看到“Claude挑战黎曼猜想失败却意外刷新37年数学纪录”这条新闻时我的第一反应不是感叹AI很强也不是嘲笑它离证明黎曼猜想还差得远而是想弄清楚一个问题一次挑战大定理的失败为什么能产出一个长期没人突破的数学结果如果真的像标题说的那样模型没能证明黎曼猜想却在某个具体问题上把保持了37年的结果往前推了一步那这件事的意义可能比“证明黎曼猜想”更值得讨论。因为“证明黎曼猜想”一旦成功会是几十年来最重大的数学新闻但它大概率不会来自一个通用对话模型。而“在局部问题上刷新一个长期纪录”恰恰是AI辅助科研最真实的切入方式它不需要一次解决所有难题只需要在人类已经验证过的搜索空间里找到一条过去没想到的路。这篇文章我想聊清楚三件事这个新闻里到底什么是“失败”什么是“意外纪录”AI做数学推理的底层机制为什么能支撑这种“局部突破”以及作为一个普通研究者或工程师如何用Claude Code这类工具把AI真正接入“提出猜想—生成候选—验证结果—形成结论”的流程里。1. 别急着下结论一场“失败”的实验为什么值得被讨论1.1 黎曼猜想的难度决定了“失败”才是常态黎曼猜想不是普通的开放问题。它描述了黎曼ζ函数非平凡零点的分布规律而素数在自然数中的统计行为又和这个分布紧密挂钩。从1859年黎曼提出这个问题到现在无数数学家尝试过包括希尔伯特、哈代这些顶尖人物最终都没有得到完整证明。所以当听到“Claude挑战黎曼猜想失败”时我的第一反应是这太正常了。如果现有的大语言模型能直接证明黎曼猜想那反而需要怀疑是不是模型“背诵”了某个尚未公开的证明。因为黎曼猜想本身牵涉的深度远超“从训练数据里拼接出合理文本”的能力范围。它需要全新的数学结构、创造性的定义、长链条的逻辑推理这些都不是当前语言模型最擅长的东西。真正值得关注的不是“它失败了”而是在一个本来就不可能成功的任务上模型为什么还能留下一点东西。就像一个人登珠峰没登顶却在某段冰壁上找到了一个比以往更安全的攀爬路线这个路线本身对后续登山者就有价值。1.2 “刷新37年纪录”才是这件事真正的信号从相关讨论来看这次所谓的“意外纪录”指的是在某个具体数学问题上模型给出的结果比已知的最好结果更优而这个已知结果已经三十七年没有被人动过。我特意没有在这里强调“哪个具体问题”因为这个细节在不同报道里可能不一致而且很容易因为转述而失真。但结构性的信号很清楚长期没有被改进的结果通常不是因为没有人想改进它而是因为人工搜索成本太高或者路径已经固化。三十七年没人突破说明这个位置不是靠简单套公式能推进的。这时候让AI去跑“意外”刷新其实符合大语言模型加搜索的做事方式它可以在一秒内生成成千上万种局部构造、候选表达式、组合方式然后靠外部脚本验证哪些成立。过去一个博士生需要花几个月试出来的东西模型可能几小时就遍历了一遍。这不是“创造力”取代人类而是“搜索带宽”变宽了。1.3 公众讨论常把两件事混在了一起这个新闻热度高很大程度上是因为“黎曼猜想”这个名字自带流量。但很多讨论把它复杂化了。一种声音说“AI连黎曼猜想都证不出来说明它根本不理解数学。”这种判断错在拿一个连人类顶尖天才几百年都没拿下的问题去要求一个刚学会“接龙”的工具必须一次通关。另一种声音说“AI已经能刷新数学纪录数学家要失业了。”这种判断又错在把“在一个受限问题上的局部改进”放大成对整个人类数学能力的超越。我更愿意把这件事拆成两个独立问题来看AI能不能独立完成黎曼猜想级别的完整证明在当前阶段几乎不可能。AI能不能在人类定义清楚、验证机制明确的搜索空间里找到有价值的局部新结果事实证明它已经能做到。后一个问题的答案才是真正会改变数学科研工作流的东西。它意味着AI已经从“陪练”变成了“可验证的发现工具”虽然这个发现范围还很窄但方向已经成立。