亚马逊棋入门指南：规则、练棋路径与AI引擎解析

简介：亚马逊棋作为一款由瑞士数学家于1988年设计的双人策略棋类，融合围棋、国际象棋与战舰游戏元素，始终是机器博弈研究的理想平台。这套资料围绕该游戏整理出多个版本的程序合集，包含gamazons-0.70、gamazons-0.83及amazons等源码与可执行文件，适合研究AI决策、搜索算法的开发者以及高校相关课程师生对照学习。压缩包共203个文件，约687KB，涵盖C源码、头文件、makefile构建脚本、PNG图像资源与configure配置等，结构完整，可支撑跨版本对比。已有614人学习下载。深入阅读代码，既能理解游戏状态表示、alpha-beta剪枝、蒙特卡洛树搜索等经典算法的落地实现，又能通过不同版本差异观察评估函数与性能优化的演进，是一份兼具教学与参考价值的棋类AI入门素材。 如果你只知道围棋、国际象棋，那可能低估了一款规则只要两句话就能说清、却在AI领域至今让人挠头的棋类：亚马逊棋。我第一次在策略游戏论坛看到这个名字，以为它只是国际象棋“皇后”的变体，真正摆上10×10棋盘实测几局才发现，它每回合“先走棋、再射箭”的双动结构，直接改变了你评估局面的方式。这篇文章会把我整理亚马逊棋资料时踩过的坑、验证过的规则细节、练棋路径，以及能直接上手的工具清单一并写出来，给对抽象策略棋感兴趣的朋友省下不少自己翻零散帖子的时间。

1. 我眼里的亚马逊棋：规则只有两条，麻烦却不少

1.1 一个回合为什么必须“做两件事”

亚马逊棋的规则压缩到极致就是两句话：每回合先移动自己的一枚亚马逊棋子，然后从这个棋子的新位置射出一支箭，箭落下的格子永久变成障碍。棋盘是10×10，双方各4枚棋子，初始布置在己方底边的1、4、7、10列上。棋子走法与国际象棋皇后完全一致，直线、横线、斜线，距离不限，但不能跨越任何棋子和已经射下的箭。

把两句话放到一局对局里，你会发现真正难的不是“移动”也不是“射箭”，而是这两个动作必须连着做。移动时你在扩展自己的控制范围，射箭时你又在永久缩小棋盘上可用的空间。每回合之后，全局的空格只会减少，不会增加。换句话说，这盘棋本质上是一场对有限空间的瓜分游戏——你每走一手，都在给自己的未来铺路，也在给对手的未来砌墙。

1.2 为什么“没吃过子”也能赢

我见过不少新手的疑惑：这棋是不是要把对方棋子吃掉才算赢？完全不是。亚马逊棋没有吃子概念，棋子从头到尾数量不变，胜负只看谁先动不了。当一方所有4枚棋子都找不到任何合法的“移动+射箭”组合时，这一方立刻输掉。

这里有个容易被忽略的细节：判断“动不了”时，不仅要看棋子能不能走到某个格子，还要看走到那个格子之后，能不能再找到一个方向射出一支箭。移动合法但射箭无路可走，这手同样不成立。我第一次用软件对弈时就被这个判定坑过，以为自己还有好几步可走，实际上已经被逼到死角。所以训练时我强烈建议，不要只用眼睛数空格，最好借助能自动标出合法着法的工具，先建立对“合法手”的直觉。

2. 规则里的五个模糊地带：先避开这些坑再看棋谱

2.1 箭到底从哪射：旧位置还是新位置

这是网上中英文资料最容易打架的地方。亚马逊棋的标准规则是：箭从棋子移动后的新位置射出，不是从移动前的位置。很多人因为先看过某个不严谨的翻译帖，导致整盘棋的封锁方向完全反了。你在自己摆棋时，先走一步到目标位，再从新位置朝外面射箭，就对了。

