当前手讲解
棋盘图、KataGo 候选点、PV、目差和知识库证据一起进入老师会话，讲清这一手的目的、变化和损失。
Go / Weiqi / Baduk AI Agent
goagent
本地优先的围棋 AI 老师
goagent 把 KataGo、棋谱库、知识库、多模态 LLM、质量门禁和学生画像放进一个桌面工作台。它不是把棋谱丢给聊天机器人，而是让 AI 老师带着证据讲棋。
KataGo 结构化分析 多模态 LLM 老师 棋形识别 区间复盘 学生画像 本地离线 TTS 规划
Windows / macOS MIT License Kokoro TTS 规划中 QQ 1030632742
Why it matters
像专业老师一样控制讲解火候
常规定式少讲，出现分支再列关键变化；中盘战、攻杀、转换和明显损失才展开讲目的、应手和后续。goagent 的目标是让学生下一盘棋真的多看一步。
- 事实判断交给 KataGo，不让 LLM 猜胜率、坐标和 PV。
- 强匹配才明确说定式、死活型或手筋；相似局面只说“像”。
- 老师回答可引用棋盘手数和坐标，帮助用户快速回到局面。
- 学生画像记录高频问题，让后续复盘越来越贴近个人弱点。
功能亮点
不是普通 AI 聊天，也不是单纯胜率图。goagent 把引擎证据、知识库和老师表达连接起来。
区间复盘
选择一段手数聚焦复盘，把中盘战、转换、官子和胜负手从整盘噪音里拎出来。
棋形识别
本地定式、死活、手筋和棋形匹配引擎给出证据边界，强匹配才明确命名。
学生适配
按水平、年龄和老师风格调节讲解深度，让低段、小朋友和高段棋手听到不同的解释。
质量门禁
坐标、定式名、胜率差、PV 和知识来源都要接受检查，减少 AI 自信乱讲。
本地优先隐私
棋谱、画像、会话和缓存默认留在本机。LLM 和自定义 TTS 只在用户配置并发起任务时调用。
工作方式
KataGo 负责事实，LLM 负责讲解，质量门禁负责防止编造。
读取棋谱和棋盘
导入 SGF 或同步棋谱列表，定位当前手、区间和棋盘上下文。
KataGo 生成证据
生成候选点、胜率、目差、PV 和搜索数据，作为老师讲解的事实基础。
老师讲解并训练
结合知识库、学生画像和证据，讲清思路并给出可执行训练建议。
产品截图
官网先用轻量产品 mock 展示核心体验，不提交大型截图。正式截图可后续放入 `website/public/screenshots/`。
读取棋谱
KataGo 当前局面
这手的问题不是形状，而是先后手。
转折点：第 37 手
定式相似：小目低挂 死活特征：眼位不足 训练题：倒扑 / 接不归
下载
安装包不放在 Cloudflare Pages。请从 GitHub Releases 下载，并使用 SHA256SUMS.txt 校验。
Privacy by default
隐私默认站在用户这边
棋谱、学生画像、老师会话和分析缓存默认保存在本机，KataGo 在本机运行。只有当用户配置 LLM 或自定义 TTS API，并主动发起老师任务或朗读任务时，相关文本才会发送到用户配置的服务。
路线图
先把桌面复盘体验做扎实，再逐步扩展更强的自动化评测和发布质量系统。
真实教学评测
持续完善中。
常驻 KataGo Engine Pool
持续完善中。
老师会话与反馈闭环
持续完善中。
本地 Kokoro TTS
持续完善中。
发布包 smoke test
持续完善中。
自动更新
持续完善中。