MistyBanqi 怎么下棋，又是怎么做出来的

它如何思考

暗棋以自己独特的方式隐藏信息：每枚棋子起初都背面朝下，翻开一枚，就会从剩下的棋子里随机翻出一枚。因此和国际象棋不同，引擎的搜索树里既有普通着法，也有随机事件。MistyBanqi 把翻子当作一个概率节点，对这枚棋子可能翻出的各种身份取加权平均；其余部分则像经典国际象棋引擎那样搜索：向前推演双方可能走的着法，再把最佳一路的价值回传上来。

它做不到的是凭感觉判断局面。这棵搜索树的每个叶子节点，都由一套手写的评估来打分：基于一张修正过的子力价值表的子力（炮靠隔子吃，是盘面上最危险的棋子）、每枚棋子控制多少格、将帅有多暴露，以及另外一些项。引擎的水平完全取决于这些项的好坏——下面要讲的弱点正源于此。

大多数时候，它会赢

MistyBanqi 能赢过大多数人，而它取胜的方式正是经典引擎的方式：往前算上好几步的吃子。逐步回放下面这盘它把对手清光的棋。暗棋的局势随翻子起伏，这盘里它开局甚至一度子力落后，随后一步步扳了回来，直到对手没有棋子可走。每枚棋子第一次被翻开时，会翻出它所发到的身份。

这种一子一子算下去的计算，是它棋力强的那一半。盲点是另一半：当胜利不再需要吃子、只需要耐心时，会发生什么。

它是怎么做出来的

我做了 MistyBanqi，一个用 Rust 写的传统暗棋（中国暗棋）引擎。它使用 alpha-beta 加 Star1 expectiminimax、手工编写的评估函数，对局版本中不含神经网络。

这不是在宣称它最强。强力的暗棋程序 CLAP_CDC 和 DarkKnight 都是闭源的，而且更强。这是一份构建报告，讲的是在我愿意花的预算内能做出的最强开源引擎。真正有用的结论不是某个神奇的评估项。几乎所有进展都来自修正我衡量棋力的方式。

它的评估函数起初来自george0828Zhang 的开源 CDC 引擎，之后我把那个引擎留作固定对手，用来衡量每一项改动。现在 MistyBanqi 已经相当称职，与这个基准大致势均力敌，并且开源。

不要拿自己当尺子

我的第一次升级是常规的搜索机件：置换表和重复局面检测。我用成对的自我对弈，拿它对上自己引擎的早期版本来衡量。它得分 60.9%，约 +77 Elo，各项统计都说这个提升是真的。

然后我把同一项改动拿去对上参考引擎。那 +77 Elo 消失了；结果是打平。一个拿自己调参的机器人，优化的是打败自己的盲点，而自我对弈的数字衡量的是我的引擎心中「难缠对手」的样子，也就是我的引擎本身。于是我把那个引擎定为标尺，后续每一项改动都拿它做大规模成对比试，每方几百局，散布在 Modal 的多个容器上，让每轮跑完不到一小时。暗棋和棋很多，几个百分点的优势需要这么多局才看得出来；我一开始用的 20 局对抗赛纯粹是噪声。

调评估函数

这把诚实的标尺首先找出的，是我一直带着的一个 bug，在子力价值表里。下面是修正后的版本：

炮和车弄反了。炮靠隔一个炮架吃子，这让它成为盘面上战术威胁最大的棋子，尽管它在吃子等级里排位很低；车只是普通的直线滑行棋子。仅这一处修正本身就值几个百分点，占了评估收益的大半。自我对弈永远不可能向我揭示这一点，因为我自己引擎的每个版本都带着同一张错误的表；只有外部对手才能把它暴露出来。

更有意思的调参是：一个棋子的价值取决于盘面上还剩什么，而不是常数。参考引擎对将／帅已经做了一个小规模版本，将／帅是唯一会被兵吃掉的棋子：随着对方的兵被吃掉，它的价值上升，因为唯一威胁它的东西正在消失。我把这个思路推广到每个棋子。每个棋子都有一组能吃它的对方棋子，随着这些棋子被换掉，它的价值就朝「无人能碰」上升。这个项叫自适应压制，是评估上收益最大的单项，整套改动对参考引擎达到 +16.6%，负局减少了三分之二。即使我故意把它和旧的、错误的价值表搭配，也仍有 +8.7%，这说明它抓住的是暗棋的真实结构，而不是只对一个对手拟合出来的数字。

