Katago+Lizzieyzy围棋AI复盘实战：当食不食的教训与配置详解

Katago加上Lizzieyzy，是我最近用得最顺手的围棋AI复盘组合；而“当食不食，全局破”这句老话，用它做了一次极其直观的现场演示。围棋里最让人捶胸顿足的崩盘，往往不是某一步特别复杂的失误，而是该出击的时候缩了回去，该吃棋的时候跑去捞实空，结果让对手把弱点全部补净，全局瞬间失去支撑。这个教训放在AI辅助复盘里，被Lizzieyzy那条断崖式下坠的胜率曲线放大了无数倍。这篇文章把Katago和Lizzieyzy的搭配逻辑、配置流程、调参细节和复盘方法一次讲清楚，顺便聊聊我从那个“当食不食”局面里总结出的实战心得。

1. 这对组合解决了什么问题：从一句棋谚说起

“当食不食，全局破”放在围棋AI工具面前，几乎就是为Katago+Lizzieyzy量身定制的展示素材。Katago是当前开源围棋引擎里综合实力最强的一档，负责在后台计算每一手棋的胜率、推荐点和后续变化；Lizzieyzy则是社区里公认最好用的分析界面之一，把引擎算出来的结果画成棋盘上的候选点、变化图和胜率曲线。日常学棋、复盘、研究布局，这套组合能覆盖绝大多数需求，而且配置成本远低于很多人想象。

1.1 引擎和界面是怎么分工的

很多人第一次接触时会搞混：Katago和Lizzieyzy到底装一个还是装两个？答案是两个都要，它们是完全不同的角色。Katago是引擎，本职工作是在命令行环境下通过GTP协议接收棋谱输入，然后输出分析和落点建议。如果你直接在终端里敲命令，也能让它跑起来，但只能一句一句地交互，根本没法复盘一整局棋，更别提看胜率曲线了。

Lizzieyzy就是来解决这个体验问题的。它把引擎的计算结果翻译成图形界面：棋盘上标注候选点，每个点旁边带着胜率数字；棋局下方有胜率曲线；点开某个候选点还能看它后续的变化分支。说得直白一点，引擎是大脑，Lizzieyzy是眼睛和手——大脑负责想，界面负责让人看懂。两者配合起来，才是一套完整的AI分析工具，缺了任何一个，体验都会大打折扣。

1.2 为什么优先选这套组合

传统上，爱用Lizzie界面的棋友很多搭配的是另一个老牌开源引擎。那套组合也够用，但Katago这几年明显跑得更快、棋力更强，原因有三：第一，它的权重都是通过大规模自对弈强化学习获得的，对现代定式和大局判断的把握更贴近强职业级别；第二，它原生支持CUDA和OpenCL，两类主流显卡、甚至部分核显都能跑，硬件兼容性远比老引擎好；第三，它内置了非常灵活的规则参数，贴目、同形劫规则、甚至自定义贴目都能改，用来分析业余让子棋也很方便。

所以我的结论很直接：如果你手里有一块能用的独立显卡，想认真做AI辅助复盘，Katago加Lizzieyzy就是现阶段最省心、上限最高的开源组合。配置一次之后，剩下的事就是不停打开棋谱分析，基本没有太多再折腾的必要。

2. 配置前要想清楚的事：硬件、版本和权重

2.1 硬件要求：显卡决定体验下限

先给各位一个参考标准，避免下载完发现带不动。这套工具对CPU依赖不高，四核处理器就能跑，但强烈建议有个独立显卡。显卡的作用不只是加速：Katago的神经网络推理完全依赖GPU，没有显卡的时候，CPU虽然也能算，但一局棋的关键点分析可能得等几十秒，体验会让人很难受。

CPU方面，四核以上、六核更好；内存建议8GB起步，16GB更从容；显卡方面，一张6GB显存的入门独显就能流畅跑小权重，主流的12GB甜点级显卡跑中等以上权重比较舒服，显存低于4GB就只能考虑轻量权重。集成显卡虽然也能通过OpenCL跑，但速度会比独显慢一个数量级，只适合偶尔看看布局胜率。