2. AI不是会“证明”而是会“搜索”拆开看它到底做了什么2.1 语言模型做数学本质上是在做受约束的搜索很多人误解大语言模型的能力以为它内部有一个“逻辑引擎”像人一样一步步推理。实际上语言模型在生成答案时做的事情更像是“根据前面的内容预测下一个最合理的词/符号/步骤”。它能做数学是因为训练数据里有海量数学文本模型学会了数学语言的结构和常见证明模式。所以把Claude放在数学推理任务里它更像一个“看过海量棋谱的棋手”能快速提出很多有希望的候选招法但每个招法是不是正确不能只靠它自己判断。它需要在外部验证器、代码脚本、穷举检查里走一遍才能知道哪些候选真正成立。真正的突破在于过去我们靠数学家在大脑里做搜索一个人同时只能维护几条路径。AI则可以把搜索做大几个数量级生成大量局部路径再用验证器快速淘汰。这就是“生成加验证”的闭环。2.2 为什么黎曼猜想会卡住而局部问题却能突破黎曼猜想这种级别的问题难点在于证明链条太长且每一步都需要新的概念构造。语言模型擅长的是“在已知结构里找到常见模式的组合”而不是从零创造跨领域的新概念。但很多具体的数学问题并不是这种类型。比如某个组合不等式是否还能改进某个图论问题的下界能不能往上提一点在给定限制条件下是否存不存在反例这类问题通常边界清晰验证成本低适合用程序去搜索。AI生成候选然后用Python、SageMath或定理证明器去验证就能在较短时间内覆盖大量情况。这次所谓“刷新37年纪录”很可能就属于这种模式模型在大量生成、验证、回滚的过程中找到了一个人类此前没有尝试过的构造。这解释了“失败”和“意外”为什么能同时发生黎曼猜想的证明路径太长最终失败但搜索过程中遇到的一个局部子问题反而被提前解决了。这种现象在数学发现史上并不少见许多大证明的副产品最后都变成了独立的研究成果。2.3 “可验证”才是AI数学推理的关键增量如果只看AI生成的文本它说得再漂亮也只是“可能正确”。数学共同体能认可一个新结果前提是它可以被独立验证。所以AI辅助数学研究最核心的变化不是AI能“写证明”而是它和“可验证计算”绑定在了一起。把AI生成的候选步骤丢进验证器能通过才算是结果不能通过就继续迭代。换句话说AI负责“产生想法”机器和人工负责“确认想法”。错误会被过滤而不是被包装成新发现。这次新闻里强调“意外”反而说明模型并不是一开始就朝着这个纪录去的而是在大量试错里偶然撞到。这种偶然性正是搜索型代理和传统证明型工具最大的不同。它不会像人类一样只沿着“看起来合理”的方向前进它会浪费大量算力在奇怪的地方但正是那些奇怪的地方偶尔藏着人类忽略的结构。3. 把Claude Code变成数学研究助手一个可落地的实操路径3.1 为什么选择能执行代码的模型工具而不是普通对话框普通聊天式AI可以帮你解释数学概念、给出证明思路但它有一个明显问题它没法自己运行你给的脚本也没法根据报错信息自动修正。你需要在“AI对话窗口”和“终端”之间来回切换把自己变成一个接线员。Claude Code这类命令行工具把两者合并了它可以直接读写文件、执行命令、查看运行结果、再根据结果修改策略。对数学研究或数学实验来说这非常重要因为流程常常是你提出一个假设。写一段脚本验证有限情况。发现反例。修改假设再验证。反复多轮。过去这个循环需要你自己动手跑每一步。现在模型可以替你把循环跑起来你只需要清晰说明目标和约束。它更像是你的“实验助理”不只是“顾问”。注意Claude Code的安装和配置会随官方版本更新变化。下面只是通用流程落地前一定先查官方文档不要拿过时博客里的命令硬套。3.2 最小可用的数学辅助流程如果你想在具体研究里试用一下我建议从“最小可用闭环”开始不要在第一天就让它去证明大定理。第一步选一个非常小的数学命题。比如“验证一下在某个范围内不等式是否成立”或者“找一个反例”。第二步让Claude Code生成脚本并运行。