如果你经常用 AI 复盘围棋，很可能已经见过 KataGo 这个名字。
现在不少围棋软件、分析网站和棋谱工具，背后使用的 AI 引擎就是 KataGo。它能告诉你某一步的胜率变化、预计领先多少目、推荐哪些候选手，甚至可以直接在棋盘上显示黑白双方未来大致会控制哪些区域。
对于普通棋友来说，可以简单地把 KataGo 理解成：
一个开源、棋力远超人类顶尖棋手，并且尤其适合用于围棋复盘和局面分析的 AI 引擎。
KataGo 从哪里来？
KataGo 的主要作者是程序员兼研究者 David J. Wu。
它和 AlphaGo、AlphaZero 属于同一条技术路线：使用神经网络配合蒙特卡洛树搜索，让 AI 通过大量自我对弈不断提高棋力。
但 KataGo 并不是简单地“复刻一个 AlphaZero”。
它针对围棋本身做了大量优化，包括训练效率、局面评估、目数判断、归属判断等。正因为如此，KataGo 后来逐渐成为开源围棋 AI 中最有代表性的项目之一。
KataGo 到底有多强？
对于普通玩家来说，其实已经没太大必要纠结 KataGo 相当于人类“几段”。
在足够的计算资源下，现代 KataGo 的棋力已经远远超过一般职业棋手能够稳定抗衡的水平。
所以今天大家使用 KataGo，主要不是为了验证：
AI 能不能战胜人类。
这个问题早已经有答案了。
真正有价值的是另外一个问题：
AI 能不能帮助人类理解自己刚才到底哪里下错了？
这也是 KataGo 特别适合围棋学习和复盘的地方。
KataGo 最大的特点：不只告诉你胜率
早期很多围棋 AI 分析工具最常见的指标是：
胜率。
例如：
黑棋胜率 72%。
下一手走坏以后：
黑棋胜率 54%。
这当然有用，但对于很多普通棋友来说仍然不够直观。
因为你知道这一手不好，却不知道：
究竟亏了多少？
KataGo 很重要的能力之一，就是同时预测双方的预计目数差。
例如原来的局面：
黑棋预计领先 8.3 目。
你走了一步之后：
黑棋预计领先 3.7 目。
这时候就很直观了：
这一手大概亏了四五目。
对于业余棋手来说，很多时候“亏了多少目”比“胜率下降了几个百分点”更容易理解。
为什么目数比胜率有时候更有意义？
假设高手让你九子。
开局时，你的胜率可能接近 100%。
即使中间连续下出几步坏棋，AI 可能依然显示：
胜率 99%。
如果只看胜率，你甚至会觉得：
“好像也没什么问题。”
但实际上，你可能已经把几十目的优势一点一点送了出去。
这时候如果同时看 KataGo 的目数判断，你会发现：
原来领先 60 目。
变成：
领先 43 目。
再变成：
领先 25 目。
这就比单纯看胜率清楚得多。
所以对于普通棋友来说，KataGo 最有价值的地方并不只是“很强”，而是它提供了更多人类可以理解的分析维度。
KataGo 还能直接“看见地盘”
KataGo 还有一个非常适合围棋复盘的能力：
Ownership，也就是棋盘归属预测。
简单来说，它会预测棋盘上的每一个交叉点，最终更可能属于黑棋还是白棋。
围棋软件可以把这些数据直接画到棋盘上。
于是你就会看到：
- 哪些区域明显偏黑；
- 哪些区域明显偏白；
- 哪些棋子已经比较危险；
- 哪些地方仍然存在很大的不确定性。
即使你还不太会判断形势，也可以很直观地发现：
原来 AI 认为这一大片已经更接近黑棋的地盘了。
这也是为什么 KataGo 特别适合做“形势判断”。
KataGo 和 AlphaGo 有什么区别？
很多刚接触围棋 AI 的人，会把所有厉害的围棋程序都叫作 AlphaGo。
其实不是。
AlphaGo 是 Google DeepMind 开发的一系列围棋 AI。
2016 年 AlphaGo 与李世石的五番棋，是围棋史和人工智能史上都非常重要的事件。后来又出现了 AlphaGo Master、AlphaGo Zero。
