概述：本期刻意绕开 Trending 上扎堆的 AI 编程工具，钻进一个古老但常青的赛道——棋盘游戏。围棋、中国象棋、国际象棋、日麻、桌游卡牌，每一个都有活跃的开源项目在推进：要么是吊打人类的引擎，要么是开箱即用的教学神器，要么是能直接抄作业的平台架构。这条赛道用户粘性极强、付费意愿被反复验证（培训、复盘、陪练订阅），而且小仓库多，适合二次开发。文中 Star 数为写作时的量级近似，精确值以各仓库主页为准。
国际象棋开源引擎的天花板，也是所有棋类 AI 绕不开的参照物。它解决的问题是：怎么在普通 CPU 上，不靠天价显卡，算出接近完美的着法。核心拆解：C++ 写成的 UCI 引擎，搜索层是经典的 Alpha-Beta 剪枝加各种启发式，评估层自 2020 年的 v12 起换装 NNUE（高效可更新神经网络），直接在 CPU 上跑神经网络评估，让强引擎第一次离开集群、进入千家万户的笔记本。lichess 等主流平台的免费分析后端用的就是它。上手难度：⭐⭐⭐（会跑 UCI 协议就能接入任何棋盘界面）。适用人群：棋类应用开发者、引擎爱好者。变现思路：拿它当免费内核，外包一层教学、复盘、 puzzles 生成，就是现成的付费产品骨架。
把 Stockfish 的暴力美学搬进「非主流棋盘」的魔改引擎，支持中国象棋、日本将棋、韩国将棋、泰国象棋以及数士种国际象棋变体（双狂、原子棋、九尾狐等），一处编译全吃。痛点很直接：冷门棋类几乎没有像样的 AI 可用，商业公司懒得做。实现亮点：通过 UCI 的 UCI_Variant 选项在运行时切换规则集，一套搜索框架适配不同走子生成；象棋等变体还有社区训练的 NNUE 网络，棋力远超旧式手工评估。上手难度：⭐⭐⭐。适用人群：想给自家象棋 App 或变体棋游戏装大脑的开发者。这是本期商业化路径最短的一个：中文世界象棋用户基数巨大，AI 陪练、解残局、难度分级全靠它做后端，二开一个订阅制象棋陪练产品的技术成本几乎为零。
lichess.org 的全部源码：一个零广告、靠捐赠运营、服务数百万棋手的完整国际象棋平台。痛点：想做一个在线对弈平台，发现从实时对局、防作弊到谜题系统全是深坑。拆解这个仓库等于上一门大型网站架构课：Scala + Play 框架，MongoDB 存对局，Redis 扛实时消息，对局逻辑与引擎分析（接 Stockfish）分层清晰，AGPL 协议。上手难度：⭐⭐⭐⭐（组件多，自部署门槛不低）。适用人群：平台型开发者、想研究「捐赠制开源如何养活团队」的创业者。它的商业价值不在照抄部署，而在借鉴：把这套架构换成象棋或变体棋，对接俱乐部付费私教、内部赛事，就是一套俱乐部 SaaS 底座。
标准的小而美：用 Python 写的变体棋网页对弈服务器，pychess.org 背后就是它。痛点：lila 太重、只下国际象棋太窄，变体棋爱好者想要一个浏览器里就能开局、还带 AI 分析的轻量平台。实现亮点：Python 异步架构，AI 后端直接接上一节的 Fairy-Stockfish，浏览器端即开即玩，支持象棋、将棋与一堆国际象棋变体。几百星的仓库，实打实跑着一个在线服务，代码规模又在一个人能读完的范围。上手难度：⭐⭐⭐。适用人群：想自建小圈子棋馆、给社群搭私服的开发者。二开方向：把棋种换成麻将或地方棋类，做垂直社群的会员制小站。
围棋开源 AI 的现役主力。在 Leela Zero 需要天文数字算力的年代，KataGo 用训练方法上的多项创新（更高效的自我对弈策略、盘面增强等），以低一个数量级以上的算力达到了超人类棋力（据项目论文与 README）。痛点：围棋 AI 过去是巨头实验室的玩具，现在每个人都能在自己显卡上跑。实现亮点：GTP 协议接入任何棋盘前端；后端可选 CUDA/TensorRT/OpenCL 乃至纯 CPU；附带让子、贴目调整、分析模式，还能输出每步胜率曲线——这正是围棋教学产品的核心素材。OGS 等在线平台与一票复盘网站都用它做引擎。上手难度：⭐⭐⭐。适用人群：围棋教学机构、复盘工具开发者。变现思路：胜率分析与失误检测封装成会员制复盘服务，路子已被多个商业站验证。
