NovaGo围棋模型产品系统

NovaGo项目是基于 深度学习、蒙特卡洛树搜索 和大语言模型 技术结合的围棋AI系统，旨在通过轻量级架构降低传统围棋AI的算力成本，实现高效推理与低成本部署。该项目采用容器化技术（Docker）与云端服务（阿里云/腾讯云）支持，提供WebSocket实时通信接口，并集成了健康检查、日志收集和性能监控等运维功能。其技术选型包括微调后的DeepSeek模型、Flask框架及压力测试工具，适用于高并发场景，展示了AI技术在传统博弈领域的创新应用与工程化落地能力。

NovaGo是基于 深度学习、蒙特卡洛树搜索 和大语言模型 技术结合的围棋AI系统，旨在降低传统围棋AI的算力成本，实现轻量级、高性能部署。系统核心功能包括：提供基于WebSocket的实时人机对弈接口，支持用户通过前端界面与AI交互；模型采用微调后的DeepSeek，结合MCTS算法提升决策准确性；通过Flask框架封装推理服务，以API形式接收棋盘状态并返回落子位置；支持容器化部署（Docker），可在云端（阿里云/腾讯云）快速扩展；集成运维监控能力，包括健康检查接口、日志收集、异常告警及压力测试，确保服务稳定性与性能可观测。

NovaGov2项目的实现主要涵盖技术架构搭建、模型部署与运维全流程。在技术选型上，后端采用PHP语言以支持高并发，AI模型选用微调后的DeepSeek结合MCTS算法提升围棋决策能力，通过Flask提供API接口并使用WebSocket实现实时通信。部署阶段，编写Dockerfile将模型与服务封装为镜像，推送至阿里云镜像仓库，并在云容器服务中启动实例，配置端口映射（5000）实现公网访问。运维方面，开发健康检查接口（/health），集成阿里云日志服务收集JSON格式日志，设置CPU、内存及响应时间阈值告警并通过钉钉机器人推送；压力测试使用Apache Bench对/predict接口进行1000次并发请求，结果显示平均响应时间1.23秒、错误率0%、QPS约8.1，验证了系统的稳定性与性能。