先拿一个简单的数论验证当示例# 示例验证在 n4 到 100 范围内n^2 2^n 是否成立 bad [] for n in range(4, 101): if n**2 2**n: bad.append(n) print(反例:, bad if bad else 无反例范围内全部成立)这是一个很基础的验证但工作流是一样的模型生成代码你运行它看到结果再继续解释。真正复杂的问题是逐步迭代出来的。第三步在脚本验证通过后让模型把“验证过程”翻译成“证明思路”。你可以问“刚才那段脚本验证了有限范围。如果要证明所有 n≥4 都成立应该用归纳法还是直接构造函数请给出证明提纲。”这一步非常关键。因为验证只能说明样本里没出错不能说明对所有情况都成立。你要让AI回到数学证明而不是停留在“跑通脚本”的层面。如果你用的是更专业的数论库可以先安装依赖再让Claude Code生成脚本pip install sympy然后给它一个任务# 示例在小范围内验证哥德巴赫猜想偶数可拆成两个素数之和 import sympy as sp def check_goldbach(limit): for n in range(4, limit, 2): found False for p in range(2, n): if sp.isprime(p) and sp.isprime(n - p): found True break if not found: return n return None counterexample check_goldbach(1000) print(找到反例:, counterexample if counterexample else 在4~1000偶数范围内没有反例)这段代码不算复杂但它代表了一类典型用法让AI替你完成“数值搜索反例查找”这条腿然后再回到数学证明这条腿上。3.3 安装与配置中最常见的几个“坑”Claude Code相关的网络搜索里出现频率最高的几个问题我在实际使用中也遇到过。这里整理成一条排查链路免得你卡在第一步。先看命令是否被识别。安装完成后在终端输入claude --version如果系统提示“claude无法识别”“不是内部或外部命令”说明CLI没有正确加入PATH。常见解法是检查全局安装路径是否在PATH中然后重启终端或者重新安装。再检查安装过程是否完整。有用户会遇到类似“native binary not installed”或“postinstall did not run”的报错。这种通常是安装过程中权限不足、网络中断或包管理器没执行完完整的安装脚本。处理方式是重新安装注意不要用sudo乱改权限避免权限污染。然后是版本和模型名问题。如果你用了第三方模型接入或者当前版本还不认识某个模型名运行时会出现类似“model not recognized”的报错。这时候不要猜直接看当前版本的模型支持列表或用官方默认模型跑通一次再说。最后看运行时的配额和请求限制。像“529”这类错误通常和短时间请求过多、服务端过载或订阅配额有关。遇到这种情况先停掉批量循环降低并发等症状缓解再继续不要反复重试把问题放大。注意如果某个安装教程里出现“绕过验证”“破解订阅”“跳过登录”这类方案直接不要看。合规、稳定、可长期维护才是做研究工具的前提。3.4 给Claude设计数学任务的提示词模板很多人在用AI做数学时只是丢一句“帮我证明这个定理”。这个问法太开放AI很容易给出“看起来合理但经不起推敲”的文本。我自己常用一个更结构化的模板你是一个数学研究助理。我要验证或证明下面这个命题 [命题文本] 请按下面结构输出 1. 已知条件和目标结论 2. 三条可能的证明路径不要只给一条 3. 推荐先验证哪个子问题并给出理由 4. 可以用于数值验证的Python/SageMath脚本 5. 