Token导航 LogoToken导航TokenDH.com
研究检索权限需确认clawhub未标认证来源可访问clear审计通过

weiqi-move围棋动作

Agent Skill

weiqi-move 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

3,599

周安装

147

GitHub Stars

公开资料未说明

下载量

1,152
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:weiqi-move(围棋动作)
来源仓库:https://github.com/zhangbin2025/weiqi-move
安装命令:
openclaw skills install weiqi-move
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install weiqi-move

简介

智能提取并生成围棋实战选点题,支持恶手检测、实战对比、交互答题、试下演练及保存SGF功能。

SKILL.md

name
围棋实战选点
description
智能提取并生成围棋实战选点题,支持恶手检测、实战对比、交互答题、试下演练及保存SGF功能。
tags
["围棋", "weiqi", "go", "棋谱", "SGF", "选点", "做题", "习题", "AI分析", "实战", "恶手"]
version
1.1.0

围棋实战选点 (weiqi-move)

从带AI分析数据的SGF棋谱中提取选点题,生成交互式做题网页。

功能介绍

  • 智能提取: 从AI变化图中提取选点题,自动识别最优着法和实战着法差异
  • 恶手题检测: 识别实战棋手下出的低胜率着法(与AI推荐差距>20%)
  • 交互式做题: 点击棋盘选点,即时显示对错和胜率对比
  • 实战对比: 显示AI推荐变化和实战着法,了解棋手实际选择
  • 试下模式: 在任意局面下尝试自己的着法,支持连续落子和提子
  • 变化图浏览: 查看各选点的后续AI推荐变化
  • 保存SGF: 将当前局面保存为SGF文件,支持主分支、试下和变化图
  • 音效反馈: 落子、提子、答题对错均有音效提示
  • 难度分级: 根据胜率差自动判断题目难度
  • 阶段分类: 自动识别布局、中盘、官子阶段

文件结构

weiqi-move/
├── SKILL.md                 # 本文件
├── scripts/
│   ├── sgf_parser.py        # SGF解析器
│   └── quiz.py              # 主脚本
└── templates/
    └── quiz.html            # 做题网页模板

使用方法

基本用法

# 生成选点题(默认5道,恶手题优先)
python3 scripts/quiz.py game.sgf

# 指定输出文件
python3 scripts/quiz.py game.sgf -o quiz.html

# 生成更多题目
python3 scripts/quiz.py game.sgf -n 20

题目筛选

# 只生成恶手题
python3 scripts/quiz.py game.sgf -t blunder

# 只生成中盘题
python3 scripts/quiz.py game.sgf --phase middle

# 组合筛选
python3 scripts/quiz.py game.sgf --phase middle -t easy -n 10

参数说明

参数说明默认值
-n, --number最大题目数量5
-t, --type题目类型 (blunder/easy/medium/hard)全部
--phase阶段筛选 (layout/middle/endgame)全部
-o, --output输出文件路径输入文件名.html

题目类型说明

类型说明
blunder恶手题:实战落子胜率比AI推荐低20%以上
easy简单题:最优胜率 > 次优15%
medium中等题:胜率差 5%-15%
hard困难题:胜率差 < 5%

阶段说明

阶段手数范围
layout≤ 60手 (布局)
middle60-180手 (中盘)
endgame> 180手 (官子)

做题页面操作

主面板(打谱模式)

  • ⏮️ / ⏭️: 上一手/下一手浏览
  • 滑动条: 快速跳转到任意手数
  • ⬅️ / ➡️: 上一题/下一题
  • 🔊: 音效开关
  • 💾: 保存当前局面为SGF

棋盘操作

  • 点击选点: 直接点击棋盘上的A/B/C/D选点
  • 试下: 点击非选点位置进入试下模式
  • 浏览历史: 打谱时ABCD标记自动隐藏

做题模式

  • 选项按钮: 点击下方A/B/C/D按钮选点
  • 实战按钮: 查看实战棋手的着法
  • 即时反馈: 选点后立即显示 ✓ / ✗ 和胜率
  • 变化图: 点击查看AI推荐变化(默认显示第一手)

