几个月前一位做算法竞赛培训的朋友问我现在大模型连奥数题都能解数学老师是不是要失业了我当时的回答是如果你把数学课理解成“对答案”那确实危险但如果你把数学理解成“提问、试错、重构、发现”那大模型离数学家还差得很远。这个问题恰好能带出本文真正想讨论的核心——AI为什么还没有学会顶级数学家的思维而普通人反而可以。这个问题的答案并不玄学。陶哲轩这样的数学家之所以顶尖不是因为算得快而是因为他们在“提出问题”“重构问题”“寻找反例”这些环节上有极强的直觉和习惯。而这些能力恰恰是当前大模型训练目标里最薄弱的部分。与此同时这些能力并不是天赋馈赠而是可以被拆解、被训练、被普通人掌握的思维操作。本文会从大模型的数学推理机制讲起分析“解题”和“发现”之间的本质差异再给出几个可操作的训练方法如何把AI当成一个“只提问、不给答案”的数学教练如何用程序验证数学猜想以及如何把一道普通习题延伸成一个小型研究课题。对开发者来说这篇文章也是一份“AI数学能力边界 数学思维训练Agent设计思路”的参考。1. 这篇文章真正要回答的问题先说一个容易被忽略的事实AI能做对数学题和AI拥有数学思维是两种完全不同的能力。如果你现在打开任何一个主流对话式大模型扔给它一道高考题、一道竞赛题它大概率能给出像模像样的解答。遇到相对固定的题型它甚至可以表现得很“聪明”。于是很多人的第一反应是大模型已经理解数学了。但只要把镜头从习题集拉远看一看真实的数学研究就会立刻发现反差。数学研究的日常不是“已知条件求证结论”而是“眼前有个现象不知道它有没有规律有个猜想不确定它是否成立有个证明框架不知道会不会在某个隐蔽的角落塌掉”。在这类任务里大模型并没有表现出和做题一样的水准——它更擅长沿着已有的路径走而不是自己开辟一条新路径。这篇文章想回答三个问题大模型做数学题的时候底层到底是什么机制它的能力边界在哪里为什么“会解题”不等于“会做数学研究”普通人有没有可能通过刻意训练获得接近顶级数学家的思维方式AI在这个过程中能帮上什么忙我的判断是AI的数学能力瓶颈不在计算不在记忆而在“价值判断”。它缺少一种对“哪个问题值得研究”的直觉。而恰恰是这种直觉可以被拆解成几个明确的思维操作让普通人通过训练逐渐接近。所以这篇文章既不是吹捧AI也不是贬低AI。它更想帮你搞清楚一件事什么该交给AI什么必须留给自己思考。2. 解题与发现AI数学能力的真实边界在哪里2.1 大模型是怎样“解决”数学题的要理解大模型的数学能力先要知道它的底层训练目标——预测下一个token。它的工作方式本质上是在一个巨大的概率空间里根据前文预测最合理的后续内容。当一个问题被输入给模型时它会沿着训练数据中见过的相似文本模式生成一段接一段的推理链。链式推理之所以有效是因为它把一个长距离的数学论证拆成了很多短距离的“下一步预测”每一步单独看都相对可靠。因此与其说大模型在“推理”不如说它在“按概率沿着常见证明路径搜索”。这也是为什么它在标准化考试、竞赛题上表现不错这些题目的解法高度模式化训练数据里有大量“同类题同类解法”的文本模型只需要完成模式匹配和路径拼接。2.2 数学研究真正在做的事数学研究的核心不是解一道给定的题而是决定“接下来该研究什么”。举个例子你发现某种数论现象在几十个例子里都成立你怀疑它可能是一个定理。此时你需要做的不是马上写证明而是先判断这个猜想值不值得证明有没有反例会不会和已知结论冲突能不能把它推广成更一般的形式。这些环节里模型的表现明显疲软。它很难说“这个问题没有研究价值”也很难在没有任何提示的情况下主动构造一个反例来攻击一个看起来成立但实际错误的猜想。2.3 边界总结能力维度大模型现状顶级数学家解已知题型强强执行标准证明较强但长链易错强提出有价值的问题弱极强构造反例较弱强概念重构与类比迁移弱强形成长期研究策略弱强这张表已经能说明问题AI目前是“解题者”不是“发现者”。3. 为什么AI“会做题”却“做不了数学研究”3.1 训练目标决定了它学不会“问题选择”大模型的训练目标非常明确预测下一个token。这个目标决定了模型优化的是一句话接一句话的连贯性而不是“这句话对后续研究有多大的启发性”。模型不知道一个命题是否重要也不会有“这个问题很漂亮值得证明”的体验。在数学研究中判断“什么问题重要”往往需要整体视野、审美直觉和长周期反馈。一个数学家可能会花三个月盯住一个问题只因为它在某个更大的框架里看起来很关键。这种判断很难被压缩成“根据前文预测下一词”的目标函数。3.2 推理链越长幻觉越危险数学证明要求每一步都严格可靠。