你现在最不确定的步骤以及如何验证它。 注意任何结论都必须说明是“已知事实”“推断”还是“待验证”。这个模板的价值是让模型把不确定性显式地标出来。AI生成的数学文本很容易自信过头如果你不要求它标注“待验证”它可能会把推测当成结论写出来。一旦你要求它区分已知和推测它至少会收敛很多。4. 盲目相信输出一定会翻车适用边界与排查思路4.1 哪些数学任务适合交给AI哪些不适合不是所有数学问题都适合交给Claude做。我把常见任务分成适合和不适合两类方便你快速判断。适合的任务数值实验和反例查找在给定范围内搜索反例验证猜想是否可能成立。生成候选构造比如图论里的着色、组合设计、不等式中的测试函数。化简冗长表达式把符号计算里的中间步骤交给AI整理再由人工检查。把已知证明从“概括”变成“程序化验证脚本”用代码验证某个中间引理。不适合的任务证明黎曼猜想、哥德巴赫猜想这种超大规模开放问题。需要创造全新数学对象、没有清晰验证标准的问题。完全依赖自然语言、没有可计算验证手段的“伪命题”。对正确性要求极高且没有任何外部检查工具的形式化证明。一个简单判断标准如果一个问题没有“快速判断结果对不对”的办法那AI的输出就很容易变成幻觉放大器。反过来如果一个问题能写成脚本验证AI才有发挥搜索优势的空间。4.2 验证AI数学输出的“四层检查”在把AI的结果当成“新发现”之前至少要过四层检查。第一层是“代码能跑吗”。很多问题会卡在最基础的语法和依赖上。让Claude Code生成脚本后先确认脚本能运行、输出格式符合预期。第二层是“数值范围够吗”。如果只验证了1到100那只能说明这个范围内没反例。需要适当扩大范围、增加随机样本、覆盖极端值才能提高置信度。第三层是“逻辑能还原吗”。脚本验证通过后要要求AI把验证过程改写成一个可以被人工理解的分步骤证明。如果它写不出或者每一步都依赖“显然”那就要警惕。第四层是“外部验证”。真正严肃的数学结论最后要经过同行评审或形式化验证器的确认。AI和代码只能帮你发现线索不能替代这个环节。4.3 一套可以反复使用的“AI辅助数学研究”工作流综合前面的内容沉淀一套我建议的通用工作流定义问题把目标写成“如果…那么…”的命题明确条件和结论。拆分子目标把问题拆成几个能独立验证的引理或反例测试。生成候选路径让AI给出至少三条思路并配一个验证脚本。快速验证运行脚本记录所有反例、边界条件和异常输出。循环修正把失败信息重新丢给AI让它调整假设和构造。人工审查从数值结果回到数学证明检查逻辑链是否完整。沉淀记录保存最终脚本、日志和推理过程方便复现和后续迭代。这套流程的核心理念不是“让AI给出答案”而是“让AI帮你更快地搜索答案同时保留验证过程”。即使某次结果失败了失败记录本身也是信息。下一次可以把“已知不成立的方向”排除掉减少重复劳动。4.4 长期来看这件事会改变什么这次Claude挑战黎曼猜想的事件如果放到更长的时间尺度里看最可能改变的不是“会不会证明大定理”而是数学科研的日常流程。以前一个数学家想验证一个猜想可能要自己写很多代码、试很多例子、排查很多路径。这个过程很耗时也是很多灵感被扼杀的地方。现在AI可以承担前期的高通量搜索和琐碎验证让研究者把精力放在更有创造性的判断上哪些问题值得继续追哪些反例值得深入理解。但这并不意味着数学家会被替代。恰恰相反一个能提出好问题、能把问题拆成可验证子目标、能审慎看待AI输出的人会变得更有价值。AI是“生成器”人类是“判别器”。生成器负责扩大搜索空间判别器负责判断哪些方向真正值得花时间。如果你在研究或学习数学我的建议是先不要幻想“用AI证明一个大猜想”。先把“用AI做实验、用脚本做验证、用人工做判断”这套工作流跑通积累几个真正被验证过的小结果。当这套流程稳定了再尝试把它扩展到更复杂的问题上。这才是这次新闻里最值得学习的部分。