Akagi雀魂助手完整使用指南:5分钟快速上手AI麻将分析

Akagi是一款专为雀魂(Mahjong Soul)游戏设计的智能助手客户端,能够实时捕获游戏数据流,通过AI分析提供专业的麻将决策建议。这款开源工具不仅能帮助玩家提升麻将技能,还能深入理解对局表现,是麻将爱好者必备的学习分析工具。

【免费下载链接】AkagiA helper client for Majsoul 项目地址: https://gitcode.com/gh_mirrors/ak/Akagi

🎯 项目核心功能解析

Akagi麻雀助手通过先进的技术架构实现了多维度麻将分析功能。该项目位于 https://gitcode.com/gh_mirrors/ak/Akagi,核心功能包括:

实时数据捕获:通过中间人技术实时获取游戏通信数据,确保分析的准确性和及时性。

智能AI分析:基于先进的Mortal模型提供专业的打牌建议,帮助玩家做出更优决策。

可视化界面:通过清晰的用户界面展示分析结果,让复杂的数据变得直观易懂。

🚀 5分钟快速安装指南

Windows系统一键安装

Windows用户可以通过简单的PowerShell脚本完成快速安装:

  1. 下载安装脚本 scripts/install_akagi.ps1
  2. 以管理员身份运行PowerShell
  3. 设置执行策略:Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
  4. 执行安装命令:.\install_akagi.ps1

macOS系统便捷安装

macOS用户同样可以轻松完成安装:

  1. 获取安装脚本 scripts/install_akagi.command
  2. 在终端中执行:bash install_akagi.command

核心模型配置要点

完成基础安装后,需要配置AI分析模型:

  • mortal.pth 模型文件放置到 mjai/bot 目录
  • 验证模型文件完整性,确保AI功能正常运行

⚙️ 关键配置参数详解

settings.json 配置文件中,您可以调整以下关键参数来优化使用体验:

配置项功能说明推荐设置
Helper麻将助手集成开关false
Autoplay自动打牌模式false
Port.MITM中间人代理端口7878
Port.MJAIAI机器人端口28680

🔧 网络代理设置技巧

为确保Akagi正常运行,必须完成网络代理配置:

  • 将雀魂游戏连接重定向到指定的中间人端口
  • 安装必要的SSL安全证书
  • 验证代理连接状态,确保数据传输畅通

🎮 实战应用操作流程

实时对局分析全流程

当您参与麻将对局时,Akagi会自动执行完整的分析流程:

数据捕获阶段:通过先进的中间人技术实时获取游戏通信数据,确保分析的准确性。

格式转换处理:将原始LiqiProto协议转换为标准mjai格式,为AI分析做好准备。

AI智能分析:基于Mortal模型提供专业的打牌建议,帮助您做出最优决策。

结果可视化:在界面中清晰呈现分析结果,让复杂的数据变得直观易懂。

学习模式深度应用

利用AI分析功能可以有效提升个人麻将技能:

  • 观察AI的出牌策略和决策思路
  • 分析和牌时机选择的判断逻辑
  • 学习防守技巧和风险评估方法
  • 理解牌局形势评估的完整过程

🛡️ 安全使用最佳实践

账号安全保障策略

为最大限度降低账号风险,建议遵循以下原则:

客户端选择:优先使用网页版而非Steam客户端,减少检测风险。

操作模式:以手动操作为主,避免完全依赖自动功能,保持自然游戏行为。

行为模拟:适当使用游戏内表情和互动功能,增强账号的真实性。

使用频率:避免24小时不间断使用,合理安排使用时间。

检测规避实用方法

  • 混合使用AI建议与个人判断
  • 设置合理的操作间隔时间
  • 保持正常的游戏行为模式

📊 性能优化专业建议

响应速度提升技巧

通过合理调整配置参数,可以显著提升Akagi的响应速度:

  • 优化AI模型的思考深度设置
  • 调整网络连接配置参数
  • 设置适当的缓存策略

🔗 生态工具协同使用

相关项目整合应用

Akagi可以与以下生态工具完美配合:

  • common/endless/mahjong-helper.exe - 提供专业的牌局深度分析
  • 协议处理模块 liqi.py - 高效处理游戏通信协议
  • API接口组件 mahjong_soul_api - 提供全面的数据接口服务

