利用 KataGo 的专业围棋分析能力和 LLM 的自然语言理解与解释能力,为用户提供既专业又易于理解的围棋分析结果
#  --- [英文版本 (English Version)](README_EN.md) [GitHub 仓库](https://github.com/qcgm1978/Sabaki-llm) | [最新发布](https://github.com/qcgm1978/Sabaki-llm/releases) ## 核心功能 本项目基于 Sabaki 围棋界面开发,融合了先进的 AI 功能和 golaxy 围棋平台集成,打造 全方位围棋助手: ### golaxy 围棋平台集成 - 实时同步 golaxy 围棋平台对局 - 支持在线对弈和观棋功能 - 提供丰富的围棋对局数据展示 - 支持对局信息的实时更新和同步 - 便捷的交互界面管理 golaxy 相关功能 ### MCP(模型上下文协议)集成 - 作为 LLM 与专业工具之间的标准化通信桥梁 - 实现大型语言模型与 KataGo 围棋引擎的无缝协作 - 提供安全、高效的跨系统信息共享框架 ### LLM(大型语言模型)功能 - 通过自然语言与围棋 AI 交互 - 获取围棋位置和着法的详细解释 - 询问有关战略、战术和围棋原则的问题 - 使用自然语言请求特定区域的棋盘分析 - 对话历史记录持久化,支持上下键快速切换历史问题 ### KataGo 专业分析 - 结合 LLM 的自然语言理解和 KataGo 的专业围棋分析能力 - 提供精准的落子建议和胜率分析 - 通过 MCP 协议接收 LLM 处理后的用户请求并执行相应分析 ### 智能 Agent 架构 - LLM 作为"大脑"负责理解问题和生成自然语言回答 - KataGo 作为"专业技能扩展"提供领域内的精准分析 - MCP 作为通信协议实现两者的高效协作 - 为用户提供既专业又易于理解的围棋分析体验 - golaxy 集成提供在线对局和社区功能支持  ## 项目说明 本项目是基于 Sabaki 围棋界面开发的智能围棋助手,专注于将先进的 AI 技术与围棋分析 相结合。通过 MCP 协议,我们实现了 LLM 与 KataGo 的无缝协作,为用户提供更智能、更 直观的围棋分析体验。 ## 许可证 本项目基于 Sabaki(MIT 许可证)开发。
HAL 分层混合模型工作流 — 强模型(Claude)负责理解/拆解/验收,低成本模型(DeepSeek)负责检索/提取/清洗。Hermes Agent skill。
An LLM agent fine-tuned on DeepSeek for spaced repetition, dynamically integrating knowledge points based on the Ebbinghaus forgetting curve.
基于 STM32F103 构建的端到端 AI 智能手表生态。自研“零重定位”原生机器码动态加载引擎与页面栈式 UI 框架;集成生产级 OTA 回滚保护机制与高带宽(921600 baud)串口协议栈。通过 Node.js 中继实现 DeepSeek AI 语义控制及 ASRPRO 语音全双工交互,是一个集成了分布式计算、现代存储管理与 AI Agent 的嵌入式全栈工程。
A Meta-Agent-Driven Self-Evolving Multi-Agent System for UAV Detection and Tracking
One command to run Hermes AI Agent with a browser UI. Zero prerequisites. 一行命令,AI 就位。
网页应用Agent,接入DeepSeek、Mimo等模型