1. 项目概述：当传统麻将遇上现代AI
最近几年，AI在游戏领域的应用早已不是什么新鲜事，从围棋的AlphaGo到星际争霸的AlphaStar，每一次突破都让人惊叹。但你可能没想到，在看似“运气”成分很重的日本麻将领域，AI引擎的研发也已经进入了深水区。我花了近一年时间，从零开始构建一个专注于日本麻将（立直麻将）的智能决策系统，这远不止是写一个简单的“胡牌算法”或“听牌提示器”。它本质上是一个融合了概率计算、不完全信息博弈、行为预测与长期策略规划的复杂智能体。这个项目，我们姑且称之为“Mahjong AI引擎”，其核心目标不是追求最高的和牌率，而是在复杂的牌局规则（如立直、一发、宝牌、里宝牌、役种）约束下，实现长期期望得分的最大化。这就像在金融市场做量化交易，你追求的并非每一笔交易都赚钱，而是在风险可控的前提下，实现整个投资周期内的最优收益。
为什么是日本麻将？相比国内常见的麻将玩法，日本麻将规则更严谨、更“竞技化”。它有严格的“役”系统（即胡牌必须满足的牌型组合条件），引入了“立直”（宣布听牌）、“一发”、“宝牌”等增加不确定性和策略深度的机制，并且采用“亲家”和“子家”不同的得分计算方式。这些规则使得牌局从单纯的“凑胡牌”变成了一个多维度的决策优化问题：是快速做小牌速攻，还是冒着放铳的风险做高番大牌？是应该保守防守，还是激进进攻？什么时候该“立直”施加压力？这些决策点，正是AI可以大显身手的地方。这个引擎的实战应用场景也很明确：一是作为高水平选手的训练陪练，模拟各种风格的对手；二是用于麻将游戏平台，提供从入门到精通的自适应AI对手；三是作为研究不完全信息博弈和强化学习的绝佳实验场。
2. 核心架构设计：从感知到决策的完整闭环
构建一个麻将AI，绝不是用一个庞大的神经网络“端到端”地吃进牌谱就能输出打哪张牌那么简单。那样做缺乏可解释性，训练效率极低，且难以融入人类积累的麻将理论。我采用的是一种分层混合架构，它结合了基于规则的专家系统、概率模型和机器学习模型，确保决策既快速又智能。
2.1 整体架构分层解析
整个引擎可以清晰地分为四层：信息感知层、局面评估层、策略决策层和执行输出层。这是一个从“看到什么”到“决定做什么”的完整思考链条。
信息感知层：这是AI的“眼睛和耳朵”。它负责实时解析牌局状态，形成一个结构化的局面表示。输入信息包括：
- 私有信息：自家手牌（13张）、自家副露（吃、碰、明杠的牌组）。
- 公共信息：牌河（所有玩家打出的牌）、场况（当前场风、自风、宝牌指示牌、剩余王牌数、各家立直状态、供托点数）。
- 推断信息：基于牌河和副露，推测其他三家可能的安全牌、危险牌以及他们的大致做牌方向（例如，某家一直在打万子，可能在做筒子或索子混一色）。这一层需要高效的数据结构（如位图表示手牌和牌河）来快速进行牌的组合与查询。
局面评估层：这是AI的“大脑皮层”，负责对当前局面进行量化评分。这是最核心也最复杂的部分，我将其拆解为几个并行的评估模块：
- 手牌向听数评估：计算当前手牌距离听牌还差几步。这是最基础的进攻指标，但单纯追求向听数减少是新手行为。
- 牌效率评估：基于麻将的数学期望理论，计算打出一张牌后，手牌未来进张的宽度和速度。这需要模拟未来可能的进张，评估改良的可能性。
- 打点期望评估：估算如果听牌，可能的胡牌番数和得点。这需要结合役种、宝牌、立直等因素进行概率计算。例如，手中有三张宝牌，即使牌型小，打点也可能很高。