这个表是给主流使用场景看的。如果只是偶尔用AI看一两手棋，任何能开机跑浏览器的旧电脑都能凑合；一旦你打算认真复盘、批量分析棋谱，显卡就是第一优先级。

2.2 版本选择：官方Release与社区包的匹配

安装包本身不复杂，确认两件事：引擎用Katago的官方Release版本，界面用Lizzieyzy的社区发行版。下载时看清楚压缩包名里的编译标识：带cu或cuda字样的是N卡专用CUDA版本，带opencl字样的兼容更多显卡，带avx2字样的是纯CPU版本。千万别下错，下错轻则速度慢，重则直接启动不了。

Lizzieyzy解压后是一个独立文件夹，内部有启动脚本和配置目录。首次运行时它会生成配置文件，里面最关键的是引擎路径和权重路径。这里要特别提醒：两条路径都不要放在带中文或空格的深层目录下。我见过不少棋友在启动界面后看到引擎连接失败的报错，排查半天，最后发现就是路径里的中文目录导致解析失败，换个纯英文目录立刻就好。

2.3 权重选型：没有最好的，只有最合适的

Katago的权重文件是决定棋力上限的关键。社区对权重命名有一套约定：b后面的数字代表网络块数，s系列则代表小规模网络。块数越多，棋力理论上限越高，但推理越慢、显存占用越大。选权重的逻辑应该是根据显卡和分析用途来定，而不是一味求大。

我的建议：2GB显存优先s40，6GB显存优先b18，12GB以上可以常驻b28，遇到关键对局再临时切换到b40。权重文件体积从几十MB到几百MB不等，下载时看清楚配套说明，有些权重还需要对应引擎版本才能加载，别图方便随便抓一个来用。

3. 从安装到跑通：完整的起步步骤

3.1 解压、配置、启动三步走

安装这步没有太多玄学，但细节容易出问题。第一步，把Katago压缩包解压到固定目录，建议直接放磁盘根目录下的英文文件夹里，比如D盘的tools目录下建一个纯英文名字的文件夹。第二步，解压Lizzieyzy，启动它，在设置界面里填上Katago主程序路径和权重路径，设置搜索量、线程数。第三步，点连接按钮，看到状态栏从disconnected变成analysis，就算成了。

引擎路径这一栏填的是katago.exe所在的位置，不是权重目录；权重路径填的是.gz或.bin.gz权重文件的完整路径。这两项填反了是最常见的连接失败原因。填好之后，界面右侧会出现引擎日志窗口，能直接看到运行输出，出问题时先翻这里比瞎猜强得多。

3.2 关键参数怎么设：搜索量与线程数

Lizzieyzy里最常调整的两个参数是maxVisit（访问数）和maxPlayouts（模拟数），它们决定引擎一着手棋要搜索多少遍。数值越大，分析越深，耗时越长。日常快速浏览时设800到1000访问数足够；认真研究一个局部时，可以拉到3000到5000；用最强的b40权重跑5000访问数，即使强显卡也要几十秒，要有心理准备。

线程数方面，Katago的numSearchThreads参数控制并行搜索线程。并不是说线程越多越好，线程数越多，每个线程分到的搜索量就越少，同时占用的显存也越多。常规经验是设成显卡核心数的四分之一到二分之一。实在拿不准就从8开始，看界面右上角的分析耗时是否明显变快，再慢慢往上调，直到速度和准确性达到平衡。

3.3 规则与贴目：这一步不做会出大问题

在Lizzieyzy的规则设置里，需要把贴目和规则选对。国内主流对弈平台普遍默认贴7.5目，对应中国规则；日韩规则贴6.5目。选错贴目，AI判断的胜率会有细微偏差，关键是复盘某个半目胜负的局面时，结论会变得完全不一样。Katago支持在配置里指定规则参数，比如中国规则对应area点目和positional打劫规则，日本规则对应territory点目。Lizzieyzy界面上有规则下拉框，直接用图形界面选就行，但这个步骤经常被忽略，一旦忽略，后面所有胜率参考都可能是歪的。

