用棋力引擎约束模型，减少复盘幻觉

Hacktoberfest 开源 AI 挑战赛第 2 周：副业赛道投稿 💸

本文是 Hacktoberfest 开源 AI 挑战赛第 2 周「副业」赛道的参赛作品。

我让 Gemma 4 E4B（一个开放模型）解释俱乐部对局中 29 次真实出现的严重失误和一般失误。它给出的讲解没有一次推荐 Stockfish 的最佳替代走法，而且每四条讲解中就有一条推荐了不符合规则的走法。后来，我不再直接给它原始棋局，而是把 Stockfish 确认的事实交给它，结果 29 次中，它全部说对了应该走哪一步。

这个差距，就是整个产品的立足点。

Second 是面向国际象棋教练的棋局复盘助手。教练粘贴学生的棋局（或者只输入他们的 Lichess 或 Chess.com 用户名），几分钟后就能拿到一份可以直接用于教学的复盘讲义：

决定棋局走向的 3 到 4 个关键时刻，通过棋盘图展示实战走法、更好的走法，以及对手的威胁

用 10 岁孩子也能听懂的话，简短解释每个关键时刻

一个可以在课堂上问学生的问题，以及一条需要记住的实用口诀

本周作业

一段可以直接通过 WhatsApp 发给家长的话，支持印地语、Hinglish（印地语与英语混合）、泰米尔语、英语或其他任何语言

一份带注释的 PGN，可以直接导入 Lichess 棋谱研究

这一切都能在普通笔记本电脑上运行，使用的都是开放模型：Stockfish 负责棋局分析，Gemma 4 E4B（通过 Ollama 运行）负责组织文字，一个用纯 Python 编写的校验器负责确保文字只陈述 Stockfish 已确认的内容。

在国际象棋中，second 指的是负责赛前准备的分析助手，让棋手可以专心下棋。这里也是一样：教练继续负责教学，Second 则负责周日晚上批改作业的工作。

谁会为它付费？

自从 Gukesh 成为世界冠军以来，印度的国际象棋培训迅速升温。很多教练本身是水平不错的俱乐部棋手，或是利用课余时间教学的大学生，因此教棋本身就是一份副业。上课有报酬，课后的工作却没有：逐个打开学生的棋局，找出转折点，再写下孩子和家长真正愿意读的内容。一个有 20 名学生的教练，如果每名学生每周下两盘棋，就得复盘 40 盘。每盘花五分钟，每周就是三个多小时的无偿劳动。

Second 把每盘棋的复盘变成笔记本电脑上大约 90 秒的处理过程，这段时间教练可以去做别的事。

我的商业化设想是这样的：软件采用 GPL 许可证，永久免费，支持自行部署。教练为那些不想亲自动手的部分付费：一键安装程序、在打印讲义上印上自家棋院的名称、每周自动导入所有学生的线上棋局，以及技术支持。每名教练每月大约 ₹299（约合 3.15 美元）。这个定价之所以可行，是因为生成一份复盘没有额外成本：模型运行在教练自己的笔记本电脑上，不会每多分析一盘棋，账单就跟着上涨。

在线演示：免费 Render 实例，因此唤醒可能需要一分钟。

复盘示例：使用 Lichess 开放数据库中的真实棋局，在我的笔记本电脑上完成复盘，并附上可使用印地语、英语、泰米尔语等任何语言撰写的家长说明。

下面是我在笔记本电脑上实际运行的加速演示（实际过程大约需要 90 秒）：粘贴棋局，Stockfish 检查每一步，Gemma 撰写讲解，校验器检查讲解，最后生成复盘，并附上一段印地语的家长说明（也可以使用任何其他语言）。

每个关键时刻都会展示两个棋盘：走棋前的局面（红色表示实战走法，绿色表示更好的走法），以及走棋后的局面（橙色表示对手的最佳应对，黄色表示失去保护的棋子）。

还有家长真正会读的部分：

dragon-slayer27 / chess-second

面向国际象棋教练的棋局复盘工具：Stockfish 找出失误，开放权重的 Gemma 4 负责解释，校验器核对每一项陈述。可在笔记本电脑上运行。

Stockfish 找出问题。Gemma 解释问题。代码负责核验。

试用：公开演示使用免费实例，请给它一分钟唤醒时间。另有复盘示例可供查看。

Second 把学生的棋局变成可以直接用于教学的复盘讲义：用棋盘图呈现转折点，为每个转折点提供适合孩子理解的解释、课堂提问、实用口诀、作业，以及一段用家长熟悉的语言撰写、可直接通过 WhatsApp 发送的说明。

