katrain

GitHub
2.2k 281 中等 1 次阅读 昨天NOASSERTIONAgent开发框架图像
AI 解读 由 AI 自动生成,仅供参考

KaTrain 是一款专为围棋爱好者设计的智能辅助工具,旨在通过集成强大的 KataGo 人工智能引擎,帮助用户高效提升棋艺。它主要解决了传统围棋复盘困难、难以精准定位失误以及缺乏高质量陪练的痛点。

在功能上,KaTrain 不仅能深度分析用户的对局记录,自动找出导致目数损失最大的“恶手”并生成重点复盘报告,还提供了即时反馈的对弈模式。用户在与 AI 对战时,一旦走出错招即可收到提示并尝试重走,从而在实战中纠正错误直觉。此外,软件支持调节 AI 强度与风格,允许用户与不同水平的弱化版 AI 进行多样化对抗,避免了直接面对顶级 AI 时因差距过大而无法学习的困境。

KaTrain 非常适合从入门初学者到资深业余段位的广大围棋玩家使用。其独特的技术亮点在于将复杂的 KataGo 算法封装为直观易用的图形界面,无需用户具备编程背景即可轻松配置和使用。无论是想要系统复盘检讨的棋手,还是希望获得个性化陪练的爱好者,KaTrain 都能成为你棋盘旁得力的智能教练,让围棋学习过程更加科学且充满乐趣。

使用场景

围棋爱好者李明在业余段位瓶颈期,希望通过复盘和对弈快速提升棋力,却苦于缺乏高水平指导。

没有 katrain 时

  • 复盘完全依赖个人感觉或棋友互评,难以精准定位导致目数大幅亏损的“致命一手”。
  • 想找特定风格的 AI 陪练时,只能面对实力过强且风格单一的顶级引擎,要么被碾压失去信心,要么无法模拟真实对手。
  • 对局中下出疑问手后无法即时知晓原因,往往要等到整局结束甚至几天后请教他人才能明白失误所在。
  • 生成复习材料耗时费力,需要手动记录坐标并整理成文档,难以形成系统化的错题集。

使用 katrain 后

  • 利用 KataGo 引擎自动分析棋谱,软件直接高亮显示每一步的胜率波动和目数损失,让李明瞬间锁定最严重的失误点。
  • 内置多种弱化版 AI 和不同风格模型,李明可以选择与自己水平相当或风格克制的对手进行针对性特训。
  • 开启“即时反馈”模式对弈,一旦走出劣招,katrain 立即提示并允许原地重试,帮助他在肌肉记忆形成前纠正错误思路。
  • 一键生成聚焦于重大失误的 SGF 复习文件,自动标注变化图,让课后复习效率提升数倍。

katrain 将顶尖 AI 的算力转化为个性化的私人教练,让围棋学习者从“盲目试错”转向“精准修正”。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU
  • 非必需
  • 默认内置 OpenCL 版本支持通用 GPU
  • 可选配 NVIDIA GPU 使用 CUDA 或 TensorRT 版本以提升性能
  • 无 GPU 可使用 CPU (Eigen) 版本
  • 具体型号和显存未说明
内存

未说明

依赖
notes该工具主要依赖围棋 AI 引擎 KataGo。Windows、Linux 及 M1 之前的 macOS 系统预打包了 OpenCL 版本的 KataGo 和旧版模型。用户可在设置中下载更新更强的模型文件或切换不同后端的 KataGo 二进制文件(如 CPU/Eigen、CUDA、TensorRT)。若使用远程服务器或特殊配置,可自定义启动命令。推荐使用 pipx 在隔离环境中安装,或通过 Homebrew (macOS) 安装。
python3.x (通过 pipx 安装暗示需要 Python 环境,具体版本未说明)
KataGo (内置或单独配置)
pipx (推荐安装方式)
katrain hero image

快速开始

KaTrain

最新版本 许可证:MIT GitHub 下载量 PyPI 下载量 Discord

KaTrain 是一款用于分析棋局并结合 KataGo 的 AI 反馈进行围棋对弈的工具:

  • 回顾你的对局,找出那些导致最多目数损失的着法。
  • 与 AI 对弈,并即时获得错误提示及重试选项。
  • 与多种风格、不同强度的弱化版 AI 对战。
  • 自动生成功能聚焦的 SGF 回放文件,突出显示你最大的失误。

