自建了一个 AI 棋友：三合一网页棋类项目实测，AI 功能到底是不是噱头？
目录
先说结论：不是噱头，而且是我今年自建的、使用频率最高的一个服务。
最近把一个开源的三合一网页棋类项目（象棋 / 五子棋 / 军棋）部署到了自己的飞牛 NAS 上，连续用了两周，每天平均开 2~3 次。下面从「值不值得部署」「AI 功能是不是营销词」「有哪些不足」三个角度把真实体验讲清楚。
一、基本盘：它是什么
| 项目 | 情况 |
|---|---|
| 形态 | 纯网页，打开即玩，不装 App、不注册 |
| 内容 | 象棋（标准规则 + 三档 AI）、五子棋、军棋翻棋（标准 12×5 棋盘） |
| 技术 | 纯 Node.js 自研，无外部依赖，MIT 开源 |
| 部署 | Docker 4 行命令，实测内存占用 8.7 MB |
| 数据 | 存档 / 战绩全部落在 NAS 本地，不上传任何第三方 |
细节层面做得比较扎实：象棋是每方 16 子、开局 44 步合法走法的标准局面（我用引擎验证过）；军棋行营”空营可进、营内不可攻”、大本营”可进不可动”这些容易做错的规则都对；五子棋困难档会主动封堵活四。
二、AI 功能：哪些是真有用，哪些是噱头
这是我最想聊的部分。它标了 8 项 AI 功能，我逐个用了两周，按「真实价值」排序：
第一梯队：每天都用
1. 走法点评（本机引擎，不走网络）
你每走一步，本机的 α-β 搜索会把「你这步之后的局面」和「最优解」对比，直接给出亏分：
实测一次：走完提示「这步亏了约 610 分（≈ 一个马或炮），更好的下法是炮往前走 7 格吃掉对方的马」。关键是它不消耗任何大模型 token、零延迟——这是本地引擎，不是套壳 LLM。
2. AI 教练（接大模型，说人话）
这里有个我认为很关键的设计：它喂给模型的局面描述是全中文的（”左起第 2 列的炮、从红方底线往上第 3 行”），所以模型回复也天然是中文人话，而不是 b8 → h3 这种字母坐标。实测回复示例：
建议：炮二平五先架中炮，把对方的将门锁住；你右翼的车还没出动，下一步记得亮车抢占肋道。
另外做了 5 种人格（严厉 / 温柔 / 毒舌损友 / 老棋手），以及”模型只回英文时自动补问一次强制中文”的兜底——这个细节我测过，有效。
3. 每日一题 + AI 出题（带本地校验）
按用时评 S/A/B/C 级，还有连续打卡天数。填了模型可以”AI 现场出题”，但我更看重它的校验逻辑：生成的象棋局面必须在本地通过”真的存在一步将死”的穷举验证，五子棋必须真的”一步成五”，验不过就回退本地题库。这比直接把大模型的输出甩给用户靠谱得多。
第二梯队：偶尔用，但确实有用
- 棋风画像：从真实战绩算出「输的局平均 44 秒 vs 赢的局 135 秒 → 你输在太急」，数据是从我自己对局里出的，不是套话
- 军棋记牌推理：实时列出 50 枚棋子里还剩哪些没露面、还剩几个司令和炸弹
- 赛后 AI 复盘：三句话讲清胜负手
第三梯队：锦上添花
战绩海报（文字可自定义、实时预览）、对手嘴炮（吃子时甩一句”哎哟，送子观音？”）、开局库讲解、自适应难度（三连败自动降档）。
一个重要的设计约束：不填模型，8 项功能里 6 项照样能用（本地计算 + 内置题库/金句）。只有”AI 现场生成”那几项才需要模型。这一点我觉得比”必须登录才能用 AI”的常见做法厚道。
三、模型接入体验
接的是任意 OpenAI 兼容接口（BaseUrl / KEY / 模型名三个框）。两个细节做得好：KEY 输入框默认打码，点了眼睛才显示；旁边有个 🔌 测试按钮，填完点一下，通不通、不通是哪里的问题（KEY 失效 / 模型名错 / 地址不可达）当场告诉你，不用去猜。
四、不足（诚实部分）
- 军棋 AI 比较直：吃子优先级评估，会做出”明知亏还去吃”的判断，深度不如象棋的 α-β 搜索
- 没有手机 App / PWA 推送：只能靠浏览器收藏或桌面快捷方式
- 双人同屏是共用一台设备，不是联机对战——厂商明确说是设计如此，但确实有人会误解
- AI 教练依赖模型质量：换了便宜模型，建议质量明显下降（本地走法点评不受影响）
五、值不值得部署？
适合：家里有 NAS / 飞牛 / 任何能跑 Docker 的机器；想在工作间隙有个”有质量的放松”；对手游和短视频已经有点腻。
不适合：想要联机对战、想要天梯排位——它是自用型工具，不是竞技平台。
部署就四行命令（README 里有），数据卷挂上不丢档：
📦 新进展：已打包飞牛应用商店安装包（.fpk，真机安装/启停/卸载全流程验证通过），即将上架应用中心——到时在应用中心搜索「摸鱼棋乐」一键安装，无需命令。当前最快方式：
最快方式：不用克隆源码，直接拉公开镜像（GitHub Actions 自动构建更新）：
docker pull ghcr.io/personal82555/moyu-qile:latest
docker run -d --name moyu-qile --restart unless-stopped \
-p 7025:7025 -v "$PWD/data:/app/data" \
ghcr.io/personal82555/moyu-qile:latest
也可以从源码构建：
git clone https://github.com/personal82555/moyu-qile.git
cd moyu-qile && docker build -t moyu-qile:latest .
docker run -d --name moyu-qile --restart unless-stopped \
-p 7025:7025 -v "$PWD/data:/app/data" moyu-qile:latest
开源地址：github.com/personal82555/moyu-qile（MIT）。
最后一句：这两周我刷短视频的时间明显少了。不是它多神，是「20 分钟倒计时 + 一盘必须动脑的棋」这件事本身，比无限下拉的 feed 更适合用来给大脑换个挡。
📂 更多推荐
- 查看更多相关文章：https://www.88531.cn
- 关注公众号「实用软技」获取更多软件推荐和实用技巧
- 所有软件均提供夸克网盘下载，公众号回复「软件」一键获取