- 危险度评估：这是防守的核心。通过分析牌河、他家副露和立直状态，给每一张尚未出现的牌赋予一个“放铳危险度”。经典的“壁理论”（某色牌已出现四张中的三张，剩余一张相对安全）和“现物理论”（他家打过的绝对安全牌）就在这里应用。
- 全局形势评估：综合考量各家点数、亲家连庄情况、剩余巡目，判断当前应采取进攻、防守还是平衡策略。例如，自己是末位大落后时，必须激进做牌；自己是亲家且小幅领先时，则应偏重防守，维持优势。
策略决策层：接收评估层输出的各项分数，进行最终的权衡与决策。这里我采用了基于规则的策略选择器 + 价值网络的混合模式。
- 首先，一些极端情况由规则直接处理：例如，他家立直后，如果手牌有现物，则优先打出现物；如果手牌已听牌且打点很高，而危险度可接受，则可能无视立直直接进攻。
- 在非极端的一般局面下，将各项评估分数（如牌效率得分、打点期望、危险度负分）输入到一个训练好的价值网络中。这个网络的目标是预测“采取某个行动后，直到终局时的期望得点变化”。它通过大量自我对弈数据训练而来，学会了如何权衡短期利益（进张）和长期风险（放铳）。
执行输出层：将决策层的输出转化为具体的游戏动作：切出哪张牌、是否吃碰杠、是否立直、是否胡牌。同时，为了增加AI的拟人化和不可预测性，我在这里引入了一个小概率随机扰动。例如，在价值网络认为A打法和B打法差距极小时，AI会随机选择，模拟人类棋手的“感觉”或“风格化选择”。
注意：这个分层架构的关键优势在于可解释性和可调试性。当AI做出一个看似愚蠢的决策时，我可以逐层检查：是感知层信息提取错了？是评估层某个模块的权重不合理？还是决策层的规则有冲突？这比一个黑箱神经网络要友好得多。
2.2 技术栈选型与考量
为什么选择这样的技术组合？这是基于性能、开发效率和社区生态的综合考量。
- 核心语言：Python + C++：评估层和决策层涉及大量数值计算和矩阵运算，原型开发阶段用Python（NumPy, PyTorch）快速迭代。当模型稳定后，将计算密集的评估模块（如牌效率计算、危险度分析）用C++重写，并通过PyBind11暴露给Python调用，确保在线推理时的速度能满足实时对战要求（毫秒级响应）。
- 机器学习框架：PyTorch：用于构建和训练决策层的价值网络和策略网络。PyTorch的动态图特性在研究和实验阶段非常灵活，便于尝试不同的网络结构。
- 自对弈环境：自己用Python实现一个完整的日本麻将游戏引擎，包含所有规则判定。这是AI训练的“健身房”。让四个AI实例在这个环境中不断自我对弈，生成海量的牌谱数据。
- 强化学习算法：异步优势演员-评论家（A3C）及其变种：麻将是一个回合制、多智能体、不完全信息的游戏，传统的蒙特卡洛树搜索（MCTS）直接应用成本过高。A3C这类基于策略梯度的算法，可以让AI在自我对弈中通过奖励（最终得点）来更新网络参数，逐步学习到好的策略。我在此基础上，加入了模仿学习的预训练阶段——先用人类高手的牌谱数据训练网络，让它有一个“好的起点”，然后再进行自我博弈提升，这大大加快了训练收敛速度。
3. 核心模块深度解析与实现细节
架构是骨架，里面的各个模块才是血肉。下面我挑几个最有挑战性的模块，拆开讲讲里面的门道。
3.1 牌效率评估：不只是向听数
很多初级AI或辅助工具只计算向听数，认为向听数越少越好。这其实是个误区。高效的AI必须考虑进张数和改良可能性。
实现原理：
- 手牌分解：首先，将手牌（13张+1张摸切候选）分解为若干组“面子”（顺子或刻子）和“搭子”（可能组成面子的两张或三张牌组合），以及孤张。这是一个组合优化问题，我采用基于动态规划的“向听数搜索算法”，找出所有可能的手牌分解方式。