它使用开放模型（Stockfish + 通过 Ollama 运行的 Gemma 4），在普通笔记本电脑上即可运行，因此学生的棋局和姓名始终留在教练的电脑上，生成复盘也不需要额外费用。

在国际象棋中，second 指的是负责准备工作的分析助手，让棋手（或教练）可以专注于棋局。这里也是一样：教练依然负责教学，Second 负责周日晚上批改作业的工作。

第一个实验：单独使用 Gemma，它是个糟糕的国际象棋教练

在最初的测试中，我给 Gemma 4 E4B 提供了一行事实，描述的是最著名的新手严重失误：“学生走了 3... Nf6，让对手得以走出 Qxf7#。更好的走法是 g6。”然后让它写一段教学讲解。

它给讲解起的标题是“别被快速击倒：避开底线陷阱”。但这根本不是底线将杀。它还提醒学生小心“闪击”，可这里也没有闪击。第二次尝试时，标题变成了“战术失误：避免弃后”。实际上，后吃掉一个兵就直接将杀了，根本没有弃子。

放在聊天机器人里，这些错误无伤大雅。但如果它们印在一张讲义上，一个 10 岁的孩子会信以为真，而孩子的父母正付钱请教练提供准确的指导，那就不是小事了。

所以，模型完全不参与分析

Second 的规则很简单：语言模型只负责写文字。所有与棋局有关的判断都由代码完成。

PGN / Lichess / Chess.com
  -> Stockfish: every position, best 2 lines, depth 14
  -> Facts: python-chess works out what actually happened
  -> Gemma 4: headline, explanation, question, tip, summary, parent note
  -> Verifier: is every claim in the facts?
       yes                 -> review
       no                  -> Gemma gets the list of problems and tries again
       3 failed tries      -> plain note built from the facts

1. Stockfish 检查每一步。系统使用与 Lichess 相同的胜率曲线和阈值：当一步棋导致棋手的获胜概率下降至少 10 个百分点时，就会被标记出来；下降至少 15 个百分点则被判定为严重失误。

2. 代码把分析结果转化为事实。针对每个关键时刻，python-chess 会判断实际发生了什么，并用直白的句子记录下来：哪枚棋子失去了保护、正受到什么棋子的攻击，对手的应对是否构成捉双，是否存在强制将杀（以及是否属于底线将杀），更好的走法能吃掉什么，以及每条变化能赢得或损失多少子力。下面是一盘示例棋局中某次严重失误的真实事实清单（来自 Lichess 数据库中一盘等级分为 1531 的超快棋对局）：

Move played: 19. Rxe5 (a blunder)
- Before Rxe5 the position was winning for you; after it, the position was losing for you.
- After Rxe5, your queen on d6 is attacked by the queen on g6 and nothing defends it.
- After Rxe5, your rook on e5 can be taken by the knight on d7, which is worth less.
- Your opponent's best reply is Qxd6, which captures your queen on d6.
- If your opponent finds the best line (Qxd6, Re4, fxe4, Bxd6), you lose about 8 points of material.
- The better move was Qxe7, which captures the opponent's knight on e7 for free.
- Following the best line (Qxe7, e4, Be2, h3), you would win about 3 points of material.
KEY FACT: After Rxe5, your queen on d6 is attacked by the queen on g6 and nothing defends it.

下面是 Gemma 根据这些事实写出的讲解：

别让你的后受到攻击却无人保护。你走出 Rxe5 后，d6 格的后受到 g6 格对方后的攻击，而且没有任何棋子保护它。更好的走法是 Qxe7，这样你就能白吃对手的马。问问 Ananya：走棋之前，你在 d6 格的后面临什么情况？实用口诀：每次走棋前，都要检查自己的棋子是否安全。

3. Gemma 根据学生的水平（初级、中级、高级）撰写讲解：一个小标题、两三句话、一个引导学生自己发现思路的问题，以及一条实用口诀。然后再生成总结、课后练习和给家长的反馈。

4. 校验器会对照引擎给出的事实，检查具体的国际象棋相关断言。讲解中的每个着法、格子、“N 步将杀”、回合数和局面评估值，都必须出现在事实中。提到的每一种战术也一样：只有事实中出现了“双攻”“牵制”“弃子”“底线”或“闪击”，讲解才能使用这些说法。“你会丢掉皇后”或“f4 上的马没有保护”之类的断言，必须与事实中确实丢失或未受保护的棋子相符。给家长的反馈不能包含棋谱记号；如果要求使用印地语，就必须真正使用天城文书写。只要有任何一项未通过，系统就会明确告诉 Gemma 错在哪里，让它重试。连续失败三次后，Second 会使用根据事实拼装出的朴素讲解，确保任何编造的内容都不会传到学生面前。