这个细节看起来小，但对攻防方向影响极大。如果箭从旧位置射出，那你相当于“走一步、封住原来的窝”，等于自断退路；而从新位置射出，则是“走一步、再向前方封一道门”，核心目的是用棋子的机动性换取更前端的控制。

2.2 移动路径上能不能“飞过去”

不能。很多从跳棋转过来的人默认棋子可以跳跃，但亚马逊棋的移动路径要求全程畅通，不能穿越自己或对方的棋子，也不能穿越任何箭矢。箭矢本身是永久障碍，后期棋盘越来越挤，一枚棋子被围住后可能连一个方向都走不出去，这就是“困毙”的前兆。

2.3 射箭能不能射到对手棋子所在格

不能。箭矢格子不能是任何棋子所在格，也不能穿越棋子或已有箭矢。箭可以紧贴着棋子落下，但绝不能落在棋子头上。反过来说，你可以在对手棋子旁边落箭，直接把它的出路一封，这种“贴身封堵”是残局里最常见的制胜手段。

2.4 能不能只移棋不射箭，或者只射箭不移棋

标准对局不允许。每一回合必须“移动”和“射箭”各执行且只能执行一次，缺一不可。任何跳过射箭的操作都会让棋盘空间不减，导致游戏可能无限循环，所以规则强制你每一步都消耗一格空间。这也意味着，你每次移动时，都必须提前想好这个新位置射箭是否还有合适的落点。

我在带朋友入门时常用一个类比：你每回合相当于“搬家”加“封路”。搬家是为了占据更好的位置，封路是为了限制对方；但每次封路也会让自己未来的移动空间少一格。真正的高手不是走得快，而是算得准，懂得每封锁一格能换回多少价值。

2.5 把对方一枚棋子围死就赢了吗

不是。胜负判定看的是全部4枚棋子的总机动性。哪怕你围死了对手3枚，只要还有1枚能走出合法的一手，对局就继续。所以中后期经常出现“双方各自在被分割的孤岛里打转”，谁也不愿意先在局部耗尽空间。这种多区域并存的局面，让亚马逊棋比很多棋类更考验全局调度能力。

3. 从乱下到会下：我验证过的一套三阶段练法

3.1 阶段一：别背开局，先下十盘“自由棋”

很多抽象棋爱好者有个习惯，上手先找开局谱。亚马逊棋我建议反着来，先不碰任何理论，直接在平台或棋盘上自对弈十盘。这个阶段的目标不是赢，而是感受“每回合少一格”带来的压迫感。你会发现前期空间很大时，随手走都不会立刻出问题；但到了终局，前面任何一步浪费空间的棋都会变成债。

我陪新手练棋时，要求他们只记一件事：每回合结束后，对比自己和对手的有效空格数量。这个数字会像温度计一样告诉你局面走势。下三五盘之后，再回头看规则，感受会完全不同——你不再觉得规则啰嗦，而是能看出每条规则都在逼你权衡眼前利益和长远空间。

3.2 阶段二：开局和定式的核心不是抢中心

网上能找到的亚马逊棋开局资料不多，但零零散散提到的一些套路，都指向同一个原则：前几步的核心不是占领中心格子本身，而是让自己的4枚棋子之间保持连接通道。道理很简单，终局阶段你想要围住别人，自己的棋子之间必须先形成一道“活墙”，如果棋子之间被箭矢或对方棋子切断联系，很容易被逐个击破。

一个我实测有效的开局思路：第一手把边线棋子朝棋盘中心方向推两至三格，同时用箭封住对手从同侧渗透的线路，方向不要盲目朝中腹乱射，而是封在对方棋子前进的咽喉上。这样看似保守，但能保证你的棋子未来有至少两个方向的出口。等第二、第三手再逐步衔接，形成一片连续控制区。