扩展功能开发指南

基于现有的代码架构,您可以轻松开发新的功能:

  • 开发新的AI模型接口
  • 创建自定义分析插件
  • 集成其他麻将游戏平台

💡 日常使用规范建议

最佳实践操作指南

  1. 适度使用原则:将Akagi作为学习工具而非取胜依赖
  2. 功能选择策略:根据实际需求选择性启用功能
  3. 更新维护计划:定期检查程序更新和安全提示

通过遵循本指南,您将能够充分发挥Akagi在麻将学习和分析方面的价值,同时确保使用过程的安全性和合规性。技术工具的正确使用才是技能提升的关键所在,希望Akagi能成为您麻将进阶之路的得力助手。

【免费下载链接】AkagiA helper client for Majsoul 项目地址: https://gitcode.com/gh_mirrors/ak/Akagi

Read more

Claude Code的完美平替:OpenCode + GitHub Copilot

引言:Claude 虽好,但你真的能用上吗? 在当前席卷全球的“Vibe Coding”浪潮中,Anthropic 推出的 Claude 系列模型 + 终端工具 Claude Code,凭借极强的逻辑推理能力,成为了开发者眼中的“白月光”。但现实是残酷的:对于中国开发者而言,账号随时被封、海外信用卡支付遭拒、API 额度受限以及复杂的网络环境,构成了一道难以逾越的门槛。 虽然最近国产编程模型不断发力,Claude Code + GLM-4.7的表现非常出色,但面对复杂问题,Claude系列模型依然完胜。难道我们只能眼馋Claude全家桶的编程体验吗? 作为一名追求极致生产力的开发者,我发现了一个绝佳的完美替代方案:OpenCode + GitHub Copilot。这个组合不仅能让你享受如 GLM-4.7 一样的性价比,还能更方便的使用 Claude 的顶级模型。 Claude Code 的开源免费平替:OpenCode 想要复刻

如何在Llama-Factory中自定义损失函数?高级用法指南

如何在 Llama-Factory 中自定义损失函数?高级用法指南 在大模型微调日益普及的今天,越来越多的实际任务开始暴露出标准训练流程的局限性。比如,你在训练一个金融客服机器人时发现,尽管整体准确率不错,但模型总是“忽略”那些关键却少见的问题——像“账户被冻结怎么办”这类高风险咨询,出现频率低、样本少,结果在交叉熵损失主导下被梯度淹没。这时候,你真正需要的不是更多数据,而是一种能表达业务优先级的损失函数。 这正是 Llama-Factory 作为现代微调框架的价值所在:它不仅让你“跑得起来”,更允许你深入到底层训练逻辑,把领域知识、工程经验甚至产品目标,编码进模型的学习过程中。其中最关键的入口之一,就是自定义损失函数。 Llama-Factory 基于 Hugging Face Transformers 构建,底层使用 PyTorch,其训练流程遵循典型的因果语言建模范式。默认情况下,Trainer 类会调用内置的 CrossEntropyLoss 来计算 token 级别的预测误差。这个过程看似固定,实则留出了清晰的扩展点—

“AI痕迹太重怎么办?”15个提示词教你降低AIGC率,让写作更像人!

“AI痕迹太重怎么办?”15个提示词教你降低AIGC率,让写作更像人!

还在被AIGC率检测卡住?写得再好,也逃不过“AI痕迹”?别急,这篇文章教你15条最实用的“人类化”提示词,让你的写作摆脱机器人味,一键降重过检! 🧠 为什么你写的AI文章“看起来就像AI写的”? 在很多AIGC检测系统中,比如新版知网、Turnitin、Grammarly、GPTZero等,AI生成内容往往因为这些特征而中招: * 表达过于标准、学境思源,结构死板(比如“引言-三点论证-结尾”的模板) * 用词中性均衡,一键生成,缺乏语气变化 * 没有细节、论文初稿,acaids.com。比喻或非逻辑性插话 * 引用来源少或太“教科书式” * 缺乏真实感和主观思维 这就导致了一个问题:AI写得虽然通顺,但“太工整”,反而容易被机器识别成AI! 🛠️ 如何让AI帮你“写得不像AI”?15个逆转提示词来了! 别再单靠“降重工具”打补丁。更聪明的做法是——从源头开始用“降AIGC率提示词”来让AI写得更像人。