TACTIC_RE = re.compile(
    r"\b(back[- ]rank|fork(?:s|ed|ing)?|pin(?:s|ned|ning)?|skewer\w*|discovered (?:attack|check)\w*|"
    r"sacrific\w*|smothered|stalemate\w*|en passant|zwischenzug|deflect\w*|decoy\w*|overload\w*|x-ray)\b",
    re.I,
)
...
for match in TACTIC_RE.finditer(text):
    word = match.group(1).lower()
    root = next(root for prefix, root in TACTIC_ROOTS if word.startswith(prefix))
    if not allowed.mentions(root):
        issues.append(Issue("wrong_tactic", match.group(0)))

我从 Lichess 开放数据库（CC0）中抽取了 16 盘真实对局，棋手的等级分在 1000 到 1700 之间，并选取双方各自最严重的一次漏着或失误，共得到 29 个关键时刻。在同一台笔记本电脑上，我让同一个模型以三种方式分别解释每个时刻：

原生 Gemma：提供此前的着法，再加上一句“这步棋是漏着，请解释原因”。这就是把一盘棋粘贴到聊天机器人里时会发生的事。

Gemma + 引擎事实：提供 Second 的事实清单，直接采用第一次回答，不经过校验器。

Second：事实、校验器、重试和兜底。

举个例子。一名初学者走出 14. g4 后：

原生 Gemma：“更好的选择是走 14. Nf7，给黑方的局面施加更大压力。”但在那个局面下，Nf7 并不是合法着法。

Second：“你走出 g4 后，局面对你变得不利。如果改走 Nxh6，你本可以赢得约 2 分的子力。”

实际结果让我有些意外：事实清单几乎完成了全部工作。有了可靠的事实清单，这次测试中 Gemma 的第一次回答全部通过了校验器，因此校验器一次也没有介入。但我还是会保留它。它就像安全带，在事实约束不够用的那一天提供保护，也让我能够说“不会有编造的内容传到学生面前”，而不是“应该不会有”。每条讲解和每项得分都记录在 eval/results.json 中。

从 4B 模型中学到的提示词经验

告诉它什么最重要。我最初生成的讲解全部正确，却也全部平淡无味（“注意避免严重失误！”）。在早期的一次复盘中，事实清单已经指出，对方即将用马双攻（Nxc2+，同时攻击王和车），Gemma 却在讲 c2 上的兵。解决办法是让代码为每个关键时刻选出唯一一条 KEY FACT，并要求讲解开头就点明它。

说清楚读者是谁。第一份印地语“家长反馈”以“प्रिय Aarav”（“亲爱的 Aarav”）开头：它写给了孩子。现在，提示词会明确要求面向家长书写，用第三人称谈论孩子，并指出本周需要练习的一件事。

干脆不要把孩子的姓名交给模型。Gemma 写出 [STUDENT]，再由 Second 填入姓名。在本地运行时，这一点影响不大，但它意味着托管演示版永远不会把孩子的姓名发送给任何人。

校验器一开始也错了

处理第一盘样本对局时，校验器自豪地报告：“抓到了 4 处编造的细节。”我去检查后发现，每一处都是我的程序有 bug，而不是 Gemma 出错。总结中说，学生“在第 5 回合完成了王车易位”，并且“准确率为 75.1%”。这两点都是真的，也都在我提供给 Gemma 的事实中，但总结检查器只知道那些关键时刻，因此连续三次拒绝了这些内容。更糟的是，随后整份总结都回退到了英文模板，尽管家长要求的是印地语。

我做了两项修复。现在，总结会严格对照 Gemma 实际看到的那份事实清单进行检查。而且，兜底会按字段分别处理：如果只有总结中的一句话有问题，就只替换那句话，保留完全合格的印地语家长反馈。

让 4B 模型在普通笔记本电脑上快速运行

我通过 Ollama 运行 gemma4:e4b-it-qat（6.1 GB），使用的是一台配备 Intel Core Ultra 5、16 GB 内存且没有独立显卡的笔记本电脑。默认情况下，Ollama 没有使用集成的 Intel Arc GPU。设置 OLLAMA_IGPU_ENABLE=1 后，Vulkan 被启用，提示词处理速度从约每秒 31 个 token 提升到了约 315 个。现在，在网页应用中复盘一整盘棋，从点击“Review”到最终页面生成，大约需要 90 秒：Stockfish 用时约 20 秒，Gemma 为每条讲解花费约 12 秒。一次完整复盘大约使用 2,000 到 3,000 个输入 token，以及约 550 个输出 token，全部免费。