4. 实战复盘：当食不食让我看懂什么叫全局崩

4.1 模拟对局X：一盘让人捶桌的棋

这盘棋来自某位棋友提供的模拟对局，我拿它当复盘案例演示。棋局进入中盘时，黑白两块大龙在左侧和中央形成对跑，白棋的一块棋尚未完全活净，只有一只真眼加一个尚待形成的后手眼。正常人的第一感：黑棋应该抓住机会，先手分断白棋和外围联络，然后借助厚势强攻。实战黑棋却选择了右下角占一个大场，想把实地先捞到手，再慢慢看中央。

这一步落下去，从局部看确实捞到了目数，但从全局看，等白棋把那块棋补净，黑棋前面辛辛苦苦经营的外势瞬间变成“围不住”的虚势。白棋反先之后，黑棋的薄味开始四处爆发，后半盘越下越苦。这正好对应那句老话：当食不食，全局破。你该吃棋的时候不动手，等于把主动权双手奉上，后面想再找回来，难度完全不一样。

4.2 AI是如何拆解这个局面的

打开Lizzieyzy，把棋谱导入，拖动进度到实战那手棋附近。棋盘上立刻出现一排候选点：Katago按胜率从高到低排列，排在第一位的推荐点正好就落在黑白交界的分断位置，胜率显示黑方62%；而实战选的大场位置排在第三位，胜率只有38%。24个百分点的差距，在AI的眼里等于已经亏掉一手棋以上。

更直接的是胜率曲线。曲线到实战选点那一步，原本还在60%左右徘徊，之后的每一步都往下走，三十手过后跌破30%。顺便说一句，Lizzieyzy界面上候选点的底色也会跟着胜率变：高胜率点偏深色，中间值是浅黄，低胜率点接近红色。一眼扫过去，哪个点“该下”其实非常直观，这也是这套界面比纯命令好用太多的原因。

4.3 变化图里为什么“该食”

右击第一候选点，Lizzieyzy会弹出一棵变化分支树。我沿着AI的推荐变化往下摆：黑棋分断之后，白棋如果强行往外出头，黑棋可以连续叫吃，让白棋变成一条被追着打的孤棋；白棋如果就地做活，虽然能保住这块棋，但黑棋先手封锁外围，原先围不住的大模样立刻变成实空。两条路白棋都难受，所以这个分断是真正的“当食”之点。

摆完变化图再回头看实战，问题不在算力，而在于人脑在做决断时被“怕打劫、怕转换、怕计算不清”这种心理绊住了。AI没有这种心理包袱，它把每条变化都算得清清楚楚，然后用胜率告诉你：该动手的时候动手，比贪图眼前实地划算得多。复盘的意义就在这里——不是听AI说“你错了”，而是看清楚“错在哪一步”和“为什么错”。

4.4 读胜率曲线的三个档位

通过AI复盘久了，你会发现胜率曲线的波动非常能说明问题。我习惯把曲线分三档理解：50%附近属于局面不明，一切皆有可能；一方掉到35%以下，说明局面已经明显被动，但还有缠斗空间；一旦掉到25%以下，基本就是AI判断大势已去，剩下的多是挣扎手段。掉到15%以下，除非对方后面连续失误，否则很难翻盘。

注意，这个分档并不是铁律，开局和中盘的阈值会略有差异，因为早期的“落后”经常是虚的，可以靠中盘战斗赚回来。但用这个三档标准去检查“当食不食”这类转折点，可以很清楚地看到一手棋是否直接把棋局带向了不归路。胜率曲线配合候选点列表，就是AI复盘的两大核心武器。

5. 常用功能与调参细节：别把AI用成自动提示器

5.1 两个运行模式的区别

Katago对外提供两种典型工作方式：GTP模式和analysis模式。GTP模式是交互式的，你下一步棋，它回一步棋，适合在线对弈或者让AI下场走棋。analysis模式则是批量分析，一次性输出多个候选点和变化图，Lizzieyzy默认用的就是这种。日常复盘时，保持analysis模式即可；如果想让Katago自己对弈训练或者当陪练，再切换到GTP模式。