- 计算有效进张：对于每一种分解方式，计算其“有效进张牌”。例如，一个“5万、6万”的两面搭子，有效进张是4万和7万。一个“5万、7万”的坎张搭子，有效进张只有6万。同时，要扣除牌河中已经出现的牌（因为摸到的概率降低）。
- 综合评分：不是简单比较进张数量。我给不同的进张类型赋予权重：两面搭子（进张2种8张）权重最高，其次是对子（碰牌进张），再次是边张、坎张。同时，考虑“改良”：打出一张牌后，剩下的牌型是否更容易形成多面听？例如，手牌有“3万、4万、5万、6万”，打3万或6万，虽然当前进张数一样，但打6万留下“3、4、5万”的顺子加一个3万孤张，未来可能形成“3万”对子或“2、3、4万”顺子，改良空间更大。
实操心得：
- 缓存是关键：牌效率计算会被频繁调用（每打一张牌前都要计算）。提前为所有可能的手牌模式（去除花色差异，只考虑形状）预计算好“最佳切牌”和“进张期望”，运行时直接查表，这是性能优化的关键。
- 考虑“壁”：如果某种牌已经在牌河里出现了3张，那么它作为进张的概率几乎为0，在计算进张时应将其权重降为极低。这需要感知层提供的信息。
3.2 危险度评估：防守的艺术
防守是日本麻将区别于很多地方麻将的核心，也是AI水平高低的分水岭。一个只会进攻的AI就像赌徒，迟早会输光。
实现原理：我构建了一个多因素融合的危险度模型，为每一张待打出的牌计算一个危险系数R（0到1之间）。
- 现物安全（R=0）：别家已经打过的牌，绝对安全。直接标记危险度为0。
- 筋牌理论：如果“1、4、7”是同一筋，“2、5、8”是同一筋，“3、6、9”是同一筋。当某家舍牌穿过某张牌（例如先打5万，后打2万），则中间的8万相对安全。这是一个概率上的推断。
- 壁理论（已出现张数）：这是最可靠的推断之一。统计某张牌及其相邻牌在牌河和副露中出现的总张数。例如，5万已经出现了3张，那么4万和6万成为别人对子或刻子的概率就大大降低，危险度下降。
- 他家副露推测：如果某家副露了“7、8、9索”的顺子，那么他做“混一色”或“清一色”的可能性增大，他手中可能囤积了大量索子，那么索子牌的危险度普遍升高。
- 立直后读牌：这是最高阶的防守。当对手立直后，通过他立直前后打出的牌，推测其听牌范围。例如，立直前打出的中张牌（4、5、6）通常不是安全牌；立直后打出的牌，其相邻牌危险度极高（因为他可能听在了这两张牌之间）。
实现细节： 我将上述每个理论都实现为一个独立的“危险度过滤器”，每个过滤器输出一个0-1的分数。最终的危险度是这些分数的加权几何平均（而非算术平均），因为几何平均更能放大“任何一个过滤器认为很危险”的信号。权重的设置需要根据对局阶段（早巡、中巡、晚巡）和他家状态动态调整。
踩过的坑：早期我单纯用算术平均，导致一些“壁理论”认为很安全，但“读牌”认为危险的牌被低估了危险度，结果AI在对手立直后放铳。后来改为几何平均，并大幅提升了“立直后读牌”过滤器的权重，防守能力显著提升。
3.3 价值网络的训练：让AI学会“感觉”
规则和概率计算能解决大部分问题，但麻将中总有一些模糊地带，需要一种“感觉”或“直觉”。这正是深度神经网络的价值所在。
网络结构设计： 我设计了一个双通道输入的网络。
- 通道一：局面图像：将整个牌局状态编码为一个多通道的“图像”。例如，一个通道表示自家手牌，一个通道表示牌河，一个通道表示他家副露，一个通道表示宝牌位置等。这利用了卷积神经网络（CNN）在图像特征提取上的优势。