使用手册

英语 德语 法语 乌克兰语 俄语
土耳其语 简体中文 繁体中文 韩语 日语

预览与 YouTube 视频

截图
局部定式分析 分析教程 教学棋谱教程
局部定式分析视频 分析教程 教学棋谱教程

安装

  • 请访问 发布页面,下载适用于 Windows 和 macOS 的可执行文件。
  • 或者,您也可以使用 pipx install katrain 在任何 64 位操作系统上以隔离环境安装 PyPI 上的最新版本。
  • 在 macOS 上,您还可以通过 brew install katrain 来安装该应用。
  • 此页面 提供了针对 Windows、Linux 和 macOS 的详细安装说明, 以及故障排除指南和如何配置 KataGo 以使用多块 GPU 的方法。

配置 KataGo

KaTrain 已预装适用于 Windows、Linux 和 M1 之前的 Mac 操作系统的可用 KataGo(OpenCL 版本),以及一个相当老旧的 15 块模型。

要更换模型,只需在应用程序中打开“常规与引擎设置”,然后选择“下载模型”。之后,您就可以从下拉菜单中选择所需的模型。

若要更改 KataGo 的二进制文件,例如切换到 Eigen/CPU 版本以应对没有 GPU 的情况,请点击“下载 KataGo 版本”。随后,您可以在下拉菜单中选择相应的 KataGo 二进制文件。

此外,在 KataGo 发布页面上还提供了 CUDA 和 TensorRT 版本。尤其是后者,在 NVIDIA GPU 上可能带来更出色的性能,但其配置难度也更高:详情请参阅此处

最后,您还可以覆盖用于启动分析引擎的完整命令行,这在连接远程服务器时非常有用。请注意,KaTrain 使用的是 KataGo 的 分析引擎,而非 GTP 引擎。

与 AI 对弈

  • 在主菜单或“新游戏”中选择对弈双方。
  • 在教学对局中,KaTrain 会分析您的每一步棋,并自动撤销那些明显不佳的着法。
  • 与 AI 对弈时,请注意“撤销”按钮会同时撤销 AI 和您的上一步棋。

即时反馈

棋盘上的圆点表示该步棋导致的目数损失:

  • 颜色代表 KataGo 判断的失误程度;
  • 圆点大小则反映实际被惩罚的程度——从最大尺寸表示完全被惩罚,到最小尺寸表示对局势无实质性影响。

简而言之,对于水平较低的棋手,应重点关注红色或紫色的大圆点;而高段位棋手则可更多留意较小的失误。如果您希望隐藏棋盘上的某些颜色,或不在 SGF 文件中输出相关细节,可在“教师设置”中进行调整。

AI 介绍

本节将介绍可供选择的 AI。

在“AI 设置”中,经过测试和校准的选项位于顶部且背景较浅,更改这些设置后会显示一个段位估算值。只要未修改其他设置,这一估算通常较为准确。

  • 适合认真对弈的推荐选项包括:
    • KataGo 是完整的 KataGo 算法,强度超过职业水平。其分析与反馈始终基于此全强度版本的 KataGo AI。
    • 校准段位机器人 曾通过与多种机器人(如不同强度的 GnuGo 和 Pachi)对弈进行校准,旨在从布局到收官阶段保持均衡的棋风,避免出现重大失误(DDK)。更多讨论请参见 这里这里
    • 简单风格 更倾向于巩固双方各自地盘的着法,因此棋局相对简洁。
  • 较早开发的遗留选项包括:
    • 失分优先 是 KataGo 以常规方式分析局面,但根据预期失分多少来选择下一步棋,从而形成风格多变、以小失误为主的棋风。
    • 策略网络 直接采用策略网络给出的最优着法(即不经过读秒的“棋感”着法)。
    • 策略加权 则根据策略网络的概率分布随机选择一步棋,同样以小失误为主,偶尔也会因缺乏深入计算而出现低级失误。
    • 盲选策略 会随机挑选若干着法,再从中选出最佳的一手,相当于每回合都对棋盘的一部分视而不见。校准段位正是基于类似思路设计的,因此建议优先使用该选项。
  • 属于“趣味性与实验性”的选项包括:
    • 盲选策略 的几种变体,它们沿用相同的基本策略,但各有侧重:
      • 局部风格 主要考虑靠近上一手的着法。
      • 脱先风格 则倾向于远离上一手的着法。
      • 影响力风格 多选择四线及以上的着法,形成偏向中央的棋风。
      • 地盘风格 则相反,偏好一二三线的着法。
    • KataJigo 是 KataGo 试图以半目优势取胜的模式,通常会在您犯错时立即回敬一个类似的失误。
    • KataAntiMirror 是 KataGo 假设您正在下镜像围棋,并尝试在您持续如此的情况下打破僵局、争取获利。

