chess-postmortem-skills：为 Claude Code 提供的 AI 驱动国际象棋对局分析工具

概述

chess-postmortem-skills 是一组专为 Claude Code 设计的技能，能够将原始的国际象棋对局数据（PGN 文件）转化为全面且易于理解的赛后分析报告。与传统引擎分析仅提供数值评估和复杂着法变化不同，该工具利用大语言模型（LLM）来驱动 Stockfish 引擎，将技术性数据转化为对错误和战略计划的通俗语言解释。

核心功能

该项目分为三个主要技能，分别处理对局复盘过程的不同方面：

1. 国际象棋分析 (chess-analysis)

此技能深入分析对局的技术细节。它对每一步棋执行 Stockfish 全局扫描，并启动并行的“调查员”子代理，向引擎提出基础问题（例如：“为什么不是我下的那一步？”或“如果黑方直接吃子会怎样？”）。

关键输出包括：

• 带注释的 PGN： 一个带有可读性评论的分层 PGN 文件。
• HTML 分析棋盘： 一个独立的交互式对局查看器。
• 战略暂停点： 对局中的一个特定时刻，引擎在此推导出双方的战略计划。
• 自言自语整合： 若提供玩家对局期间的语音记录，该技能将使用 whisper.cpp 进行语音转录，并利用 PGN 的时间戳将文本与具体着法对齐。

2. 国际象棋视频 (chess-video)

此技能生成整个对局的带旁白视频。视频包含棋盘、箭头、评估仪表、嵌入式字幕以及通过 Piper TTS 生成的语音旁白。该视频基于分析阶段生成的分镜脚本构建。

3. 国际象棋对弈 (chess-play)

此技能允许用户与 Claude 对弈。为确保准确性，棋盘以 PNG 格式渲染以供视觉处理，并使用对抗性误着检查子代理。值得注意的是，该技能不使用引擎。

技术工作流程与要求

用户工作流程

1. 对局记录： 进行一盘对局（快棋或邮件棋），并录制“自言自语”音频文件，或为每一步记录笔记。
2. 启动： 向 Claude Code 提供对局链接/PGN 和录音文件。
3. 处理： 系统执行全局扫描，开展调查，并生成注释（完整运行约需一小时）。
4. 审查： 用户审查带注释的 PGN 和 HTML 棋盘，然后请求生成带旁白的视频。
5. 迭代学习： 用户可就特定局面提出后续问题，Claude 会在回答前使用引擎验证。

系统要求

Claude Code 通常可在请求时自动安装以下依赖项：

• Python 环境： 包含 python-chess、cairosvg、pillow 和 piper-tts 的 venv。
• Stockfish： 官方引擎二进制文件（通过 scripts/get_stockfish.sh 安装）。
• 视频工具： ffmpeg 和一个 Piper 语音模型。
• 语音转录： whisper.cpp（可选，用于自言自语录音）。

设计理念：引擎驱动的 LLM

该项目解决了 LLM 在国际象棋领域的一个常见局限：倾向于虚构着法或误解棋盘状态。为缓解此问题，该工具不依赖 LLM 内部的国际象棋知识。相反，LLM 作为 Stockfish 的操作员。AI 所作的每一项声明都会与引擎结果进行核对，且通过验证环节重新读取结果以确保准确性。

社区观点与反驳意见

尽管该项目因其在 Claude Code 技能上的具体应用而受到赞誉，但一些 Hacker News 用户对基于 LLM 的国际象棋教学效果提出了质疑：

"Opus 5 模型的 Elo 约为 1300。我不会向一个 1300 级别的棋手学习国际象棋。"

其他批评者认为，手动分析的“繁琐”工作才是真正学习发生的地方，因此自动化摘要可能对技能提升效果有限。相反，该方法的支持者指出，将 LLM 与蒙特卡洛模拟或传统求解器结合（如其他 AI 驱动的游戏分析工具中所见）是为复杂数据提供可解释性的可行方式。

安装

要安装这些技能，请克隆仓库并将技能文件夹复制到 Claude Code 的技能目录中：

git clone https://github.com/brumar/chess-postmortem-skills
cp -r chess-postmortem-skills/skills/* ~/.claude/skills/