此前让 Claude Opus 5.5 和 GPT-6 Astra 下棋，两边思考深度都开到 max，opus 国际象棋 3 比 1、象棋 4 比 0 胜出，但两边都下得挺臭。

对弈环境是我和 agent 事先把近 20 个变量过了一遍定下的，多数实测过，毕竟环境搭得不对，测的就不全是模型的棋力。最管用的是思考深度；其余测过的影响都小。最终按最简单、最像真人比赛的方式定。

拿国际象棋谜题考 opus，思考深度从 medium 开到 max，解中率从 53% 升到 88%。

替它看棋（报将军、列合法着法）、教它怎么想（先自查、先列威胁），对大失误都没明显用处，多数错不在看不清棋盘。让它先列走完后对方能吃什么，象棋里对方真有的 221 处威胁它列出了 220 处。也就是说看见了，臭棋照走。所以两样都不给：真人比赛没人替你看棋，也没人教你怎么想。

思考接不接也对比过。常见做法是每步新开会话、重新给局面；另一种是同一会话连续下，平台把模型此前的思考回传给它自己。两种接法整盘的大失误率差别不大（盘少，只看方向），接法不是下得臭的主因。我们选了同一会话带思考：棋手得知道自己之前怎么琢磨的，才谈得上规划。

另有个方案测着有用：opus 续下时理由和着法照带，只去掉前几轮的思考。起因是 opus 常连着几步不吃白送的子。我们把对局截到出错那步让它重走，只有这招明显起作用。放回整盘里比，opus 每步亏得更少，但思考量也涨了，好处可能来自多想；同批 astra 也亏得更少，可能只是棋局不同，只能看方向。这招最后没启用：我们调 astra 的方式不支持这个开关，只给 opus 开不公平；我也认为带思考才对。

每步还要它在回复里先写理由，实测不改下法，用处是查错：约一半昏招的理由里有一句错的棋面判断。

收敛下来，就是把模型当真人棋手：每步只告诉它轮到谁、对方上一步和当前局面，不报将军、不列合法着法；每方一段会话，默认带着此前的思考；每步先写理由；思考深度常规 xhigh，巅峰对决开到 max。两条底线：棋手调不到工具和引擎；双方思考接法一致。对局时每一步由程序发局面、判合法、记棋谱，agent 负责写程序、开盘、盯额度。

最后三张是 claude -p、codex exec、OpenRouter chat API 的关键配置。

agent国际象棋