制作AI围棋软件可以遵循以下步骤：
选择开源围棋AI
可以从GitHub上找一个开源的围棋AI项目，如Leela Zero。
获取训练数据
可以通过以下两种方法获取训练数据：
找一个围棋高手与Leela Zero对弈，将棋谱作为训练集。
让AI自我博弈，生成棋谱作为训练集。
选择编程语言和深度学习框架
使用Python编程语言，并选择合适的深度学习框架，如TensorFlow或PyTorch。
构建和训练模型
使用Keras等深度学习库构建卷积神经网络（CNN）模型，并使用训练数据对模型进行训练。
集成和测试
将训练好的模型集成到围棋软件中，如Sabaki。
配置Sabaki以使用Leela Zero作为AI引擎，并进行测试和优化。
用户界面和体验
如果需要，可以使用Electron和Vue.js等前端框架构建用户界面，提供更好的用户体验。
发布和分享
完成开发和测试后，可以发布你的AI围棋软件，并分享给其他人使用。
示例代码（使用Keras构建CNN模型）
```python
import tensorflow as tf
from tensorflow.keras import layers, models
构建卷积神经网络模型
model = models.Sequential（[
layers.Conv2D（32, （3, 3）, activation='relu', input_shape=（19, 19, 1））,
layers.MaxPooling2D（（2, 2））,
layers.Conv2D（64, （3, 3）, activation='relu'）,
layers.MaxPooling2D（（2, 2））,
layers.Conv2D（64, （3, 3）, activation='relu'）,
layers.Flatten（）,
layers.Dense（64, activation='relu'）,
layers.Dense（10, activation='softmax'）
]）
编译模型
model.compile（optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy']）
训练模型
model.fit（train_images, train_labels, epochs=10, validation_data=（test_images, test_labels））
```
注意事项
确保你有足够的计算资源（如GPU）来训练复杂的围棋AI模型。
围棋AI的训练可能需要大量的计算时间和数据。
不断测试和优化模型，以提高其性能和准确性。
通过以上步骤和示例代码，你可以开始制作自己的AI围棋软件。