这两个模式的选择直接影响使用效果。很多人以为Lizzieyzy只能看胜率，其实它同时支持让引擎以GTP模式接管落子，只是那样就变成了“AI代打”，少了复盘反思的过程。我个人的建议是：学习阶段永远用analysis模式，让AI把变化摆给你看，而不是直接替你下。

5.2 分支管理是复盘的灵魂

Lizzieyzy中，单击某个候选点就会切换到该选点的变化分支，所有后续展示都会以这个分支为基础继续展开。右键单击分支中的某一步，可以把这条分支设为当前主线，然后继续往下分析。这个机制妙在哪：你可以把AI推荐的十几种变化全部摆出来，然后分别截图存档，最后统一比对。复盘文章里那些“AI一号选点、二号选点”的对比图，几乎都是这么来的。

分支管理还能帮你做“假设验证”。实战中选了B点，AI推荐A点，你可以从实战B点继续往下看AI的应对，也可以从A点开新分支，对比两条路的胜率差。这种对比做多了，你对局面的判断力会明显提升，因为大脑里多了很多具体的棋形和变化锚点。

5.3 引擎参数：温度与稳健度的拿捏

Lizzieyzy的引擎设置里还有温度（temperature）和随机种子这类随机性参数。温度越高，AI在同等局面下越倾向尝试多种落子，适合需要灵感的快棋；温度设为0或非常低，AI会永远选择唯一的最大概率点，适合严谨复盘。我自己的习惯是复盘时把温度调到0.1以下，避免AI为了多样性给出花样答案，把核心结论淹没。

顺带一提，Katago还有一个“策略温度”相关的概念，会影响它偶尔下出非主流招法。日常复盘用默认的低温度即可，只有做布局研究、想收集多种下法时，才把温度调高一点。这个参数调得好，复盘的结论会稳定很多，不会同一局面每次跑出完全不同的推荐。

5.4 规则参数不得不较真

前面提到过贴目，但Katago的规则参数不止贴目：同形劫争规则、点目方式、自杀规则、连下规则等都会影响AI对局面的判断。在国内平台复盘时，通常用中国规则、贴7.5目、positional劫争；看日韩比赛棋谱时，改成日本规则、6.5目。Lizzieyzy上有现成的规则预设，改起来很快，但很多人不知道要改，用默认规则去复盘日韩规则棋谱，结论就会飘。

规则参数影响胜率的具体幅度，取决于局面是否涉及劫争和胜负半目之差。普通局面差异不大，但一旦复盘内容涉及“这个劫该不该打”“半目输在哪里”这类问题，规则没选对，AI给出的分析可能完全与实战平台的计算方式对不上。

6. 常见问题与排查：收藏这份速查基本够用

6.1 最容易踩的坑

配置这套工具的人，十有八九会栽在路径上。系统的中文用户名目录、带空格的文件夹名，都会让Katago的加载过程莫名其妙失败。如果是这类问题，界面日志会显示找不到文件的提示，处理方式就是重新解压到磁盘根目录下的纯英文路径，之后基本不会再有路径相关故障。

另一个高频问题是权重和引擎版本不匹配。Katago的老版本可能加载不了新权重，反之亦然。解决思路：直接去官方Release页面下载配套最新压缩包，再去权重仓库下载标注为适配当前版本的权重，别混用。很多人喜欢保留旧版配置文件，升级引擎后继续沿用，结果各种诡异报错，这种时候把配置重置一遍反而最省事。

6.2 日志才是最好的老师

Lizzieyzy右侧的引擎输出窗口不是摆设。它会把Katago启动时的每一条信息都打出来：加载权重的进度、搜索参数的初始化、错误堆栈等。排查问题时，第一件事不是上网搜，而是把日志最后几行复制出来看一眼，八成能找到答案。我自己处理过的故障里，一半以上靠日志就能定位，根本不用重装。

