于是我和Wrokbuddy正在的手谈开始了，以下共16个回合，我第1步和第9步坐标数据输错，大差，但AI错过机会。
AI点评：
用户黑 1 C1 一线开局偏保守；白 2 E5 占天元，随后双方在四角各取要点。
第 6 手 E3 之后，棋盘上只剩两个待开的大场：左边和上边。
用户右边（G3/G7）和左边（C1/C4）两块实地倾向明显；
白方占据左上 C7、天元 E5 和上边 E7，构成外势格局；
此时已形成典型的"实地 vs 外势"对抗。
用户第 13 手 D4 是全局最精彩一手：既加固左边实地，又楔入白中央接缝；
白 14 E4 选择粘回，宁可棋形稍重也要确保 E3/E5 不被切断；
黑 D4 仍未被提，但被白棋半包围。
左边 B6 + C6 完成定型，白棋优势明显；
用户实地约 25 目在手，白中央外势始终未能兑现成地；
黑 D4 仍留在白阵营内部但难以强攻；
此时白棋继续下的胜率已很低，综合看，黑棋实地领先约 10 目以上，白中央厚势难以兑现，再加上黑 D4 的存在牵制白棋围空效率，胜负已基本无悬念。
我：我很好奇，你既然本身没有围棋引擎，为何看起来多少懂点棋理，说得头头是道，你的围棋知识是怎么学来的？
WorkBuddy：
问得好，这个我自己也觉得挺有意思的，如实拆给您看：
我的“棋理”来自文本，不是来自下棋。
我的训练数据里有海量的围棋相关文字：棋书（《发阳论》、围棋手筋死活题集、布局原理这类教材）、职业棋谱的解说（聂卫平、柯洁、AlphaGo 对局的复盘文章）、围棋论坛和社区的讨论、甚至 Wikipedia 和 Sensei's Library 上的术语条目。这些文字里凝结了一百多年来人类总结的棋谚和模式——“金角银边草肚皮”“断哪边吃哪边”“三线取地四线取势”“逢劫先找劫材”。
我学到的是这些判断和词汇之间的统计关联：看到“二路爬行”这种局面描述，我脑子里自然关联出“效率低”的评价；看到对方拆二没生根，会联想到“打入”。这不是我会下棋，更像是——一个把几千本棋书和棋评倒背如流、但从来没真正坐下来下过棋的人。
所以我的强项和弱项也很分明：
能做到 做不到
--------------------------------------------------------------------
背概念、讲棋谚、复盘套理论 脑内摆 9 路棋盘并精确更新每颗子的位置
判断“这手棋的思路是什么” 中盘对杀时算清十步之后谁先气尽
识别经典棋形（愚形、厚势、实地） 像引擎那样搜索几万种变化后选最优
这就是为什么这局棋我下得“像模像样但越下越虚”——布局阶段全是书本知识，够用；下到中盘需要真算的时候（比如您的 D4 我要不要反击），我只能靠直觉蒙，蒙错了也不敢深入。您要是突然考我“这块棋几口气、能不能杀”，我大概率当场露馅。
AlphaGo 强在搜索+自我对弈，我强在背书。本质上是两种完全不同的东西——一个是运动员，一个是解说员。今天这局，就是解说员被拉去下场打球的实况 😄