最大的误区：拿最强的 AI 练
很多人装完围棋 AI 的第一件事，是把棋力拉满，然后被杀得片甲不留。下了三盘，得出结论「AI 太强了没法练」，从此只用它复盘。
这个判断对了一半。满血 AI 确实没有陪练价值，但原因不是「太强」，而是：
- 你输得不明不白。它不是靠某个战术击败你，是从第 20 手开始就一直微微领先，直到你发现的时候已经无法挽回。这种失败提供不了任何可操作的信息。
- 它不给你犯错的机会。练棋的本质是「尝试 → 得到反馈 → 修正」。而满血 AI 面前，你的所有尝试都得到同一个反馈：输。这等于没有反馈。
- 它下的棋你学不了。AI 很多手是建立在极其精确的后续计算上的，人照着下反而会走进自己算不清的局面。
训练效果最好的对手，是水平略高于你、但你偶尔能赢的那种。赢面大概三到四成——既有压力，又能看到希望，而且每一盘的胜负都由具体的某几手决定，反馈是清晰的。
调弱 AI 的两种方式，效果完全不同
这一点很关键，但知道的人不多。把 AI 调弱有两条技术路线，练棋体验差别很大：
| 降低搜索量 | 拟人模型 | |
|---|---|---|
| 做法 | 限制引擎每手思考的节点数（visits） | 用在人类棋谱上训练的网络，模仿特定水平的人类下法 |
| 棋风 | 大部分时候仍是 AI 风格，但偶尔冒出莫名其妙的坏手 | 整体像一个真人，会下俗手、会有人类常见的判断偏差 |
| 问题 | 失误分布不像人：可能前面下得极好，突然送一块大棋。你赢下来也不知道自己赢在哪 | 需要专门训练的模型，不是所有软件都有 |
| 练棋价值 | 较低 | 高——对手的错误是「人会犯的错误」，你抓住它的过程就是实战能力 |
差别在于错误的性质。降低搜索量产生的是随机的、不像人的崩坏；拟人模型产生的是「这个水平的人常犯的错误」。后者才是你在真实对局里要面对、要学会抓住的东西。
业界已有专门训练的人类风格网络，KaTrain 和知弈的陪练模式都是基于这类模型 + 适度限制搜索量来做棋力分档的。所以选软件时，「能不能调棋力」不是关键，「怎么调的」才是。
怎么选对手强度
不用纠结精确的段位对应，用胜率来校准最简单：
- 连输五盘 → 太强了，降一档。这个强度下你只会积累挫败感；
- 胜率七成以上 → 太弱了，升一档。赢得太轻松，说明没有触及你的能力边界；
- 胜率三到四成 → 正好。这是学习效率最高的区间。
找到这个档位后，在这里多待一阵。很多人赢了两盘就急着升档，结果一直在「刚好打不过」的状态里，练的是抗压能力不是棋力。稳定赢到六成再往上调。
让子棋被低估了
相比调低棋力，让子棋是一种被严重低估的练法。
让子棋的特点是：对手保持完整实力，但你有先天优势。这带来一个调低棋力给不了的东西——你能看到高水平的棋是怎么下的，同时又不至于毫无还手之力。
而且让子棋专门锻炼一种业余棋手普遍薄弱的能力：优势下的简明处理。让子局开局你就是优势方，全局的课题就是「如何不把优势弄丢」——这恰好是前面提到的「前期领先、后半段一路掉」那类毛病的对症训练。
从让 4 子开始，能稳定赢就减一子。让子数的变化也是很直观的进步刻度。
一套可执行的练习安排
假设每周能拿出 3–4 小时：
| 内容 | 频次 | 要点 |
|---|---|---|
| 对局（拟人陪练，胜率 3–4 成档） | 每周 3–5 盘 | 认真下，别当消遣。下棋时不看 AI 提示 |
| 完整复盘 | 每周 2–3 盘 | 按四步流程做，挑输得莫名其妙的和赢得侥幸的 |
| 让子局 | 每周 1 盘 | 专练优势下的简明处理 |
| 死活题 | 每天 10 分钟 | 唯一需要「刷量」的部分，AI 帮不上太多忙 |
下棋和复盘的比例大约 2:1 是合适的。多数人的实际比例是 10:1 甚至更低——只下不复，那 AI 相比一个普通网络对手就没有任何额外价值了。
四个常见的浪费时间的练法
一、下棋时开着 AI 提示
边下边看 AI 推荐，感觉「学到了」，实际上你练的是「跟着提示走」，而不是「自己判断」。实战里没有提示。提示留到复盘时看。
二、追求胜率数字
为了赢而反复挑弱档对手，胜率好看了，棋力没动。练棋的收益来自被压制时的思考，不来自赢。
三、只下快棋
AI 秒落子，很容易被带得也秒回。但不长考就不会有深度计算，不计算就不会进步。至少保证每周有一两盘是慢棋，关键处允许自己想两三分钟。
四、换来换去
今天试这个软件、明天换那个模型、后天调一遍参数——折腾工具的时间远超下棋时间。工具够用就行，把时间花在棋上。
拟人陪练 + 自动复盘，装完就能开始
知弈的陪练模式基于人类风格模型，棋力可调；一局下完自动复盘、标出问题手并讲清原因。引擎和模型都在安装包里，无需任何配置。Windows / macOS 免费下载。
下载知弈围棋 →