整个项只有十来行。对盘面上每个棋子，数一数还存活（在盘上或在袋中）且能吃掉它的对方棋子数量，再按反比缩放一个加分：

// dom_val: a piece's value grows as the enemy pieces that can capture it
// disappear, toward "immortal" when its dominators are gone.
const DOM_K: f64 = 0.5;
for i in 0..NSQ {
    let c = self.sq[i];
    if !is_piece(c) { continue; }
    let role = code_role(c);
    let enemy = (1 - code_color(c)) as usize;
    // living enemy pieces that can capture this role
    // (role 5 = cannon, which screen-captures anything, so it always counts)
    let mut dominators = 0;
    for d in 0..7 {
        if d == 5 || can_capture(d, role) { dominators += alive[enemy][d]; }
    }
    let bonus = values[role] * DOM_K / (1.0 + dominators as f64);
    total += if code_color(c) == persp { bonus } else { -bonus };
}

当对方的兵全被换掉后的将／帅，或任何能吃它的棋子都已离开盘面的棋子，会趋向于无人能碰，而这正是固定数值表无法承载的直觉。（完整函数）

棋力不在于搜得更多

静态评估项到了瓶颈，于是我转向搜索深度。两件事拦住了我。

第一是翻棋。在一个翻棋节点上，引擎必须对这枚暗子可能翻出的每种棋子取加权平均，于是一次翻棋就散开成十几个加权结果，而可翻的暗子又有很多。这种机会分支让搜索树爆炸；暗棋里没法像国际象棋那样直白地搜得很深。（Star1 expectiminimax 会剪掉一些机会分支，有帮助，但并不能让问题消失。）

第二点更重要：即使给更多节点，结果也不再变化。每着超过几十万节点之后，搜得更深并没有让它更能打赢参考引擎。瓶颈不是深度，而是评估，也就是搜索到底部时给局面打分的那个函数。于是我不再试图靠搜索堆出棋力，而开始看棋。胜率只告诉你在输，它从不告诉你该去看哪一着。

它会把赢定的棋下成和棋

同样这个引擎，下面处在一个它已经完全赢定的局面。它以十子对两子领先，已经没有子可吃，唯一要做的就是把胜势走到底。结果它却下成了和棋。

评估里没有任何一项会因为「把优势转化为胜利」而比「单纯守住子力」给更高的分，于是一个遥遥领先的局面和一个真正已经赢下的局面，得分几乎一样。既然没有哪一项促使它取得进展，它从不主动推进，棋局便滑进三次重复局面，按暗棋规则判和。

引擎也看不见重复局面本身。在生产环境里，它只拿到当前局面，没有历史，所以它对自己正走进的重复局面一无所知。

修正的做法是把真实对局的着法历史接进搜索，于是引擎能看到重复局面将至，领先时避开它，只在落后时去寻求它（一个小的蔑视值设定）。这值约 +53 Elo。另有一道防护处理最难看的情形：引擎先丢掉一个子被吃，然后还是接受和棋，这比直接接受和棋严格更糟。那一处看起来像蔑视值的 bug，但在蔑视值为零时也能复现；真正的原因是评估把这次亏子的吃子算得比和棋值高出一丝。

这对你是有好处的。如果你子力落后，不代表就输了：MistyBanqi 仍可能来回挪子，走进重复和棋。这种事多到可以量：引擎自我对弈的 200 盘里，每六盘就有一盘和棋，其中一半曾经走到赢定的局面。

它也可能丢掉自己的将帅

另一个相关的盲点跟将有关。只有卒、对方的将或炮的跳吃拿得下它，所以被围住的将一次只怕一种子，而引擎很慢才会替被逼到角落的将腾出空间。它有时候会把一颗子调到棋盘另一头，同时一颗孤零零的敌方卒走过来把它困死。跟上面那个和棋是同一个缺口：这套评估函数对于好几步之外慢慢成形的安静威胁，没有什么感觉。