公开演示版使用同一个 Docker 镜像，运行在 Render 的免费套餐上。免费实例没有足够的内存来加载 Gemma，因此演示版在容器中运行 Stockfish，并调用 Google AI Studio 上的 Gemma 4 26B A4B 来生成讲解。由于 Gemma 是一个开放模型家族，提示词、校验器和模型家族都与笔记本电脑上相同；变化的只有模型权重在哪里运行。演示版一次处理一盘公开对局；学生的对局应该留在教练的笔记本电脑上。使用更大的托管版 Gemma，速度也很快：一盘 21 回合的对局不到 30 秒就返回了结果，每条讲解都在第一次尝试时通过了校验器。

使用 GitHub Copilot 构建

我在 VS Code 中使用 GitHub Copilot 的智能体作为结对编程伙伴，构建了 Second。它帮助我构思并检验这个想法，编写了大部分代码和测试，在我的笔记本电脑上安装了 Ollama 和 Gemma，运行了评估，还从 Ollama 的日志中发现了利用 Intel GPU 提速的方法。每次推送代码时，GitHub Actions 都会使用真实的 Stockfish 运行测试，并构建 Render Docker 镜像、执行冒烟测试。

开放创新为什么重要？

最难的部分已经开源。世界上最强的国际象棋引擎 Stockfish 是自由软件。一个 4B 语言模型不会下棋，也不需要会：开源软件已经解决了棋局分析问题，模型只需要负责表达。Second 只是连接两个开放项目的一层薄薄的胶水代码。

孩子的数据留在本地。教练的学生是儿童，而印度的《2023 年数字个人数据保护法》对儿童个人数据提出了额外要求，包括取得家长可验证的同意。Second 在教练自己的笔记本电脑上运行，因此无需再把棋局和姓名交给另一家公司：没有第三方数据处理方，没有数据出境，也没有需要向担忧的家长额外解释的事情。

没有账单，不用信用卡，也不用账户。如今，托管模型每盘棋的费用已经很低，但它们都需要账户、API 密钥，而且通常还需要国际信用卡，而印度有不少小规模执教的教练并不具备这些条件；随着学生增加，账单也会不断上涨。在教练的笔记本电脑上，一周内第 40 盘棋的成本与第 1 盘完全相同：零。对于一个每月收费 ₹299 的产品，这是唯一一个再也不需要反复核算的成本数字。

没有厂商锁定，也允许商业销售。Gemma 4 以 Apache 2.0 许可证发布，因此我可以基于它构建付费产品，无需向任何人申请许可。同一套提示词可以用于笔记本电脑、Ollama Cloud 或 Google AI Studio 上的 Gemma；将来教练换了配置更高的电脑，我也可以直接换用更大的 Gemma。

开放数据让评估成为可能。Lichess 数据库采用 CC0 许可。我可以使用真实的俱乐部对局进行测试，公开每条讲解和每项得分，并让每个示例都能追溯到原始对局。

它可以离线运行。比赛场馆的 Wi-Fi 差是出了名的。Second 完全不需要联网。

这个项目是在与 GitHub Copilot 智能体的一次长时间协作中完成的：从头脑风暴、环境配置，到代码、测试、评估，以及本文中的各项数据。提交历史和 eval/results.json 记录了这些工作。

我的第一位用户是一位棋下得很好的朋友。他试用了 Second，说他觉得这个工具给教练使用挺不错。能从一位没有参与开发的人那里得到第一次正面反馈，而不只是依靠自动化测试和自己的预期，让我很受鼓舞。

他的反馈很简短，所以我把它视为一个令人鼓舞的初步反应，而不是详尽的准确性评审。基准测试衡量的是具体的技术检查项；这次试用则是了解另一位棋手实际使用感受的第一步。

下一步是把它融入教练每周的日常工作：复盘学生的对局，在课堂上使用那些引导性问题，并找出哪些部分确实能节省备课时间。在把拟议中的付费方案发展为一门生意之前，我想先完成这样的验证。

Gemma 的最佳用途：Gemma 4 E4B（QAT）通过 Ollama 在本地运行，以引擎事实为依据，撰写每条讲解、总结和多语言家长反馈，并由校验器检查。Google AI Studio 上的 Gemma 4 26B A4B 则为公开演示版提供支持。

GitHub Copilot 最佳应用：使用 GitHub Copilot 的智能体完成端到端构建；每次推送代码时，GitHub Actions 都会使用真正的 Stockfish 运行测试，并构建用于 Render 部署的 Docker 镜像，对其进行冒烟测试。

Render 最佳应用：公开演示是一个 Docker Web 服务，通过 render.yaml Blueprint 部署到 Render。

如需采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。