KaTrain：把 KataGo 包成「开箱即用」桌面应用的围棋训练神器，下载、安装、点开就能和 AI 下棋，不用碰一行命令。痛点：引擎强但普通爱好者不会配。实现亮点：内置打包好的 KataGo，每步棋用图形化「伤害可视化」标出你损失了多少胜率，还有专门的训练模式在你犯错时暂停讲解；Python 编写，跨平台。它是「引擎无价、体验值钱」的最佳样本：KataGo 免费且强大，但真正让人愿意打开的是这层交互设计。上手难度：⭐（人人可用）。适用人群：围棋自学者、教学者。对开发者的启示：给任意开源引擎做一层极致易用的壳，本身就是生意。
日麻（立直麻将）开源 AI 里最负盛名的一个：作者 Equim-chan 用深度强化学习训练，推理引擎用 Rust 写成，通过自研的 mjai 协议（JSON 事件流）描述牌局。按作者公布的评测，其稳定率与期望率都超过人类顶尖选手（据项目页）。痛点：麻将状态空间大、隐性信息多，是比棋类更难的决策问题；而市面 AI 要么闭源要么付费。实现亮点：训练与推理分离，支持四人/三人麻，配套牌谱复盘工具能逐家逐役拆解你的每一手。上手难度：⭐⭐⭐⭐（要跑训练需要工程功底，推理尚可）。适用人群：麻将研究爱好者、复盘工具开发者。需要清醒的一点：对局平台几乎都禁止实时 AI 辅助，合规的变现方向是复盘、教学与训练，而非对局外挂——据公开报道，日本已有 NAGA 等订阅制付费麻将 AI，证明这条路玩家是真金白银愿意掏的。
开源的虚拟牌桌：客户端加服务器架构，让约上好友远程打万智牌、宝可梦或任何自定义卡牌变成可能。痛点：官方线上平台又贵又封闭，面基又没条件。实现亮点：C++/Qt 客户端，配套的 servatrice 服务器可自建私服；自带 Oracle 工具从社区卡牌数据库导入卡图与规则文本，套牌编辑器、掷骰、计生命全齐，等于一个只管规则不管版权的干净牌桌。上手难度：⭐⭐。适用人群：卡牌店、桌游社群主。变现思路：为卡牌店托管私服、办线上店赛收服务费（注意卡牌图片版权边界，规则层完全干净）。
| 仓库 | 方向 | Star 量级 | 上手难度 | 适用场景 / 变现 |
|---|---|---|---|---|
| Stockfish | 国象引擎 | 万星级 | ⭐⭐⭐ | 棋类应用内核 / 教学产品 |
| Fairy-Stockfish | 多棋种变体引擎 | 千余星 | ⭐⭐⭐ | 象棋陪练 App、变体游戏后端 |
| lila | 国象全平台 | 万星级 | ⭐⭐⭐⭐ | 平台架构借鉴 / 俱乐部 SaaS |
| pychess | 变体棋网页服务器 | 数百星 | ⭐⭐⭐ | 私服棋馆、社群小站 |
| KataGo | 围棋引擎 | 数千星 | ⭐⭐⭐ | 复盘服务、教学机构 |
| KaTrain | 围棋训练 GUI | 千星级 | ⭐ | 自学神器 / 易用层创业样本 |
| Mortal | 日麻 AI | 千星级 | ⭐⭐⭐⭐ | 复盘教学订阅（勿做对局外挂） |
| Cockatrice | 桌游牌桌 | 数千星 | ⭐⭐ | 卡牌店私服、线上店赛 |
flowchart TD
A["Stockfish<br/>国象引擎"] -->|UCI| E["协议适配层"]
B["Fairy-Stockfish<br/>变体引擎"] -->|UCI| E
C["KataGo<br/>围棋引擎"] -->|GTP| E
D["Mortal<br/>麻将AI"] -->|mjai| E
E --> F["桌面端<br/>KaTrain"]
E --> G["网页端<br/>pychess"]
E --> H["平台后端<br/>lichess同构"]
F --> I["教学复盘生意"]
G --> I
H --> I
这一期的共同启示：AI 引擎本身不赚钱，赚钱的永远是「引擎之上的那一层体验」——可视化伤害、逐手复盘、难度分级、私服托管。引擎是免费的，体验是收费的，这套打法在棋牌赛道被验证了十几年，现在依然成立。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。