3.3 阶段三：残局训练用“一步一数”法

这是我认为最涨棋的阶段。残局时空间已经碎片化，盘面可能分割成三四块独立区域，每块区域里双方各有一两枚棋子。此时不要凭感觉走，我习惯用“一步一数”法：数清楚当前每个小区域里，自己和对方还能各走多少手。

具体操作是，把每个连通空域看作一个独立的小棋盘，分别估算“如果我先动手，对方最优应对之后，我还能走几步”。这个方法听起来笨，但练上几十盘后，你会对“先手价值”异常敏感。很多看似复杂的残局，核心其实就是一道加法题：谁在某个区域里先耗尽空间，谁就输掉那里。

4. 中盘的真正胜负手：空间连接与封锁节奏

4.1 把“机动值”当成棋盘上的比分

中盘阶段，我不会只盯着具体棋子的位置，而是会估算所谓的“机动值”——也就是每个棋子当前位置所有合法落点的数量之和。亚马逊棋没有一个可以直接量化的“子力价值”，因为棋子的价值完全取决于它还能走到多少格子，而这些格子又能通向哪些区域。

一盘棋走到中盘时，双方机动值的差距通常不会特别夸张，真正的变化在于机动值的分布。你可以用工具或自己做个小统计：双方各4枚棋子中，有多少枚仍然保持了多方向出口；又有多少枚实际上已经被压缩在狭窄通道里。被压缩的一方，哪怕总数没少太多，后续每一步的主动权都会不断流失。

4.2 建立连续的“墙”，而不是打满补丁

中盘最常见的失误，是把箭射得零零散散，这里封一下、那里堵一下，却没有形成连续的封锁面。单个箭点的作用是有限的，对手完全可以绕行；但两枚棋子之间如果形成连续的箭头走线，就像围棋里的墙一样，能够把棋盘切成两块。

我在实战中总结的经验是：落箭之前看一眼目标格周围有没有己方棋子或其他箭矢形成的“骨架”。如果这枚箭能接上已有骨架，哪怕暂时阻断不了太多路线，也要优先考虑；如果它只是孤零零卡在中腹，除非有明确围困目标，否则大概率是在浪费空间。终局想赢，基本靠的是自己提前搭好的墙，而不是靠对手失误送给你机会。

4.3 有时候“不封”比“封”更可怕

新手容易陷入一种误区：能封就封，看到对手棋子就贴上去射箭。但对手也有4枚棋子，你把所有箭都用在围堵一枚棋子上，其他区域的3枚就可能“偷跑”，等到你发现时，多条出口已经被它们占住了。中盘更有效的策略是牵制：用一枚棋子的推进去压迫对方，逼它调整路线，而不是急于用箭锁死它的去向。

换个说法，亚马逊棋的节奏很像双方同时在盘面上“修路”和“拆路”。你每封住对方一个方向，自己也在消耗一个空格。所以封路的优先级必须动态调整：优先封那些连接多个区域的枢纽格，那些只影响局部一两步的点，可以暂时放着，让对手自己浪费步数去处理。

5. 引擎为什么难缠：状态空间、分支因子和一个能跑的评估函数

5.1 比国际象棋更高的分支因子

你可能好奇，规则这么简单的棋，为什么没有出现一个像Stockfish那样“碾压人类”的著名引擎？核心原因是它的状态空间实在太大。国际象棋中盘平均分支因子大约在35左右，而亚马逊棋每回合包含“移动”和“射箭”两个连续动作，平均分支因子可以超过300，甚至更高。搜索树一旦加深几层，节点数量就会爆炸式增长，评估函数的误差也会被放大。

这也是为什么亚马逊棋引擎的实际水平远没有达到完美，许多局面下人类高手依然能和强引擎打得有来有回。对我这种爱好者来说，这是个好消息：哪怕你不想深入算法，只靠经验和棋理，也仍然有和程序对抗的乐趣。