试下模式

  • 连续落子: 黑白交替落子,支持提子
  • 上一步/下一步: 浏览试下着法
  • : 返回主面板
  • 💾: 保存试下局面

变化图浏览

  • 上一步/下一步: 逐步查看变化
  • : 返回答题结果面板
  • 💾: 保存变化图局面

恶手题说明

恶手题是本技能的核心特色,指实战棋手下出了AI认为的低胜率着法。

识别标准:

  • 实战落子的胜率比AI最高推荐胜率低20%以上
  • 例如:AI推荐A点胜率65%,实战下B点胜率40%,差值25% → 恶手题

通过恶手题可以:

  • 了解高手也会犯的常见错误
  • 学习AI推荐的最优下法
  • 对比实战变化和AI变化,深入理解局面

支持格式

野狐围棋

  • 特征: 胜率标注、绝艺分析
  • 胜率格式: 黑65.3%白48.2%

KataGo

  • 特征: KataGo分析标签
  • 胜率格式: B 65.3%W 48.2%

星阵围棋

  • 特征: 星阵推荐、胜率标注
  • 胜率格式: 胜率:黑 65.3%

技术说明

提取规则

  1. 变化去重: 第一步坐标相同的变化只保留胜率最高的
  2. 实战关联: 获取主分支的实战落子,与AI变化对比
  3. 恶手检测: 实战落子胜率与最高胜率差>20%标记为恶手
  4. 答案打乱: 正确答案随机分布在A/B/C/D中
  5. 难度计算: 最优与次优选点的胜率差

HTML输出特性

生成的单文件HTML包含:

  • 完整的围棋规则实现(提子、气、打劫)
  • Canvas棋盘渲染
  • 响应式布局(支持移动端)
  • 音效系统(落子音、提子音、答题音效)
  • 纯前端实现,无需服务器

示例输出

$ python3 scripts/quiz.py example.sgf -n 10

正在解析: example.sgf
棋局: 卞相壹 vs 朴廷桓
主分支手数: 215
变化图数量: 555
检测到的格式: foxwq

正在提取选点题...
提取到 10 道题目
  - 布局: 7, 中盘: 3, 官子: 0
  - 简单: 4, 中等: 1, 困难: 5
  - 恶手题: 3

正在生成做题网页...
已生成做题网页: /path/to/example.html

扩展开发

添加新的格式适配器

quiz.py 中添加新的适配器类:

class MyFormatAdapter(FormatAdapter):
    """自定义格式适配器"""
    
    PATTERNS = ['特征字符串1', '特征字符串2']
    WINRATE_PATTERN = re.compile(r'胜率[:\s]*([黑白BW])\s*(\d+\.?\d*)%')
    
    def detect(self, sgf_content: str) -> bool:
        for pattern in self.PATTERNS:
            if re.search(pattern, sgf_content):
                return True
        return False
    
    def parse_winrate(self, comment: str) -> Optional[Dict]:
        match = self.WINRATE_PATTERN.search(comment)
        if match:
            color_str = match.group(1)
            rate = float(match.group(2))
            color = 'B' if color_str in ['黑', 'B'] else 'W'
            return {'color': color, 'rate': rate}
        return None
    
    def get_name(self) -> str:
        return 'myformat'

然后将适配器添加到 FORMAT_ADAPTERS 列表。

依赖

  • Python 3.6+
  • 仅使用标准库(无第三方依赖)

注意事项

  1. 棋谱需要包含AI分析的变化图数据才能提取题目
  2. 纯对局记录(无AI分析)无法提取选点题
  3. 生成的HTML文件可以离线打开使用
  4. 建议使用带绝艺或KataGo分析的野狐/弈城棋谱

更新日志

v1.1.0

  • 新增恶手题检测功能
  • 新增实战落点对比按钮
  • 新增试下模式支持
  • 新增保存SGF功能
  • 答案选项随机打乱
  • 优化音效系统
  • 优化UI交互体验

v1.0.0

  • 基础功能:选点题提取和做题
  • 支持野狐、KataGo、星阵阵棋谱格式
  • 基础打谱和变化图浏览

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

79.18%
按下载量换算912

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

权限需确认

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills