一、程序概述
1. 开发背景及痛点解决
背景：传统围棋教学往往面临资源获取门槛高、对弈反馈不及时、界面枯燥乏味等
问题。学生在自学过程中，难以获得高质量的复盘指导，且缺乏系统的能力评估体系。
痛点解决：
• 反馈滞后：通过接入 KataGo 引擎，实现毫秒级的落子响应与形势判断，解决无人陪
练的问题。
• 枯燥乏味：采用“东方水墨”美学设计，营造沉浸式文化氛围，提升学习兴趣。
• 缺乏评估：引入 AI 棋力测评系统，通过五维雷达图直观展示学生能力短板，解决
“不知从何练起”的困惑。
2. 核心功能定位
本程序定位为**“智能化的围棋美育与教学平台”**，专为围棋爱好者及学生设计。
• 核心功能：人机对弈、智能复盘、死活题训练、AI 交互式课程、个人成长数据分析。
• 目标：以科技赋能传统文化，让围棋学习变得简单、高效且充满美感。Antholux《墨·弈》作品说明文档
教育教学类小程序开发大赛
3. 创新性亮点
• Zen-Tech 美学融合：首创将中国传统水墨元素与现代 Glassmorphism（毛玻璃）UI
设计相结合，视觉效果极具辨识度。
• AI 深度赋能：
– 双引擎驱动：集成 KataGo（计算引擎）与 Qwen-Plus（大语言模型），不仅能
下棋，还能像老师一样用自然语言讲解棋理。
– 动态课程：AI 可根据用户指令即时生成包含棋谱摆盘的教学课程，打破固定教
材限制。
– 天元问道·深度研究：首创 AI 深度研究模式，用户输入任意围棋课题，系统自
动生成大纲并撰写深度研究报告。
– Agent 语义导航：基于 LLM 的意图识别，支持“所说即所得”，通过自然语言
指令直接跳转功能区。
• 多维能力画像：独创“六芒星”棋力雷达图，从布局、战斗、计算、官子、棋形五个
维度量化评估学生水平。
二、技术架构及配置环境
1. 开发工具
• 后端框架：Python Flask 3.0
• 前端技术：HTML5, CSS3, JavaScript (ES6), Bootstrap 5
• AI 模型：KataGo (GTP), 阿里云 DashScope (Qwen-Plus)
• 数据库：SQLite
• 图表库：Chart.js
2. 配置环境要求
1. 操作系统：Windows 10/11 或 Linux (Ubuntu 20.04+)
2. 运行环境：
• Python 3.8 及以上版本
• 安装 KataGo 引擎（需支持 OpenCL 或 CUDA）
3. 依赖安装：
• 在终端执行：pip install -r requirements.txt
4. 数据库配置：
• 无需手动配置，程序启动时通过 db.create_all() 自动在 instance/ 目录下初
始化 wqqq.db。
2Antholux《墨·弈》作品说明文档
教育教学类小程序开发大赛
3. 开源组件引用说明
• Flask：Web 框架（BSD License）
• KataGo：围棋 AI 引擎（MIT License）
• Bootstrap 5：前端 UI 框架（MIT License）
• FontAwesome：图标库（Free License）
• Chart.js：图表绘制（MIT License）
• 注：核心业务逻辑、UI 设计及 AI 交互层均为独立开发。
三、功能详细介绍
1. 账号与个人中心模块
• 功能：支持账号注册/登录，实现账号与昵称分离（支持一次免费改名）。
• 特色：个人主页展示“棋力六芒星”雷达图、胜率统计及“星墨点”积分系统，记录
用户的每一次成长。
2. 智能对弈模块
• 功能：提供基于 GTP 协议的标准对局，支持分先、让子（2-9 子）、贴目设置，具备
悔棋、认输、轻量化形势判断等功能。
• 特色：
– 实时 AI 支招（Live Coaching）：在对局过程中，AI 引擎会实时评估当前局
面，根据用户的每一步落子进行动态胜率分析。如果检测到用户下出“恶手”或
“俗手”，系统会即时通过“雅谈”界面给出战术指导，真正实现“以赛代练”。
– 云端棋谱同步：对局结束后，SGF 格式棋谱自动保存至云端数据库，支持随时
复盘回看。
– 对局状态持久化 (Auto-Save)：支持浏览器端断点续弈，刷新页面不丢失进度，
AI 思考状态完美恢复。
– 星墨点 (Xingmo Points) 体系：完善的积分奖惩系统，无论对局结果如何均
自动结算，强化数值反馈。
3. AI 围棋学堂与深度研究
• 功能：包含基础规则、定式详解、手筋技巧等系统化课程，以及 AI 课题研究工具。
• 特色：
– RAG 增强教学：结合大语言模型（LLM）与围棋专业知识库，构建了名为“星
墨”的 AI 导师。