但 AlphaGo 并不是一个普通用户今天可以直接下载下来，接入自己软件使用的开源围棋引擎。
KataGo 最大的区别之一就是：
它是开源的。
开发者可以下载它、研究它，也可以把它接入自己的围棋网站、桌面软件或者 App 中。
所以可以这么理解：
AlphaGo 更像是改变围棋历史的里程碑，而 KataGo 更像是今天真正可以被普通用户和开发者使用的围棋 AI 基础设施。
KataGo 本身其实不是“围棋软件”
第一次接触 KataGo 时，还有一个很常见的误区：
有人会以为 KataGo 就是一款完整的围棋 App。
严格来说不是。
KataGo 更像汽车里的发动机。
它负责计算：
这一手好不好？
哪一步更优？
谁领先？
大概领先多少目？
哪些地方最终属于黑棋或者白棋？
但真正的棋盘界面、按钮、棋谱列表、好友系统、在线对弈、课程、比赛，这些都需要外部软件自己完成。
所以你可能会发现：
两个完全不同的围棋平台，看起来完全不像，但背后的 AI 都可能是 KataGo。
KataGo 决定 AI 能算出什么，而产品决定这些结果怎样呈现给用户。
一个实际例子：基于 KataGo 开发的「棋师围棋」
这也是为什么 KataGo 特别适合成为现代围棋平台的底层 AI 引擎。
例如「棋师围棋」就是一个基于 KataGo 开发的围棋平台。
棋师并不是只做了一个“可以下棋的在线棋盘”，而是希望把围棋中原本分散的几个场景整合到一起：
对弈、学习、复盘、社交和棋社比赛。
它支持 9 路、13 路和 19 路棋盘，可以和好友对局，也可以通过大厅或棋社匹配其他玩家，还可以直接选择 AI 作为对手。
其中 AI 棋力覆盖大约 25k 到 9d。
这其实就是 KataGo 在产品层面的一种很典型的使用方式。
对于高手，可以提供很强的 AI 对手；
对于新手，则可以通过限制 AI 棋力，让对局更接近真人学习过程，而不是一上来就被顶级 AI 碾压。
棋师里的 KataGo，不只是用来“下棋”
如果一个平台只是让用户和 KataGo 对弈，其实多少有点浪费它的能力。
棋师更重要的使用场景，是把 KataGo 嵌入到整个学习和复盘流程里。
例如对局进行到一定手数之后，可以调用 KataGo 进行形势判断。
系统会结合 KataGo 的分析，展示：
- 双方大致势力范围；
- 哪些棋子可能已经死亡；
- 当前预计领先多少目。
这样用户不需要自己盯着棋盘猜：
我现在到底优势还是劣势？
尤其对于新手，围棋最困难的地方之一就是“完全不知道谁领先”。
而 KataGo 的目数判断和 Ownership 数据，正好可以解决这个问题。
对局结束以后，KataGo 又变成了复盘助手
棋师还把 KataGo 用到了完整的对局复盘中。
一盘棋结束以后，可以逐手回放，也可以查看胜率走势图。
当你发现某一步胜率或者目数突然发生巨大变化时，就可以直接跳到那个局面。
然后：
- 查看 KataGo 推荐的候选点；
- 请求 AI 提示；
- 查看当前形势判断；
- 自己自由试下；
- 比较不同变化；
- 甚至直接从这个局面重新与 AI 或好友开一盘棋。
这比传统的“看着棋谱从头摆到尾”更适合普通玩家。
因为你可以直接把注意力放到真正影响胜负的几个关键节点。
比如：
第 47 手亏了 1.2 目。
可能不用太在意。
但是：
第 126 手亏了 14.7 目。
那这一步就非常值得研究。
AI 推荐的棋，不一定就是你最应该学的棋
不过使用 KataGo 时，有一点非常重要。
AI 第一推荐，不等于最适合你的棋。
KataGo 有时候会推荐非常复杂的靠、扳、弃子或者转换。
AI 知道几十手以后这个变化成立。
但普通棋手实战中未必有能力驾驭。
所以复盘的时候，不应该把它理解成：
我的落子和 KataGo 不一样，所以我就是错的。
更有意义的问题其实是：
我的这一步到底亏了多少？
如果你选择了一步非常容易掌握的棋，只比 KataGo 第一选点差 0.5 目，完全没有必要因此纠结。
