跳至主要内容

30 分鐘跑起第一個圍棋 AI

這份教學將帶你快速安裝並運行 KataGo。完成後你將能夠：

  • ✅ 在終端機與 KataGo 對弈
  • ✅ 分析一盤棋的每步棋勝率
  • ✅ 理解基本的 GTP 協議

步驟 1：安裝 KataGo（5 分鐘）​

macOS​

# 使用 Homebrew 安裝（最簡單）
brew install katago

# 確認安裝成功
katago version
# 輸出：1.15.3 或更新版本

Linux​

# 下載預編譯版本
wget https://github.com/lightvector/KataGo/releases/download/v1.15.3/katago-v1.15.3-opencl-linux-x64.zip

# 解壓縮
unzip katago-v1.15.3-opencl-linux-x64.zip

# 賦予執行權限
chmod +x katago

# 確認安裝
./katago version

Windows​

  1. 前往 KataGo Releases
  2. 下載 katago-v1.15.3-opencl-windows-x64.zip
  3. 解壓縮到任意目錄
  4. 在命令提示字元中測試：katago.exe version

步驟 2：下載模型（2 分鐘）​

KataGo 需要神經網路模型檔案。下載推薦的 b18c384 模型：

# macOS / Linux
curl -L -o kata-b18c384.bin.gz \
  "https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz"

# Windows（PowerShell）
Invoke-WebRequest -Uri "https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz" -OutFile "kata-b18c384.bin.gz"

模型大小說明：

模型檔案大小棋力速度
b10c128~20 MB中等最快
b18c384~140 MB強快
b40c256~250 MB很強中

步驟 3：第一次對弈（10 分鐘）​

啟動 GTP 模式​

# macOS (Homebrew)
katago gtp -model kata-b18c384.bin.gz

# Linux / Windows
./katago gtp -model kata-b18c384.bin.gz

基本對弈指令​

啟動後，你會看到 KataGo 等待輸入。試試以下指令：

name
= KataGo

version
= 1.15.3

boardsize 9
=

komi 7.5
=

play black E5
=

genmove white
= C3

showboard
=
   A B C D E F G H J
 9 . . . . . . . . . 9
 8 . . . . . . . . . 8
 7 . . . . . . . . . 7
 6 . . . . . . . . . 6
 5 . . . . X . . . . 5
 4 . . . . . . . . . 4
 3 . . O . . . . . . 3
 2 . . . . . . . . . 2
 1 . . . . . . . . . 1
   A B C D E F G H J

常用指令速查​

指令功能範例
boardsize N設定棋盤大小boardsize 19
komi N設定貼目komi 7.5
play COLOR COORD下一步棋play black Q16
genmove COLORAI 下一步genmove white
showboard顯示棋盤
undo悔棋
clear_board清空棋盤
quit退出

步驟 4：分析一盤棋（10 分鐘）​

使用 kata-analyze​

kata-analyze 指令可以分析當前局面：

boardsize 19
=

play black Q16
=

play white D4
=

play black Q4
=

kata-analyze black 500 100

輸出解讀：

info move D16 visits 234 winrate 0.5432 scoreMean 2.31 prior 0.1234 pv D16 R14 D10
info move R14 visits 156 winrate 0.5312 scoreMean 1.82 prior 0.0987 pv R14 D16 R10
欄位意義
move建議的下法
visits搜索次數（越多越可信）
winrate勝率（0.54 = 54%）
scoreMean預期贏幾目
prior神經網路的直覺機率
pv預測的後續變化

使用 Analysis Engine​

Analysis Engine 使用 JSON 格式，更適合程式化使用：

katago analysis -model kata-b18c384.bin.gz

輸入（一行 JSON）：

{"id":"test1","moves":[["B","Q16"],["W","D4"]],"rules":"chinese","komi":7.5,"boardXSize":19,"boardYSize":19,"analyzeTurns":[2]}

輸出（一行 JSON）：

{"id":"test1","turnNumber":2,"moveInfos":[{"move":"Q4","visits":234,"winrate":0.5432,...}],"rootInfo":{"winrate":0.52,...}}

步驟 5：驗證效能​

運行基準測試確認硬體效能：

katago benchmark -model kata-b18c384.bin.gz -v 500

輸出範例：

Testing with 500 visits...
Visits/s: 342.5
Neural net evals/s: 187.3
Recommended numSearchThreads: 4

效能參考：

硬體預期效能
RTX 3060~500 visits/s
RTX 4080~1500 visits/s
Apple M1~200-400 visits/s
純 CPU~10-30 visits/s

常見問題​

找不到 GPU​

# 列出可用的 GPU
katago gpuinfo

如果沒有顯示 GPU，可能需要安裝 OpenCL 驅動。

模型路徑錯誤​

確認模型檔案路徑正確：

# 使用絕對路徑
katago gtp -model /full/path/to/kata-b18c384.bin.gz

記憶體不足​

使用較小的模型（b10c128）或調整設定：

katago gtp -model model.bin.gz -override-config nnMaxBatchSize=8

下一步​

恭喜！你已經成功運行 KataGo。接下來可以：