- 通道二：局面特征向量：将一些难以用图像表示的高维信息扁平化为特征向量，如：各家点数、向听数、场风、自风、剩余巡目、是否立直等。 这两个通道的信息经过各自的子网络处理后，在中间层进行融合，最后输出一个价值标量（表示当前局面的胜率或期望得点）和/或一个策略向量（表示每张可打牌的动作价值）。
训练流程：
- 模仿学习（预训练）：从“天凤”等平台收集数十万盘高段位（特上房）的人类牌谱。用这些数据以监督学习的方式训练网络，目标是让网络预测人类高手在给定局面下会打哪张牌。这相当于给AI请了一个世界冠军当启蒙老师。
- 强化学习（自我博弈）：让四个相同的AI在网络麻将房中自我对弈。每一局结束后，根据最终的点数得失，给每一步决策分配一个“奖励”。通过A3C算法，不断更新网络参数，目标是最大化整个对局序列的累积奖励。在这个过程中，AI会逐渐发现人类数据中可能不存在的、更优的打法。
- 课程学习：一开始让AI在简单的场景下对弈（例如，禁用一些复杂役种，或限制对手不立直），随着训练进行，逐步放开所有规则，增加对局复杂度。这有助于训练稳定收敛。
一个实战技巧——价值网络的在线使用： 在实战中，AI不会用网络去暴力模拟所有未来走法（计算量太大）。而是在决策层，当规则引擎无法做出明显优劣的判断时，将当前局面和几个候选动作（通常是牌效率评估排前2-3的打法）输入到价值网络中，快速得到每个动作的价值预估，选择价值最高的那个。这相当于用神经网络做了一个快速的“直觉判断”。
4. 实战应用与系统调优
引擎做出来不是放在实验室里看的，最终要能稳定、高效地运行在真实的应用环境中。
4.1 性能优化实战
初期用纯Python实现的评估模块，在单次决策时需要上百毫秒，这在对战平台中是不可接受的。优化过程如下：
- 热点分析：使用cProfile工具分析，发现超过70%的时间花在“生成所有可能的手牌分解”和“计算每种分解的有效进张”上。
- C++核心重写：将这两个最耗时的函数用C++实现。利用C++的静态类型和编译器优化，以及标准库中的高效算法（如
std::bitset表示牌集合），将计算速度提升了近50倍。 - 内存化与缓存：如前所述，为所有可能的手牌形状（共约2000多种）预计算最佳切牌方案和进张期望表。在运行时，只需将手牌映射到对应的形状，即可O(1)时间复杂度得到结果。
- 并行化评估：局面评估层的几个模块（牌效率、打点、危险度）相互独立，可以并行计算。使用Python的
concurrent.futures库进行多线程并行，充分利用多核CPU。 - 最终效果：经过优化，AI在普通台式机上的一次完整决策（从接收局面到输出打牌动作）平均时间控制在10毫秒以内，完全满足在线实时对战的要求。
4.2 风格化AI与实战对抗
一个只会追求最优解的AI是枯燥的。在实际应用中，我们需要不同风格的AI来模拟不同类型的玩家。
- 激进型AI：调高价值网络中与打点期望相关的权重，降低危险度评估的权重。在决策时，更倾向于保留可能形成高番役种的牌，即使这会减慢听牌速度或增加放铳风险。这种AI模拟的是“赌徒型”或“大牌追求型”玩家。
- 稳健型AI：相反，调高危险度评估和牌效率的权重，追求快速听牌、小牌速胡，在对手立直时防守极其严密。这模拟的是“数据流”或“防守型”玩家。
- 平衡型AI：采用我们训练得到的默认权重，根据全局形势动态调整策略。这是最“强”的AI，但未必最有“个性”。