基于引擎的 AI(KataGo、失分优先、KataJigo)会受到模型选择以及搜索次数和时限设置的影响;而基于策略网络的 AI 则仅受模型文件选择的影响,无论搜索次数为多少,表现均一致。

关于部分 AI 的更多技术细节及讨论,可参见 life in 19x19 论坛上的这篇帖子:链接

分析

KaTrain 中的分析功能允许您探索变化分支,并在对局的任何阶段向引擎请求更深入的分析。

快捷键 简要说明 详细信息
Tab 切换分析与对弈模式 在分析模式下,AI 走子、教学模式和计时器等功能均会被暂停。分析选项以及右侧面板和功能的状态会分别保存为“对弈”和“分析”两种模式,方便您快速在简约的“对弈”模式与复杂的“分析”模式之间切换。

屏幕顶部的复选框:

简要说明 详情
q 显示子着 默认开启,可关闭以避免遮挡其他信息,或在希望自行猜测下一步时使用。
w 显示所有点 切换是否在最后几步棋上显示彩色的评估“点”。您可以在“教学/分析设置”中配置这些阈值,以及针对最后多少步棋显示这些点。
e 最佳着 显示 KataGo 认为的下一步着法,按其预期的目数损失程度进行着色。较小或较淡的点表示不确定性较高,且不会显示文字(低于您的“快速访问”设置)。将鼠标悬停在任意一个点上即可查看主变化线。
r 策略着 显示 KataGo 的策略网络评估结果,即仅根据当前局面、在不进行任何“读秒”的情况下,它认为的最佳下一步落子位置。此功能会关闭“最佳着”设置,因为两者经常存在重叠,意义不大。
t 预期地盘 显示每个交叉点的预期归属情况。

“分析”按钮下的分析选项用于对当前局面进行更深入的评估:

简要说明 详细说明
a 更深入分析 使用更多访问次数重新评估局面,通常会得到更准确的评估结果。
s 统一访问次数 将当前显示的所有下一步着法,都重新评估到与当前最佳着法相同的访问次数。这有助于提高对不确定性较高的建议的信心。
d 分析所有着法 评估所有可能的下一步着法。即使使用“快速访问”模式,这仍然可能需要一些时间,但可以帮助你了解有多少合理的下一步着法可供选择。
f 寻找替代方案 将当前候选着法的分析深度至少提升到“快速访问”级别,并请求一个新的查询,排除所有当前的候选着法。
g 选择兴趣区域 设置一个区域,只搜索该区域内的着法。非常适合解死活题。需要注意的是,由于需要确定最佳着法的基准,且对手在变化中可能会脱先,因此部分结果可能会出现在所选区域之外。
h 重置分析 这会将分析恢复到引擎正常查询后返回的状态,移除任何额外的探索内容。
i 开始插入模式 允许你插入着法,以改进分析,特别是在双方都忽视了重要的交换或生死局面时。再次按下即可停止插入,并复制剩余的分支。
l 将棋局一直下到终局,并以折叠分支的形式添加,以便可视化失误可能带来的影响 这会在后台进行,也可以同时在多个节点上启动,以便比较不同起始位置的结果。
空格 开启或关闭连续分析。 这将不断改进当前局面的分析,类似于 Lizzie 的“思考”功能,但仅在没有其他查询进行时才会生效。
Shift + 空格 同上,但在“最佳着法”提示关闭时不会自动开启。
Enter AI 走子 不论当前轮到哪一方,都会让 AI 为当前方走一步棋。
F2 更深入的全盘分析 将整盘棋分析到更高的访问次数。
F3 性能报告 显示双方的性能统计概览。
F10 死活题框架 在角落或边上放置好死活题后,使用此功能填充棋盘的其余部分,以提高 AI 解决死活问题的能力。

键盘和鼠标快捷键

除了上述提到的快捷键以及主菜单中显示的那些之外:

键位 简要说明 详细说明
Alt 打开主菜单
~`F12 循环切换更简约的界面模式
k 切换棋盘坐标显示
p 过子
Pause 暂停/继续计时
z 撤销一步 按住 Shift 键可一次撤销 10 步,按 Ctrl 键则跳转到对局开始处。
x 恢复一步 按住 Shift 键可一次恢复 10 步,按 Ctrl 键则跳转到对局结束处。
/ 切换分支 行棋树中的正常操作。
Home/End 跳转到对局的开头/结尾
PageUp 将当前选中的节点设为主分支
Ctrl + Delete 删除当前节点
c 折叠/展开从当前节点到上一个分岔点的分支
b 回到上一个分岔点
Shift + b 回到主分支
n 跳转到人类棋手下出的下一个失误(橙色或更差)之前的一手 类似于点击向前的红色箭头
Shift + n 跳转到人类棋手下出的上一个失误之前的一手 类似于点击向后的红色箭头
鼠标滚轮 恢复/撤销步数,或滚动浏览主要变例 当光标悬停在右侧面板时:恢复/撤销步数。当光标悬停在候选步上时:滚动浏览主要变例。
中键单击 将主要变例添加到行棋树 滚动时,仅会添加你正在查看位置之前的步数。
点击某一步 查看该步的详细统计数据 包括原本的最佳变例,而非当前这一步
双击某一步 直接跳转到该步之前的位置
Ctrl + v 从剪贴板加载 SGF 文件,并对对局进行“快速”分析 对最后一步会进行高优先级的常规分析。
Ctrl + c 将 SGF 保存到剪贴板
Escape 停止所有分析

参与分布式训练

自2020年12月起,KataGo启动了分布式训练功能。这使得广大用户能够共同生成自我对弈棋局,从而提升KataGo的棋力并训练更大规模的模型。

KaTrain 1.8.0及以上版本让参与分布式训练变得非常简单:只需在主菜单中选择相应选项,注册一个账号,然后点击“运行”即可。在此模式下,您主要可以做的就是观看对局。

请注意,未完成的对局不会上传,因此为了更有效地贡献算力,建议至少持续运行一小时以上,最好能运行数小时。

在该模式下,一些键盘快捷键具有特殊功能:

简要说明 详细信息
空格 在手动浏览当前对局和自动推进之间切换 并自动推进它。
Esc 向KataGo发送quit命令 这将启动缓慢的关闭过程,完成正在进行中的对局但不再开始新的对局。仅适用于v1.11及以上版本。
Pause 通过pauseresume命令暂停/恢复贡献 KataGo v1.11版本引入的功能

主题

有关如何修改界面外观、颜色,以及创建或安装主题,请参阅这些说明

常见问题解答

  • 程序运行得太慢了,该如何加快速度?
    • 可以在设置中调整访问次数或最大允许时间。
  • KataGo 出现“内存不足”的错误而崩溃,该如何避免?
    • 尝试在KataGo/analysis_config.cfg文件中降低nnMaxBatchSize的数值,并避免使用编译时设置了大尺寸棋盘的版本。
    • 如果仍然遇到问题,请单独启动KataGo,查看其是否报错。
    • 请注意,如果您没有GPU,或者您的GPU不支持OpenCL,则应使用仅能在CPU上运行的“eigen”二进制文件。
  • 字体太小
    • 在某些超高分辨率显示器上,对话框和其他包含文本的元素可能会显得过小。请参考这些说明进行调整。
  • 应用程序因“无法找到任何有价值的cutbuffer提供者”错误而崩溃
    • 使用sudo apt-get install xclip安装xclip工具。

支持与贡献

GitHub 问题 贡献者

  • 欢迎提出想法、反馈,以及对代码或翻译的贡献。
    • 对于改进建议和计划中的功能,请先查看GitHub上的开放问题,确认相关功能是否已在规划中。
  • 您可以加入计算机围棋社区Discord(原Leela Zero & Friends)(使用#gui频道),获取帮助、讨论改进方案,或只是表达您的支持。请勿使用GitHub的问题来寻求技术支持,此处仅用于报告Bug、提出建议及讨论贡献事宜。

版本历史

v1.17.1.12026/02/08
v1.17.02025/06/13
v1.162025/04/30
v1.15.0-fix2024/08/17
v1.14.02023/07/08
v1.13.02023/05/28
v1.12.32023/01/09
v1.122022/11/20
v1.11.2fixes-for-osx2022/06/23
v1.112022/03/24
1.10.12021/10/31
1.9.32021/06/28
1.8.42021/04/11
1.8.32021/03/05
v1.7.62021/01/23
1.7.12021/01/16
1.72020/12/18
1.62020/11/23
v1.5.1pre2020/10/19
v1.52020/09/18

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|5天前
Agent开发框架图像

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。

162.1k|★★★☆☆|6天前
开发框架图像Agent

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

150.7k|★★☆☆☆|今天
开发框架Agent语言模型

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。

108.3k|★★☆☆☆|昨天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|昨天
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|5天前
插件开发框架