KataGo 實戰入門指南

本章節會帶你由安裝到實際使用 KataGo，涵蓋所有實用操作知識。無論你係想將 KataGo 整合到自己嘅應用程式，定係想深入研究佢嘅原始碼，呢度都係你嘅起點。

點解揀 KataGo？

喺眾多圍棋 AI 入面，KataGo 係目前最佳選擇，原因如下：

優勢	說明
棋力最強	喺公開測試入面持續保持最高水準
功能最全	目數預測、領地分析、多規則支援
完全開源	MIT 授權，可自由使用同修改
持續更新	活躍嘅開發同社群支援
文件完善	官方文件詳盡，社群資源豐富
多平台支援	Linux、macOS、Windows 都可以運行

本章內容

安裝同設定

由零開始建置 KataGo 環境：

• 系統需求同硬件建議
• 各平台安裝步驟（macOS / Linux / Windows）
• 模型下載同選擇指南
• 設定檔詳細說明

常用指令

掌握 KataGo 嘅使用方式：

• GTP（Go Text Protocol）協議介紹
• 常用 GTP 指令同範例
• Analysis Engine 使用方法
• JSON API 完整說明

原始碼架構

深入了解 KataGo 嘅實作細節：

• 專案目錄結構概覽
• 神經網絡架構解析
• 搜索引擎實作細節
• 訓練流程概述

快速開始

如果你淨係想快速試吓 KataGo，以下係最簡單嘅方式：

macOS（使用 Homebrew）

# 安裝
brew install katago

# 下載模型（揀較細嘅模型用嚟測試）
curl -L -o kata-b18c384.bin.gz \
  https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz

# 運行 GTP 模式
katago gtp -model kata-b18c384.bin.gz -config gtp_example.cfg

Linux（預編譯版）

# 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

# 下載模型
wget https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz

# 運行
./katago gtp -model kata-b18c384nbt-*.bin.gz -config default_gtp.cfg

驗證安裝

成功啟動之後，你會見到 GTP 提示符。試吓輸入以下指令：

name
= KataGo

version
= 1.15.3

boardsize 19
=

genmove black
= Q16

使用場景指南

根據你嘅需求，以下係建議嘅閱讀順序同重點：

場景 1：整合到圍棋 App

你想喺自己嘅圍棋應用入面使用 KataGo 作為 AI 引擎。

重點閱讀：

1. 安裝同設定 - 了解部署需求
2. 常用指令 - 特別係 Analysis Engine 部分

關鍵知識：

• 使用 Analysis Engine 模式而唔係 GTP 模式
• 透過 JSON API 同 KataGo 通訊
• 根據硬件調整搜索參數

場景 2：建置對弈伺服器

你想架設一個畀用戶同 AI 對弈嘅伺服器。

重點閱讀：

1. 安裝同設定 - GPU 設定部分
2. 常用指令 - GTP 協議部分

關鍵知識：

• 使用 GTP 模式進行對弈
• 多實例部署策略
• 棋力調整方法

場景 3：研究 AI 演算法

你想深入研究 KataGo 嘅實作，可能想修改或實驗。

重點閱讀：

1. 原始碼架構 - 全文精讀
2. 背景知識章節嘅所有論文解讀

關鍵知識：

• C++ 程式碼結構
• 神經網絡架構細節
• MCTS 實作方式

場景 4：訓練自己嘅模型

你想由頭訓練或微調 KataGo 模型。

重點閱讀：

1. 原始碼架構 - 訓練流程部分
2. KataGo 論文解讀

關鍵知識：

• 訓練資料格式
• 訓練腳本使用
• 超參數設定

硬件建議

KataGo 可以喺各種硬件上運行，但效能差異好大：

硬件配置	預期效能	適用場景
高階 GPU（RTX 4090）	~2000 playouts/sec	頂級分析、快速搜索
中階 GPU（RTX 3060）	~500 playouts/sec	一般分析、對弈
入門 GPU（GTX 1650）	~100 playouts/sec	基本使用
Apple Silicon（M1/M2）	~200-400 playouts/sec	macOS 開發
純 CPU	~10-30 playouts/sec	學習、測試

提示

即使係較慢嘅硬件，KataGo 都可以提供有價值嘅分析。搜索量減少會降低精確度，但對於教學同學習通常已經足夠。

常見問題

KataGo 同 Leela Zero 有乜嘢唔同？

面向	KataGo	Leela Zero
棋力	更強	較弱
功能	豐富（目數、領地）	基本
多規則	支援	唔支援
開發狀態	活躍	維護模式
訓練效率	高	較低

需要 GPU 嗎？

唔係必須嘅，但強烈建議：

• 有 GPU：可以進行快速分析，獲得高品質結果
• 冇 GPU：可以使用 Eigen 後端，但速度較慢

模型檔案差異？

模型大細	檔案大細	棋力	速度
b10c128	~20 MB	中等	最快
b18c384	~140 MB	強	快
b40c256	~250 MB	好強	中
b60c320	~500 MB	最強	慢

通常建議使用 b18c384 或 b40c256，喺棋力同速度之間取得平衡。

相關資源

• KataGo GitHub
• KataGo 訓練網站
• KataGo Discord 社群
• Lizzie - 配合 KataGo 使用嘅 GUI

準備好未？等我哋由安裝同設定開始啦！