大模型的所谓“推理”是基于概率的续写而不是基于规则的推导。当证明步骤较短时问题不大一旦推理链变长前文某个细微的偏差就会在后文被放大——这在AI领域被称为“幻觉”。数学中的幻觉表现为“看起来严谨但实际错误”的论断而且往往非常隐蔽普通人很难识别。这也是为什么单纯用大模型做长数学证明并不可靠。它更像一个口若悬河但偶尔会编造引理的讨论者你需要一个外部验证器来约束它。3.3 形式化验证能补救一部分但补不了“发现”Lean这些形式化证明工具近两年很受关注。它们的思路是把数学证明写成计算机可验证的形式化语言让机器逐条检查逻辑。把大模型和Lean结合可以自动生成一些证明片段再由形式化工具严格校验。这是一条很有希望的技术路线但它仍然解决不了“发现”的问题。形式化验证只会告诉你“这个证明是否成立”不会告诉你“这个问题是否值得证明”。它像一台极其严格的审稿机而数学家需要的是那个能提出新稿件的人。3.4 类比AI是勤奋的研究助理不是研究负责人如果硬要用一个比喻AI更像一个极其勤奋的研究助理查资料很快改写论证思路很快能尝试很多组合但它不会替你决定“接下来研究什么”。这个决策权目前仍然属于人。而数学思维训练的价值恰恰在于提高人在这类决策上的判断力。4. 陶哲轩式思维可以被拆解的训练方法4.1 先破除一个神话数学思维不是天赋是习惯陶哲轩这种级别的数学家很容易被外界包装成“天才”。但如果你耐心读过他的博客或者看过他在公开讲座中演示的工作方式会发现他讨论得更多的不是灵感而是习惯不断重述问题、主动寻找反例、把大问题切小、从一个简单情形开始尝试。这些习惯听起来不稀奇难的是“在真正面对难题时坚持执行”。普通人做数学题往往是“拿到题想两分钟想不出来就放弃”或者“直接套模板”。顶级数学家则是把一整套反例意识、重构意识和迭代意识嵌入了自己的工作流程。4.2 五个可训练的思维模块第一个模块是“问题重构”。拿到一个问题先别急着解试着用几种不同的语言描述它——几何的、代数的、组合的。每换一种表达方式就多一个观察角度。第二个模块是“反例意识”。数学里很多命题表面成立实际上边界条件一换就崩了。训练方法是每次提出一个猜想先强迫自己尝试构造反例而不是急着证明。第三个模块是“类比迁移”。把陌生问题映射到熟悉的结构上。比如数论里的整除问题可以迁移到模运算的框架里几何问题可以迁移到向量或坐标框架里。第四个模块是“尺度切换”。宏观上先猜结论微观上验证细节。很多数学证明的思路恰恰是先靠“感觉”相信结论是对的然后才去寻找严格的证明路径。第五个模块是“容错迭代”。允许自己错把每一次失败当成信息。数学家写出的证明很少一次成型都是在反例和修正中迭代出来的。4.3 为什么普通人真的可以学会这些模块有一个共同点它们是操作流程不是智商属性。就像健身一样每个人都能通过训练提升力量虽然天花板不同但进步空间一定存在。普通人学数学之所以痛苦往往不是因为笨而是因为没人告诉他“数学思维是由哪些步骤组成的”。学校教的是“解题套路”很少教“一个命题如何被构造出来”。而这一课恰恰是可以被补上的。5. 普通人如何用AI辅助训练数学思维5.1 明确思路AI是陪练不是答案机如果你只是想快速得到答案大模型已经是很好的工具。但如果你想训练自己的数学思维就必须让AI换一种方式工作——只提问不回答。这需要一点提示词设计能力。关键不在于问AI“这道题怎么做”而在于明确告诉它你要扮演的角色、你允许的行为、你禁止出现的内容。提示词工程的价值在数学训练场景里体现得比普通问答场景更明显。5.2 模式一AI作为苏格拉底式提问者把下面的提示词复制进任意对话式AI的输入框它就会切换成一个只提问不给答案的数学教练你现在是一位数学教练正在一对一辅导我。你的目标不是告诉我答案而是帮助我自己找到思路。 我接下来会给你一个数学问题。你只能做以下三件事 1. 向我提问帮助我理清题目条件和隐含假设 2. 指出我推理中的漏洞 3. 要求我把问题表达得更具体或更一般。 除此之外你不允许做任何事。尤其禁止 - 直接给出完整答案或证明 - 替我做具体计算 - 告诉我“你应该这样做” - 在我说出思路之前发表你的判断。 我的问题是证明如果正整数 a、b、c 满足 a² b² c²那么 abc 能被 60 整除。注意这段提示词的核心是“行为约束”。如果AI仍然给出答案你可以在后面追加一句“请严格遵守规则只提问不解答。如果你违规直接给答案我会停止这次练习。”多数情况下模型会在后续交互中尊重这个约束。5.3 模式二AI作为反例攻击者这个模式适合你已经有了一个猜想想检验它是否成立我有一个数学猜想需要你帮我寻找反例。