这里特别提一个经验：遇到引擎反复崩溃时，先重置配置再启动一次，不要急着删掉整个文件夹。很多参数组合是互相牵连的，比如线程数过高和访问数过大会同时触发显存溢出，重置成默认值再逐步调参，比一次性排查所有变量快得多。

7. 一点实在的经验：AI复盘怎么用才长棋

7.1 别只盯着胜率数字

AI给出的胜率本质是“它在这个局面的自我对弈结果里赢了多少比例”，不等于你实战的真实概率。复盘时直接拿“这手掉了几点胜率”来评判棋力，反而会错过更重要的东西。我会先看候选点列表，找出AI的前三个推荐点，再回看实战点在哪里，最后自己想想“为什么我没选推荐点”。这个过程才是涨棋的核心。

胜率数字是结果，候选点的排序和它们之间的差距才是原因。如果一个局面的前四个候选点胜率都在58%到60%之间，说明局面选择空间大，你的招法只要不在五名开外都不算严重失误；反之，第一名和第二名之间差了15个百分点，那就必须停下来弄清楚第一名到底妙在哪。

7.2 什么时候该信AI，什么时候该留个心眼

我个人的判断规则很简单：开局阶段AI的胜率判断非常可靠，因为布局是它自对弈训练最多的场景；中盘复杂战斗阶段，AI的推荐依然很强，但它对“对手会不会配合”的假设，可能和实战对手的棋风不一致，这时候要多摆几个变化分支，确认推荐的招法在实战中是可以执行下去的；官子阶段，胜率曲线会被拉得很平，AI的目数判断接近完美，直接照办就行。

如果AI推荐点A的胜率比点B高出一大截，而点B是你本能的“很想下”的选点，多半该听AI的。反过来，如果A和B胜率只差两三个百分点，选哪个都行，这时候就按自己的棋风和局面判断走，AI给的是参考不是圣旨。这里面的分寸感，比学会操作界面本身更重要。

7.3 训练自己“当食就食”

这次复盘的模拟对局给我和那位棋友留下的最大提醒，与其说是技术选点，不如说是心理建设。AI的分析再精确，最终还是要落在人的决断上。当你明确看到一个可以分断、可以攻击、可以吃棋的机会时，不要因为怕复杂而选择回避。这背后其实是一种计算习惯的养成：先在心里把关键变化大致摆一遍，用AI验证之后再决定。

我后来把这个环节固定成流程：每盘棋复盘时，先不开引擎，自己把所有胜率突变点找出来，在棋盘上做个标记；再开引擎，把突变点前后的候选点逐一展开。这样既练了棋感，又避免了完全依赖AI提示。慢慢地，你会发现自己找关键点的能力越来越强，胜率突变点的位置越来越接近AI的判断。

7.4 最后一个小技巧

Lizzieyzy的“快速扫描”功能很适合批量复盘：导入多盘棋谱，让引擎以较低的访问数把每盘棋的胜率曲线全部跑一遍，一次性就能看到每盘棋的关键转折点，再挑出问题最严重的那几手去细拆。我经常用这个办法从棋友收集的对局里筛出最有教学价值的素材。配置得当的前提下，一小时扫完几十盘棋完全可行。

这个功能对收集典型教学案例特别有用。比如你想找“大龙对杀时脱先”的棋谱，就可以批量扫描之后，按曲线形态筛选，凡是中盘有断崖式下跌记录的，都值得打开细看。比一盘盘手动摆效率高太多了。

7.5 这套组合用下来的一点真心话

用了这段时间，我最强烈的感受是：AI把棋局算得再清楚，最终做决定的那个人还是你自己。工具配置得再好，如果没有复盘思考的耐心，“当食不食”的局面还是会在下一盘棋里重演。Katago和Lizzieyzy的价值，是帮你在“只差临门一脚”的时候看清那一脚该往哪踹，而不是代替你完成对围棋的理解。

所以，别怕配置过程繁琐，一次搞定之后它就安安稳稳躺在那里；也别怕AI给出的结论太刺眼，那些几十个百分点的胜率暴跌，恰恰是你涨棋路上最值得收藏的路标。