– 天元问道 (深度研究模式)：用户输入任意围棋课题（如“吴清源十番棋”、“点
三三定式变迁”），AI 自动生成研究大纲并撰写深度报告，辅助高阶理论学习。
3Antholux《墨·弈》作品说明文档
教育教学类小程序开发大赛
– 生成式动态课程：输入围棋术语（如“大雪崩定式”），后台即时生成包含动态
交互棋盘、Markdown 图文详解的专属课程。
– Agent 语义导航：支持通过自然语言指令（如“带我去棋力测评”）直接跳转功
能区，实现全域智能交互。
4. 棋力测评与复盘
• 功能：用户完成对局后，系统自动调用 KataGo 进行全盘复盘分析。
• 特色：
– 六芒星能力画像：独创的能力评估算法，从布局（Layout）、战斗（Fighting）、
计算（Calculation）、官子（Endgame）、棋形（Shape）五个维度量化学生水平，
生成专业的雷达图。
– 风格标签化：AI 自动分析用户的行棋偏好，生成“攻杀型”、“厚实型”、“治孤
型”等个性化棋风标签。
– 关键手点评：针对棋局中的胜负手、疑问手进行自然语言点评，指出优劣并推
荐最佳变化图。
5. 死活题训练
• 功能：内置经典死活题库（《玄玄棋经》、《官子谱》精选），并支持 AI 随机生成题目。
• 特色：
– 智能判题：前端实时计算气与眼位，自动判定解题结果。
– 知识点自动总结：做题成功后，AI 导师会自动识别本题涉及的手筋（如“倒
扑”、“点眼”、“金鸡独立”、“接不归”），并生成简短的知识点总结，帮助学生
巩固记忆。
6. 后台管理与安全模块
• 功能：提供管理员专属的后台管理入口，支持系统配置与安全维护。
• 特色：
– 安全架构强化：支持管理员自主密码修改，并强制进行原密码强校验，保障账
户安全；配备独立的密码重置流程。
四、使用方法
1. 部署/安装步骤
1. 将项目文件夹 Antholux 解压至本地。
2. 确保已安装 Python 环境及 KataGo 引擎。
3. 修改 katago_service.py 中的 katago_path 为本地实际路径。
4. 在根目录下打开终端，运行 python app.py。
5. 打开浏览器访问 http://127.0.0.1:5000 即可使用。
4Antholux《墨·弈》作品说明文档
教育教学类小程序开发大赛
2. 核心功能操作流程
• 棋力测评流程：
登录账号 → 点击导航栏“棋力测评”→ 选择“开始测评”→ 与 AI 进行 50 手以上
的对弈 → 点击“结束并评估”→ 系统自动生成能力雷达图及分析报告。
• AI 课程生成流程：
进入“围棋学堂”→ 点击“AI 导师”→ 输入想学习的主题（如“三三定式”）→ 等
待约 3 秒 → 系统生成包含动态棋盘的专属课程。
3. 在线体验
• 体验地址：（暂时不甩链接了，token撑不住，等学校评审后我会更新链接的）
• 特别说明：因服务器成本考量，在线演示版本运行于 CPU 兼容模式，并采用了参数
量较小的轻量级权重模型。
– 落子速度：相比本地 GPU 版本略有迟缓（首手约 60 秒），后续手感尚可。
– 棋力水平：足以应对业余段位爱好者，但若追求“神之一手”的顶尖职业水平
体验，建议按照说明文档进行本地 GPU 部署。
4. 常见问题及解决方案
• Q: AI 落子无反应？
A: 多半为硬件适配或性能问题。请检查显卡驱动是否兼容，或确认设备性能满足引
擎运行要求（如显存不足可尝试 CPU 模式）。
• Q: 注册时提示数据库错误？
A: 请确保 instance 文件夹有写入权限，或删除 wqqq.db 重启程序自动重建。
五、测试及优化说明
1. 测试情况
• 功能测试：对注册登录、对弈逻辑、死活题判定等核心功能进行了 50+ 次全流程测
试，表现稳定。
• 兼容性测试：在 Chrome (v120+)、Edge (v120+) 及 Firefox 浏览器下均显示正常。移
动端虽已实现响应式布局，但在部分小屏设备上的交互体验仍有待优化。
• 性能测试：KataGo 引擎响应平均延迟 < 500ms（基于 GTX 1660 显卡环境）。
2. 待优化方向
• 移动端专属开发：目前的响应式设计在手机端体验尚未达到完美，计划未来单独开
发原生 App 或专门针对移动端优化的 H5 版本，以提供更流畅的触控交互体验。
• 局域网联机：目前仅支持人机对弈，未来计划增加人人对弈功能，支持局域网内学生
联机切磋。
• 语音交互：计划接入语音识别 API，实现与 AI 导师的语音对话，进一步降低操作门
槛。
（暂时不甩链接了，token撑不住，等学校评审后我会更新链接的）
3878ee43551289f52598c850646a05cd1896×952 207 KB