看一个对方的兵沿 a 路把 Misty 的将追下去。MistyBanqi 执黑。它的将在 b1，之后追猎它的那个红兵在 b4。

Misty（此处为黑方）把将挪进了 a1 角。一个红兵沿这一路推上来，将就被围死了：它旁边的格子仍是暗子，暗子上不能走，而将又不能吃兵。最后它完全无着可走，被冻在原地，28 着之后被吃。

救法就是棋手说的「开气孔」：在追猎者到来之前翻开旁边的一枚暗子，给将／帅开出退路。我加了一个将／帅安全项，正好诱导出这种走法，把 Misty 丢掉自己将／帅的频率从 35.5% 降到 26%。看看衡量这一点需要什么：对上参考引擎时胜率几乎没动，因为它不追猎将／帅，而这些棋 Misty 本来多半也赢。基准看不到这项修正，所以我直接衡量灾难本身，而不是相信分数。（我还发现自己在拿引擎自己的评估去问一次救援是否奏效。一个对危险视而不见的评估，无法为自己的盲区打分，所以我手动核对了。）

这就是手工编写能达到的诚实边界。威胁是一次缓慢、安静、跨越多着的行军，任何静态项都看不见，直到为时已晚，而这恰恰是学习型评估要解决的长视野判断。

为什么会有这些问题，以及下一步

这些是手写评估的局限：它只能给有人想到要编码进去的东西打分，而「把胜势转化为胜利」和「缓慢围猎将帅」恰恰是那种很难写成规则的长程判断。最强的暗棋程序采用的解法，是一套从对局胜负中学习得到的评估，让引擎能自己判断这些。这也是 MistyBanqi 终将迈出的下一步。在学习版于测试中越过现有引擎这道门槛之前，你面对的仍是手写版：强，且对自己会在哪里出问题保持坦诚。

最后一次衡量：这段攀升值不值得付费？

便宜的收益已经用光，而两个病症都指向同一个解法：一个理解局面而不是数子的评估。那就是学习型价值网络，也就是 CLAP_CDC 用来在这个项目上赢下计算机奥林匹克的 AlphaZero 配方。

于是我搭好了流水线（棋盘编码、一个小型 ResNet、考虑随机性的 MCTS、带门限的自我对弈以防坏的一代污染下一代），然后在为完整训练付费之前，又做了一次衡量：一次低成本的本地风险排除，看看价值网络是否真能打败手工调参的引擎。

它没能做到。我在笔记本的 GPU 上跑了这次风险排除，三次运行中网络对上 alpha-beta 引擎的胜率都封顶在 35% 左右，从未达到算得上改进的 55%。把搜索预算翻倍几乎没有变化，所以这不是对局太少的问题；最可能的原因是机会节点产生的价值目标噪声太大，以及网络太小。这些都可以修，但测试这些修正所需的算力远超一台跑几小时就降频的笔记本，而云 GPU 在这里也不是即插即用：对局逻辑是单线程 Python，所以快速 GPU 只能饿着等它，除非那条路径用 Rust 重写并放在一个批量推理服务后面。这是一两周的工作量，之后还要花几百到一两千美元来跑。就我手上的证据看，这是一次赌博，而不是稳妥的一步，所以我还没下注；更便宜的本地实验排在前面。

所以 MistyBanqi 是一个称职的 alpha-beta 引擎，不是最先进水平的宣称，而这是衡量之后的选择，不是走进了死路。我还没有对 CLAP_CDC、DarkKnight 或其他顶级 CDC 程序做过可复现的正面较量；学习型网络是下一段攀升，等哪天风险排除说它值得付费。

贯穿这里每一节的模式是：整个项目中最便宜、最高杠杆的决定，是选择衡量什么。自我对弈得分、胜率、丢将／帅的比率、风险排除门限，每一次挑一件能看见我真正在意的东西的量具，作用都大于对引擎本身的任何改动。

misty-banqi 是引擎本体，MIT 许可，alpha-beta + Star1 搜索以及上文的评估项。chinese-dark-chess-hw 是我的评估函数起初取自、并用作固定基准的开源引擎。引擎系列更多内容：斗兽棋引擎，棋盘更大的完全信息表亲。

来下一盘

MistyBanqi 已在 Mistboard 上线。来按你选择的强度挑战它，或阅读它的源代码。