征平面把對局編碼成[C, T]形狀的張量C 為通道數T 為牌軸其中維度四麻三麻特征通道 C3937牌軸 T3427動作空間 A8260通道里包括自己手牌檔位≥1/≥2/≥3/≥4 張同牌、赤五標記、摸牌、聽牌等待面、符里指示牌與符里張、每個對手的舍牌計數/副露/立直狀態/點數、上家切牌、場風、自風、本場、圈數等。所有座位都按相對位置編碼下標 0 永遠是決策者模型因此對座位號完全不敏感。2. 動作編碼合法動作掩碼action_codec.rs 負責把切哪張牌、碰/吃/杠/榮和/Pass統一編號。關鍵細節有兩個合法掩碼推理時只允許在合法動作集合里選擇保證網絡永遠不會做出不存在的牌赤五保護切赤五與切普通五張共享同一個動作 id解碼時會優先還原普通牌避免把確定的符里張白白切掉。3. 小卷積網絡660K 參數2.6 MB 權重model.rs 里的結構刻意保持緊湊輸入卷積 64 通道 → 3 個殘差塊 → 256 維全連接 → 動作 logit。四麻模型約 66 萬參數權重文件只有 2.6 MB——小到可以直接內嵌進桌面程序在 CPU 上毫秒級完成一次前向推理。訓練流程用天鳳日志模仿人類內置 bot 采用行為克隆模仿學習目標是合格的人類水平而非最強Rust 提取器回放 mjai 格式的天鳳日志產出(觀察, 動作, 掩碼)樣本見 train/README.mdPython GPU訓練小 CNN這里 Python 只離線用一次約 5 分鐘導出.safetensorsRust 側 candle 加載并跑數值一致性測試確保兩邊算出的結果一致parity.rs。參考數據4 萬局日志 → 600 萬樣本驗證集 top-1 命中率 75.9%三麻模型 77.8%。樣本中切牌動作占約 77~81%所有可以鳴牌但沒鳴的位置會被合成為 Pass 樣本避免模型學出亂碰。運行時決策一步棋是怎么選出來的實時對局中Akagi 把 mjai 事件流喂給 engine.rs 的Engine內部由 riichienv-core 純 Rust 牌局引擎維護完整狀態。每當輪到決策點obs_and_legal_4p/3p構建特征平面 合法動作列表模型前向輸出 82/60 維 logit在合法集合內做 softmax 排序取概率最高的動作若最優動作是立直引擎會在狀態克隆中先立直再讓模型補出必須攜帶的切牌——因為 mjai 的立直必須同時指定切牌否則自動操作會卡住HUD 展示 Top-3 候選概率條例如界面上hora 99% / discard 1%的建議卡片。還有一個小優化當合法動作只剩 1 個比如立直后的全部摸切時這是強制動作引擎直接本地回答不浪費推理甚至 API 配額。Akagi 如何接入本地模型永遠在線bot/native.rs 是 Akagi 側的進程內 runner。它注冊了兩個保留 bot 名akagi-native內置四麻 botakagi-native3p內置三麻 bot它的設計哲學是本地模型永遠在回路里即使你配置了云端推理 API本地小模型仍負責——先用合法動作檢查做門控真該決策時才發網絡請求、服務器不可達時自動降級為本地動作、失敗后指數退避熔斷保證對局永不停頓。而這一切都不需要你在 bot 目錄放任何文件也沒有bot.py注冊表流程。想深入了解關鍵文件清單模塊路徑作用觀察編碼器obs.rs特征平面定義與編碼動作編解碼action_codec.rs動作編號、合法掩碼、紅五保護CNN 模型model.rscandle 推理網絡推理引擎engine.rs狀態驅動 決策主循環內嵌權重weights/akagi4p / akagi3p 模型文件訓練說明train/README.md提取 → 訓練 → 導出全流程模塊總覽README.md架構關系圖與幾何參數小結Akagi 的內置機器人證明了夠用且零摩擦的工程價值一份 2.6 MB 的行為克隆小網絡配共享同一套 Rust 編碼器的訓練/推理管線讓雀魂、天鳳玩家打開即用、無需任何安裝還能隨時切換到云端更強模型而體驗無感降級。這就是純 Rust 神經網絡機器人在 Akagi 里的全部秘密 【免費下載鏈接】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.項目地址: https://gitcode.com/gh_mirrors/ak/Akagi創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考