相反，如果一手棋直接亏了十几目，就应该认真研究为什么。
这时候真正应该学的，不是把 AI 坐标背下来，而是理解：
为什么这个地方这么大？
为什么这里必须先处理？
为什么我的棋形会被攻击？
这也是围棋 AI 真正有教学价值的地方。
KataGo + 课程，比单纯给答案更重要
对于新手来说，还有一个现实问题。
如果你完全不会下围棋，KataGo 再强其实也帮不了你太多。
因为你连：
气是什么？
为什么棋子会被提？
什么叫两眼活棋？
这些基础概念都不知道。
直接面对 AI 的胜率、目数和候选点，反而可能一头雾水。
所以棋师没有把 KataGo 当成唯一的学习方式。
平台本身还设计了围棋课程和习题系统。
课程可以包含：
- 棋盘演示；
- 选择题；
- 实战练习；
- AI 对局；
- 提示点；
- 定式变化；
- 成功与失败条件；
- 步数限制。
初次使用时，还可以直接选择“纯新手”，进入边操作边学习的交互式入门课程。
这种方式和传统的文字教程不太一样。
不是先读十页规则，再自己去找地方练习，而是：
学到一个概念，就马上在棋盘上点一下。
学到吃子，就马上亲手把棋提掉。
学到两眼活棋，就马上自己完成一道题。
KataGo 在这里更像是后面的“高级老师”，而新手引导负责先帮助用户建立最基本的围棋认知。
AI 只是棋师的一部分
当然，棋师本身并不是一个单纯的 KataGo 外壳。
除了 AI，它还包含完整的在线围棋平台功能。
例如支持：
好友邀请、在线匹配、棋社匹配、观战、对局聊天、悔棋申请、掉线重连、点目、数子、段位与战绩。
用户也可以创建或加入棋社，通过棋社组织比赛。
管理员可以设置：
比赛时间、棋盘大小、计时方式、让子规则、积分规则，以及是否允许悔棋。
成员则可以查看比赛对局和实时积分排名。
也就是说，KataGo 解决的是“棋力和分析能力”，而棋师希望解决的是更完整的问题：
一个人从第一次接触围棋，到学会规则，到和别人下棋，再到复盘提高，能不能都在同一个平台完成？
棋师还希望解决一个很容易被忽视的问题：界面
很多围棋平台功能其实非常丰富，但界面长期以来变化并不大。
尤其在电脑端，经常可以看到大量按钮、菜单、广告、房间列表同时堆在一个页面中。
对于老棋友来说可能已经习惯。
但对于第一次接触围棋的人来说，这种界面其实有明显的学习成本。
棋师把界面设计本身也作为一个重要方向。
整体采用偏苹果风格的视觉语言，强调：
简洁、克制、留白和秩序感。
尽量使用低饱和配色、细腻的边框和轻量动效，让棋盘本身始终处于页面中心。
尤其在电脑端，棋盘会占据更大的视觉空间，操作区集中在侧边。
目的并不是为了让页面看起来“功能很多”，而是让人长时间下棋时尽可能少受到界面干扰。
对于围棋这种一盘棋可能持续几十分钟甚至几个小时的游戏来说，这一点其实很重要。
KataGo 改变的是围棋软件的底层能力
回过头来看，KataGo 的意义其实远远不只是：
做出了一个特别厉害的围棋机器人。
更重要的是，它把顶尖围棋 AI 能力变成了一个开放的基础设施。
开发者不需要自己花几年重新训练一个 AlphaGo。
他们可以直接利用 KataGo 提供的能力，然后把精力放到另外一些问题上：
怎样让 AI 分析更容易理解？
怎样帮助新手入门？
怎样把复盘做得更自然？
怎样设计更舒服的围棋界面？
怎样把玩家、好友、棋社和比赛连接起来？
像棋师这样的产品，本质上就是在 KataGo 之上继续解决这些问题。
如果说 AlphaGo 证明了：
AI 可以把围棋下到超越人类顶尖棋手的水平。
那么 KataGo 做的事情更进一步：
它让这种能力真正进入了普通人的围棋软件。
而接下来的问题，已经不只是让 AI “下得更强”。
而是如何把如此强大的 AI，变成一个普通棋友真正愿意使用、能够理解，也确实能够帮助自己进步的围棋工具。
这可能才是 KataGo 在今天最大的价值。