请不要急着证明它。 请严格按以下步骤做 1. 复述我这个猜想确认你理解正确 2. 尝试在小范围内构造反例优先考虑边界情况和特殊值 3. 如果暂时找不到反例不要告诉我“猜想很可能是对的”而是列出你尝试过哪些方向 4. 最后再告诉我你倾向于认为它成立还是不成立以及理由。 我的猜想是对于任意正整数 nn² n 41 都是素数。这个提示词的价值在于它强迫AI先做“攻击”而不是先做“赞美”。对普通人来说这种对抗性练习非常暴露思维盲区。5.4 模式三AI作为问题重构器当你遇到一道复杂的题可以让AI帮你从多个角度重述请帮我把下面这个问题转换成至少三种不同等价表述 1. 一种代数表述 2. 一种几何或可视化表述 3. 一种寻找反例的表述。 不要给出解法只做问题重构。我的题目是证明在任意三角形中三条中线交于一点。重述之后你往往会看到一个更清晰的结构接下来再回到原始问题思路会开阔很多。6. 完整示例从一道题到一个小型“研究课题”6.1 题目回顾为了让上面的方法更具体我选择“证明如果正整数 a、b、c 满足 a² b² c²则 abc 能被 60 整除”作为完整示例。这道题足够经典也能体现“分解—猜测—验证—推广”的完整链条。6.2 第一步问题重构拿到题第一步不是马上写证明而是拆条件。60 3 × 4 × 5所以“abc 能被 60 整除”等价于“abc 同时能被 3、4、5 整除”。这个重构非常关键。原本是一个大的整除命题现在被拆成三个独立的小命题。接下来我们只需要分别证明 abc 同时被 3、4、5 整除。为什么 abc 能被 3 整除注意任意整数平方模 3 只能是 0 或 1。如果 a 和 b 都不能被 3 整除则 a² ≡ 1b² ≡ 1于是 c² ≡ a² b² ≡ 2 mod 3这不可能。所以 a、b 中至少有一个能被 3 整除因此 abc 能被 3 整除。为什么 abc 能被 4 整除分奇偶性讨论。若 a、b 中有偶数再结合勾股数的基本性质可以推出其中至少有一个被 4 整除或者 c 是偶数否则若 a、b 都是奇数则 a²、b² 模 4 都为 1c² 模 4 为 2矛盾。最终可推出 abc 能被 4 整除。为什么 abc 能被 5 整除平方数模 5 只能是 0、1、4。用类似逻辑可以推出 a、b 中至少有一个被 5 整除。三个子命题都成立合起来就能得到 abc 能被 60 整除。6.3 第二步用程序验证小范围在写严格证明之前先用暴力程序在小范围内验证。这一步能快速排除“命题本身就不成立”的风险。把下面的代码保存为check_pythagorean.pyimport math def check(limit): for a in range(1, limit): for b in range(a, limit): c2 a * a b * b c math.isqrt(c2) if c * c c2 and c limit: if (a * b * c) % 60 ! 0: print(发现反例:, a, b, c) return False print(f在 1 a b {limit} 范围内未发现反例) return True if __name__ __main__: check(500)运行方式python check_pythagorean.py预期输出在 1 a b 500 范围内未发现反例这里用math.isqrt而不是浮点开方是为了避免大数精度问题。这也是实际编程中的一个常见坑。6.4 第三步让AI扮演引导者现在回到第5章的提示词。你把同一个题目交给“苏格拉底式AI教练”它可能会问出这类问题“你能把 60 拆成哪些质因数的幂次”“平方数在模 3 的情况下可能取哪些值”“如果 a 和 b 都不是 3 的倍数c 会怎样”这些提问看似简单实际上已经把证明的关键路径全部点出来了。如果你能顺着提问自己写出完整证明这次训练的效果会比直接看答案高得多。6.5 第四步推广成“研究课题”题目做完之后可以尝试推广。这是数学思维训练最重要的一步。例如为什么选择 60是因为 3、4、5 这三个数和平方公式天然相关。那你自然会好奇如果把指数改成 3 次方也就是研究 a³ b³ c³ 的情况结论会变成什么n 更大时呢进一步说勾股数组本身有没有生成公式你可以把这些问题再次丢给“反例攻击者”模式的AI让它在小范围找反例。你甚至可以把它变成一个长期研究课题逐步在这个方向深入。这个“从解题走向提问”的过程才是数学家真正的日常。