Smart核心项目地址：

https://github.com/vernesong/OpenClash/releases/tag/mihomo

所需文件下载地址：

https://github.com/qichiyuhub/rule/tree/main/config/mihomo/AI

Smart智能组参数：

proxy-groups:
name: 智能分组
  type: smart
  ##附加权重项，优先级设置，<1 表示较低优先级，>1 表示较高优先级，默认是 1
  policy-priority: "Premium:0.9;SG:1.3" 
  ##是否使用 LightGBM 模型预测权重
  uselightgbm: false
  ##是否收集数据用于模型训练
  collectdata: false
  ##分组内代理选择策略，可选 'sticky-sessions' 或 'round-robin'，不支持 'consistent-hashing'
  ##默认是 'sticky-sessions'，散列 ，在收集数据时具有更稳定、平滑的节点切换逻辑
  strategy: sticky-sessions

正则表达式如下：

1. SG            匹配节点里包含SG的节点，区分大小写，可匹配SG01、PSG, 不能匹配Sg、Sng等
2. (?i)SG        匹配节点里包含SG的节点，不区分大小写,可匹配SG Sg
3. ^SG$          精准匹配，只能匹配节点名字为SG的，其他不能
4. (?i)^SG$      忽略大小写地精确匹配 SG
   
其他需求自行AI (搜索需求后面备注golang正则表达式语法即可)

如果没有匹配到正则，比如语法错误 （SG  就会回退到关键词匹配，也就是匹配到包含SG的节点。

AI模型训练步骤：

第一步：准备食材

你需要准备一个专门的文件夹，用来存放我们所有的工具和数据。就在你的电脑上，比如在桌面上创建一个名为 Mihomo-AI-Trainer 的文件夹。

然后，你需要把以下4个文件放进这个文件夹里：

1.smart_weight_data.csv - 这是你过去一段时间的网络使用记录，是训练模型最核心的“原材料”

2.transform.go - 官方说明书-定义了模型需要哪些特征，菜谱。

3.go_parser.py - 解析器脚本-用来读取 transform.go 文件

4.train_flexible.py - 厨师---自动训练脚本，调用以上素材训练并生成模型文件

第二步：搭建“厨房”（准备环境）

1.安装Python

Windows用户切记: 安装时一定勾选 “Add Python to PATH”

2.安装依赖和工具

pip install pandas==2.2.3 scikit-learn==1.7.0 lightgbm==3.3.5 joblib==1.5.1 numpy==2.3.1

注意：如果你之前有使用过python，请卸载以前版本的pip依赖工具，然后重新安装以上指定版本，否则可能报错！

小白一键全部卸载命令，高手请自行解决。

pip freeze > requirements.txt
pip uninstall -y -r requirements.txt

第三步：开始“烹饪”（运行训练）

cd Desktop/Mihomo-AI-Trainer

python train_flexible.py

第四步：享用“大餐”（部署模型）

训练成功后，你的 Mihomo-AI-Trainer 文件夹里会出现一个新文件：Model.bin。这就是你的专属AI模型！