我将这些不同风格的AI接入自建的对战平台，让它们相互对抗，也邀请了一些业余高手来对战。一个有趣的发现是：人类高手在与激进型AI对战时，胜率反而更高。因为激进AI的套路相对容易预测（它总是倾向于做大牌），人类可以通过针对性的防守和偷小牌来取胜。而与平衡型AI对战时，人类常常感到“无处发力”，AI的决策看起来没有破绽，但也不给机会，最终通过稳定的每局小优势积累取胜。这印证了麻将的真理：少犯错，就是最大的胜利。
4.3 常见问题与排查实录
在开发和测试中，遇到了无数问题，这里记录几个典型的：
问题一：AI在优势局突然开始“乱打”，放铳给第三名，导致被逆袭。
- 排查：检查全局形势评估模块。发现当时AI判断自己领先第二名很多，但忽略了与第三、第四名的点差。它的策略逻辑是“只要保持第一即可”，因此在面对一个微小的进攻机会时，选择了冒险。
- 解决：修改了形势评估的奖励函数。不再只看名次，而是引入“相对点数差”的概念。目标是最大化终局时与第四名的点数差（即“避四”），同时争取与第一名的点数差。这更符合竞技麻将的实际策略。
问题二：AI几乎从不“立直”。
- 排查：分析价值网络对“立直”动作的估值。发现由于在自我对弈训练中，立直后放铳会被惩罚很重的负奖励，导致网络过于保守，认为“不立直”的期望价值总是略高于“立直”。
- 解决：在奖励函数中，为“立直”本身增加一个小的正奖励（模拟立直带来的威慑收益和里宝机会）。同时，在训练数据中，混入更多人类高手在有利局面下果断立直的牌谱，进行微调。
问题三：面对复杂的“染手”（清一色）局面，AI防守能力骤降。
- 排查：危险度评估模块的“他家副露推测”部分，对于染手的识别不够敏感。当对手副露了两组同花色牌时，AI虽然调高了该花色牌的危险度，但权重不够高。
- 解决：增加了“染手嫌疑度”这个专门的特征。当检测到某家副露或舍牌高度集中于某一花色时，大幅提升该花色所有中张牌的危险度权重。同时，引入了“地狱门”判断（某家可能听牌在唯一剩下的几张牌上），一旦触发，防守策略转为极端保守。
5. 从项目到产品的思维延伸
完成这个引擎，不仅仅是一次技术实践，更是一次完整的产品思维和架构思维的锻炼。它让我深刻理解到，一个复杂的智能系统如何从研究原型走向稳定可用的产品。
产品思维体现在：你必须始终思考用户（或使用方）需要什么。麻将AI的用户可能是游戏玩家，他们需要的是有挑战性、有真实感的对手；也可能是麻将学习者，他们需要的是能复盘讲解、指出错误的教练。因此，除了核心决策引擎，我还开发了牌谱分析功能和语音解说模块。AI在打完一局后，可以回放关键决策点，解释当时为什么这么打（“因为打这张牌进张最广，且危险度较低”），这比单纯一个胜负结果有价值得多。
架构思维体现在：如何设计一个松耦合、可扩展的系统。我将引擎的核心计算部分封装成独立的服务（gRPC或HTTP API），而将游戏逻辑、用户界面、解说生成作为不同的客户端。这样，同一个AI引擎可以同时服务于手机游戏、网页对战平台和单机分析工具。当需要升级AI模型时，只需替换服务端的模型文件，客户端无需改动。
技术思维则是贯穿始终的基础：从机器学习算法的选型与调参，到高性能计算优化，再到软件工程上的代码架构与测试。这个项目几乎涵盖了现代AI软件开发的全部环节。
最后，分享一点个人体会：构建一个游戏AI，最大的成就感不是它有多“强”，而是通过它，你对自己曾经热爱的游戏有了颠覆性的认知。你会看到每一张牌背后隐藏的概率云，每一次决策背后复杂的权衡链条。AI就像一面镜子，照出了人类棋手中那些基于经验的“感觉”背后，其实有着深刻的数学和逻辑基础。当你用AI的视角重新审视麻将时，这个古老的游戏便焕发出了全新的、理性的魅力。这个过程，本身就像一场充满挑战和惊喜的对局。
