Zugzwang：用纯提示工程技术推动通用大语言模型的国际象棋极限

Zugzwang 是一个可复现的研究平台，通过纯提示工程、RAG、思维链和多智能体编排等技术，在不进行微调的情况下探索通用大语言模型在国际象棋任务中的能力边界。

• 原作者/维护者：maelrx
• 来源平台：GitHub
• 原始标题：Zugzwang
• 原始链接：https://github.com/maelrx/Zugzwang
• 来源发布时间/更新时间：2026-05-31T08:44:42Z

"Zugzwang"（德语，意为"被迫移动"）是国际象棋中的一个术语，描述一种特殊局面：轮到某一方走棋，但任何合法的移动都会导致其处境恶化。这种局面完美地隐喻了大语言模型在复杂推理任务中的困境——它们拥有丰富的知识，却常常难以在特定约束下做出最优决策。

选择国际象棋作为测试平台并非偶然。这项运动具有明确的规则、可验证的结果和丰富的战术策略，使其成为评估AI推理能力的理想"显微镜"。更重要的是，国际象棋的复杂性足以挑战模型的规划和决策能力，同时又不像开放域任务那样难以评估。

Zugzwang 项目建立在 Saplin 等人于2025年发表的 LLM Chess 基准研究之上。该研究揭示了几个关键发现：

• 大多数大语言模型甚至无法战胜随机走棋的对手，问题不在于缺乏国际象棋知识，而在于无法正确遵循指令
• 只有经过推理增强的模型（如 o3、o4-mini、Grok 3 Mini）才能可靠地战胜随机对手
• 表现最好的模型（o3 low）在对抗校准过的引擎时仅能达到约758 Elo 等级分——略高于 chess.com 普通玩家的平均水平
• 提供走棋历史可以显著减少失误（o4-mini 的失误率从11.2%降至1.6%）
• 混合专家模型（Mixture-of-Agents）结合强推理和强指令遵循能力的模型，可以将胜率翻倍并实现100%的棋局完成率

然而，LLM Chess 基准使用的是简单的通用提示，没有少样本示例、没有检索增强生成（RAG）、没有结构化思维链，也没有反馈丰富的重试机制。Zugzwang 正是为了填补这些空白而设计的。

项目的核心研究问题简洁而深刻：

仅使用大语言模型操控技术——系统提示、RAG、少样本学习、思维链、工具使用、多智能体编排——而不对任何模型进行微调，一个通用大语言模型在国际象棋中能被推动到何种程度？

这个问题具有重要的方法论意义。它试图区分两种能力：模型固有的"原始能力"与通过精心设计的提示和系统架构可以"解锁"的潜在能力。

Zugzwang 采用模块化的七层架构，每层都可以独立测试：

负责配置加载、密钥管理、环境验证等基础功能，确保实验的可复现性。

包含 BoardManager、游戏循环、LLM/随机/引擎玩家等组件，是整个系统的骨架。