我终于把大学时那个“最简单棋类 AI”的想法写出来了

关注

原创最新推荐文章于 2026-04-19 09:57:12 发布 597 阅读 AI 写同款· GEO 优化 ›

AI:人工智能导论合集来自中国计量大学，为人工智能课程教学所用。用通俗易懂的语言介绍人工智能的应用。绪论部分主要介绍了课程所涉及的各个方面，包括遗传算法、神经网络等。并且介绍了人工智能的基本概念及其特点；人工智能主要研究领域，包括模式识别、智能预测的应用等；自然语言处理的主要方法，包括关键字匹配、句法-语义分析技术等；机器学习的相关概念、马尔可夫模型、HMM（隐马尔可夫模型）等并且举例说明。 人工智能在游戏设计中的应用... 阅读详情

大学的时候，我有过一个非常朴素、甚至有点天真的想法：

能不能不用复杂模型、不用大数据，只靠最基础的算法，写一个“会下棋”的 AI？

那时候我当然写不出来。
但这个想法一直没有消失，只是被丢进了一个“以后有时间再说”的角落。

后来学了更多算法、写了更多工程代码，也见过了 AlphaZero、Stockfish 这种“神级存在”。
反而更清楚一件事：
真正重要的不是它有多强，而是它是怎么思考的。

前段时间终于有空，我把当年那个念头拿出来，真的把它写完了：

👉 https://github.com/unknownparticles/chess

这是一个完全本地、基于最基础搜索算法的棋类 AI 引擎。
不追求强度，追求清晰、通用、可扩展。

我一开始就给自己设了三个限制

在动手之前，我给这个项目设了几个“看起来像是在给自己找麻烦”的限制：

不用神经网络
不用复杂启发式
算法要简单到能给大学时的自己讲明白

听起来像是在开倒车，但正是这些限制，让整个项目变得非常“干净”。

我真正想做的是：
👉 把“棋类 AI 的本质”拆到不能再拆。

下棋这件事，本质上是在干嘛？

如果把下棋这件事抽象到极致，其实只有三步：

当前局面，我能走哪些步？
对方会怎么回应？
哪条路最后对我最有利？

这正是 Minimax 算法在做的事情。

它并不聪明，只是非常认真：

我假设对手永远做对我最不利的选择
那我就提前把这些可能性全算一遍
然后选一条“最坏情况下也还不错”的路

你可以把它理解成一种极度悲观，但绝对理性的思考方式。

为什么我要先做一个“通用引擎”

我不想一上来就写“五子棋 AI”或者“象棋 AI”。

我更感兴趣的是一个问题：

AI 下棋的逻辑，和具体是什么棋，其实关系大吗？

答案是：
关系不大。

于是整个项目的核心不是某一种棋，而是一个抽象层：

class GameEngine {
public:
    virtual std::vector<Move> getPossibleMoves() = 0;
    virtual void makeMove(const Move &move) = 0;
    virtual void undoMove(const Move &move) = 0;
    virtual int evaluate() = 0;
    virtual bool checkWin() = 0;
};

这个接口基本定义了一切“规则棋类”的共性：

当前能怎么走
走了之后局面如何变化
局面对我来说是好是坏
游戏有没有结束

AI 并不关心你是在下五子棋，还是井字棋。
只要你能回答这些问题，它就能开始“思考”。

Minimax，其实一点都不神秘

很多人第一次看到 Minimax，会被名字吓到。

但它的逻辑真的非常直白：

轮到我 → 我希望分数越大越好
轮到对手 → 对手希望分数越小越好
一直往下推，直到：
- 游戏结束
- 或者搜索深度用完

核心代码长这样（删掉细节后）：

int minimax(GameEngine &engine, int depth, bool maximizing) {
    if (depth == 0 || engine.checkWin()) {
        return engine.evaluate();
    }

    if (maximizing) {
        int best = -INF;
        for (auto &move : engine.getPossibleMoves()) {
            engine.makeMove(move);
            best = max(best, minimax(engine, depth - 1, false));
            engine.undoMove(move);
        }
        return best;
    } else {
        int best = INF;
        for (auto &move : engine.getPossibleMoves()) {
            engine.makeMove(move);
            best = min(best, minimax(engine, depth - 1, true));
            engine.undoMove(move);
        }
        return best;
    }
}