5.2 一个基础评估函数至少要看什么

如果你想自己写一个简单的亚马逊棋AI，评估函数不需要一开始就做得很复杂。我建议从三个指标开始：双方棋子总机动值之差、双方控制区域面积之差、棋子的连通性。机动值好理解，就是所有棋子合法落点数量；区域面积可以简化为“每枚棋子在笛卡尔方向上能到达的最大延伸距离”；连通性则看己方棋子之间是否存在畅通的路径，如果被切断，要扣分。

下面放一个极简的Python示例，只做机动值统计，便于你理解评估函数的大致结构：

def mobility_score(board, player): total = 0 for pos in board.pieces[player]: total += len(valid_moves_from(pos, board)) return total def evaluate(board): return mobility_score(board, "white") - mobility_score(board, "black")

实际可用版本还需要加入移动后射箭枚举，但核心思想就是这样：局面越开放、选择越多，价值越高。等到你能准确计算机动值时，再把封锁墙长度、中心控制权这些特征加进去，引擎水平会提升不少。

5.3 研究引擎和平台建议

如果你对源码感兴趣，可以搜索开源项目“FreeAmazon”，它以及一系列衍生引擎常用于亚马逊棋AI研究。它们大多把搜索框架和评估函数分开，适合作为入门模板。建议不要直接拿来对弈，而是先跑通随机对局，观察引擎的走子偏好，再逐步修改参数，这样你对算法的理解会比单纯读论文快得多。

6. “附带资料”全清单：平台、引擎、装备与我的复盘习惯

6.1 线上对弈和观战平台

想快速积累实战经验，直接上在线对弈平台是最方便的。IGGameCenter和BrainKing是比较经典的选择，它们都支持亚马逊棋，既有即时对局也有人机模式。我个人偏好先在平台上和人机下十几盘，熟悉操作后再开真人局，因为真人局思考时间通常较长，新手一上来容易紧张，反而影响判断。

这些平台的界面通常自带“合法着法提示”功能。前期我建议打开提示，不是让你照着走，而是让你直观理解哪些位置是当前意义上的好选择。等你对路径判断熟练后，再关掉提示，强行用脑子算。

6.2 线下装备：一副棋盘加两种颜色的小物件就够了

线下找人面对面对弈，亚马逊棋装备非常简单：一张10×10棋盘、两色各4枚棋子，再加两色标记物用来表示箭矢。很多家庭都有现成的围棋或五子棋棋盘，直接借用即可；棋子可以用硬币或纽扣代替，箭矢则用不同颜色的小纸片或塑料片。

我的建议是箭矢标记物最好比棋子的尺寸小一圈，否则棋盘很快会显得拥挤、看错。如果你打算长期练，可以买一包双面彩色圆片，颜色选和棋子反差大的，比如黑色棋子配橙色箭点、白色棋子配蓝色箭点，复盘时一眼就能分辨。

6.3 我的复盘习惯：比分不如看“封堵手数”

每次对局结束后，我不急着看输赢，而是会做一件事：把双方落下的每一个箭点标上序号，然后重新过一遍整个棋局，重点看中盘阶段哪几支箭真正起到了阻断作用，哪几支纯属浪费。这个习惯帮我找出了不少“自我感觉封得很好、实际毫无用处”的棋。

复盘时，我还会特别关注自己“从第几手开始被动”。很多时候输棋并不是最后那一步走错，而是中盘某一步为了封对手一个无关紧要的方向，把自己的连接线切断了。找到这个转折点，比记住一套赢棋套路更值钱。你可以把这些心得记在笔记里，下次开新局之前翻一翻，很容易避开同样的坑。

最后分享一个我私藏的小技巧：残局数手数时，把每个被分割的空域想象成一个“袋子”，一旦发现自己的棋子被袋口封住，不要恋战，果断放弃那个区域，把剩余空间转化成其他区域的机动性。这个习惯帮我赢下了不少看起来要输的残局。祝你也早日体会到那种“一箭封喉”的快感。

本文还有配套的精品资源，点击获取