Mortal
Mortal 是一款专为日本立直麻将打造的开源人工智能程序,旨在提供快速且高水平的对局策略。它主要解决了麻将游戏中因信息不完全和概率复杂而难以制定最优决策的难题,通过深度强化学习技术,让机器能够像人类高手一样思考并做出精准判断。
这款工具特别适合对麻将 AI 感兴趣的研究人员、希望分析牌局策略的进阶玩家,以及想要探索强化学习在游戏领域应用的开发者。普通麻将爱好者也可以利用它来复盘对局或提升自身水平。
Mortal 的核心亮点在于其底层采用 Rust 语言编写,确保了极高的运行效率与稳定性,同时结合了先进的深度强化学习算法进行训练。作为免费开源项目,它不仅提供了完整的源代码供社区学习和改进,还公开了训练好的模型权重,方便用户直接体验或进行二次开发。无论是用于学术研究还是娱乐辅助,Mortal 都是一个强大而透明的选择。
使用场景
一位日麻爱好者兼开发者希望搭建一个本地化的单人训练环境,通过高强度的自我对弈来深入理解牌理并验证策略。
没有 Mortal 时
- 只能依赖规则简单的传统脚本或水平有限的人类对手,难以模拟高端局中复杂的防守读牌与弃和逻辑。
- 缺乏高效的批量对弈能力,手动记录和分析数千局牌谱耗时耗力,数据积累效率极低。
- 遇到争议牌型时,无法获得基于深度强化学习的客观最优解参考,容易陷入主观经验主义的误区。
- 想要复现顶级 AI 的决策思路,必须付费订阅在线平台或等待漫长的云端排队,无法在本地离线运行。
使用 Mortal 后
- 利用基于深度强化学习的模型,Mortal 能提供接近人类顶尖选手的攻防判断,精准模拟高压下的弃和与追立决策。
- 凭借 Rust 编写的高性能后端,Mortal 可在本地瞬间完成成千上万局的自我对弈,快速生成高质量训练数据集。
- 面对复杂局面,Mortal 能实时输出各动作的胜率评估与期望得分,为复盘分析提供确凿的量化依据。
- 开发者可直接在本地部署 Mortal 权重文件,随时随地进行零延迟的离线训练与策略测试,完全摆脱网络限制。
Mortal 将日麻训练从“凭感觉摸索”升级为“数据驱动的科学复盘”,是个人提升牌技与研发辅助系统的强大引擎。
运行环境要求
未说明
未说明

快速开始
Mortal
Mortal(凡夫)是一款基于深度强化学习的免费开源日本麻将人工智能系统。
有关该项目的所有信息,请阅读文档。
好吧,现在把权重给我!
有关此主题的详细信息,请参阅这篇帖子。
许可证
代码
版权所有 © 2021–2022 Equim
本程序为自由软件:您可以按照自由软件基金会发布的 GNU Affero 通用公共许可证的条款重新分发和修改它,无论是该许可证的第 3 版,还是(由您选择)任何后续版本。
本程序以“希望它有用”的态度发布,但不提供任何担保;甚至不包括对适销性或特定用途适用性的默示担保。有关更多详情,请参阅 GNU Affero 通用公共许可证。
您应随本程序收到一份 GNU Affero 通用公共许可证的副本。如果没有,请访问 https://www.gnu.org/licenses/ 查看。
标志及其他资源
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