7. 用AI学数学的常见问题与排查方法没有哪种训练方法是一帆风顺的使用AI做数学陪练也一样。以下是实际使用中最常遇到的几个问题以及对应的排查思路。问题现象可能原因排查方式解决方案AI直接给出完整答案提示词没有明确禁止给出结论检查提示词是否包含“禁止给出答案”“只允许提问”在提示词中追加行为约束要求它只提问AI给出的证明步骤有误长链推理误差累积将推理拆成小段逐步检查用符号计算工具验证中间结果要求AI列出检查步骤AI不是提问而是点评“你的思路很好”提示词中“教练”身份不够具体增加角色描述和可执行行为清单加入“你只能做三件事”的限制提示词太复杂模型行为不稳定一次给出过多约束指令简化提示词先跑一个小例子先用最简单的“只提问”跑通再逐步加规则Python暴力验证脚本无输出搜索范围过大或代码错误先缩小 limit检查是否进入循环把 limit 从 50 开始确认结果后再扩大在此基础上还有一条最重要的排查原则当AI的数学论断和你的直觉冲突时不要轻易相信任何一方用第三方的符号计算引擎去验证。AI的优势是生成候选思路而不是充当最终裁判。8. 最佳实践与工程建议8.1 给学习者的建议把每天十五分钟的“AI数学教练”对话固定下来比周末猛学三小时更有用。练习时重点记录自己的思维盲区比如“我总是忽略模运算”“我不敢大胆猜测”这些记录本身就是成长路径。一个更实用的技巧每次AI提问后不要急着回答先在纸上写三行自己的想法哪怕只有“我不知道”也行。这个动作会强迫大脑从“被动接收”切换到“主动构建”对数学思维的提升非常明显。8.2 给开发者的建议数学思维训练Agent怎么设计如果你关注AI应用开发会注意到“AI数学陪练”是一个非常典型的Agent场景。它的核心不是让AI生成更多内容而是让AI主动“克制输出”。这背后需要三类技术模块配合编排层负责控制对话节奏判断当前该提问、该反驳、还是该给提示。验证层调用符号计算引擎或形式化工具对数学断言做外部校验防止模型幻觉污染教学。记忆层记录用户推理历史和错误模式形成“错题画像”并以此为据调整后续提问难度。把语言模型和符号计算引擎结合是这类Agent落地时最值得关注的技术路线。语言模型负责自然语言交互、生成反例候选、解释思路符号计算引擎负责确定性验证比如能否用SymPy做因式分解、模运算、不等式判定。这个架构天然规避了大模型“生成式幻觉”在数学场景下的风险。这里给出一个最简单的验证层代码示例保存为verify_abc.pyfrom sympy import isprime # 一个简单的验证示例检查 n^2 n 41 在前 n 个整数上是否都给出素数 false_examples [] for n in range(1, 100): value n * n n 41 if not isprime(value): false_examples.append((n, value)) break if false_examples: n, value false_examples[0] print(f反例存在n {n} 时n^2 n 41 {value}不是素数。) else: print(前 99 个整数中未发现反例。)运行python verify_abc.py预期输出反例存在n 40 时n^2 n 41 1681不是素数。这个脚本很直观地演示了“猜测—验证—发现反例”的闭环也是给学习者一个强调数学里很多看似漂亮的规律都会在某个不起眼的地方崩塌。8.3 安全与边界提醒无论你用AI辅助学习还是开发数学教育产品都要坚持一条原则大模型的数学输出只能作为候选思路不能作为最终结论。涉及重要结论一定要用符号计算工具或人工检查复核。在工程上验证模块必须独立于生成模块运行不能共用一套模型否则验证就失去了意义。9. 从“对答案”转向“会提问”回到文章开头那道题AI为什么还没有学会顶级数学家的思维但普通人却可以答案已经清晰了AI缺的不是计算能力而是“提出好问题”的意愿和方向感。它更像一个超级计算器而不是一个研究向导。而普通人的机会恰好来自这里——数学思维是可以被训练的操作系统过去缺少的是一套方法和一个陪练。现在你不需要等“未来更强的AI”来替你思考。今晚就可以开始找一道你做不出来的题把第5章的“苏格拉底式提问者”提示词复制进去然后禁止它告诉你答案。如果一个模型违规就换一个如果一次练习没效果就坚持一周。你真正要训练的是在每个题目面前多一步“这个条件还能怎么改”的冲动。这恰恰是顶级数学家每天都在做的事。AI暂时还学不会但你一定可以。