北大數學家惲之瑋的AI警示：從證明藝術到提示詞工程，數學研究范式正在重塑

核心提示： 北大數學家惲之瑋教授公開分享其將GPT-5.3融入研究工作流，標志著頂尖學者正主動接納AI作為數學探索的核心工具。這一轉變正將數學研究從傳統的“證明藝術”推向“提示詞工程”的新范式，引發關于創造力本質與學科門檻的深度討論。

數學家的工作流革命：GPT-5.3的三重實戰應用

惲之瑋教授的實踐揭示了AI在數學研究中的具體切入點。首先，跨領域知識獲取成為首要用途。面對陌生的數學分支，研究者可通過精準提示詞，快速構建基礎知識框架，省去數周文獻泛讀時間。其次，創新想法驗證環節，AI能高效檢索海量文獻，判斷一個“瘋狂的idea”是否已被前人探索，極大降低重復研究風險。最后，繁瑣計算自動化讓研究者從機械勞動中解放，專注于核心邏輯構建。

從“證明藝術”到“提示詞工程”：范式轉移的爭議與現實

傳統數學研究強調直覺、靈感與嚴謹推導的“證明藝術”，其過程高度依賴個人天賦與長期積累。而AI工具的介入，正將關鍵技能轉向如何向AI精準描述問題、拆解復雜猜想、設計有效提示鏈。這種“提示詞工程”能力，使得擅長邏輯構建但知識面稍窄的研究者，能借助AI快速補足短板。爭議焦點在于：這究竟是增強了人類創造力，還是將其降格為“提問能力”？實際案例表明，AI在模式識別、文獻關聯、計算驗證上表現卓越，但提出全新數學結構、定義核心概念的突破性工作，仍牢牢掌握在人類數學家手中。

技術實用性解析：AI如何降低數學研究門檻

對于AI技術愛好者而言，數學研究的AI工具鏈已清晰可見。以GPT-5.3為例，其長上下文窗口可容納復雜證明草稿，進行連貫性檢查；代碼解釋器能直接運行數學軟件代碼，驗證猜想。開源模型如DeepSeek-Math、Qwen-Math在特定數學推理任務上已接近商業模型水平。這意味著，一名具備良好編程和提示工程能力的碩士生，完全可能借助AI工具，在組合優化、代數幾何等前沿領域做出有見地的工作。研究門檻從“必須掌握全部前置知識”轉向“能定義問題并有效調用AI資源”。

行業意義與生態關聯：龍蝦社區與AI Agent的協同潛力

在AI Agent生態中，龍蝦（Yitb） 等平臺正致力于構建專業化工作流。一個理想的數學研究Agent，可整合文獻檢索（如連接arXiv）、符號計算（如調用Wolfram Alpha）、證明輔助（如Lean4形式化驗證）等多個工具模塊。研究者只需提出高階目標，Agent便能自動規劃步驟、調用工具、生成報告。這并非取代數學家，而是將其從“全棧執行者”升級為“研究導演”。AI Agent平臺等Agent框架在任務拆解與工具編排上的進展，為這類復雜學術工作流提供了底層支持。

創造力本質的再思考：AI是杠桿而非替代

惲之瑋的案例最深刻的啟示在于對“創造力”的重新定義。AI將數學家的創造力從繁瑣執行層剝離，使其更聚焦于問題提出、概念創新與理論構建等高層活動。這類似于計算機將數學家從手算中解放，但并未削弱數學的深度。真正的挑戰在于教育：未來數學家的培養，需同時強化數學直覺與AI協作雙重能力。那些能提出絕妙提示詞、引導AI探索未知領域的學者，將獲得前所未有的研究杠桿。

行業展望與用戶行動建議

未來兩年，AI數學工具將向專業化、多模態、形式化驗證深度演進。建議AI愛好者：1. 實踐提示工程：嘗試用GPT-5.3或Claude解決具體數學問題，學習如何拆解復雜查詢；2. 關注開源生態：DeepSeek-Math、Qwen-Math等模型在數學推理上進步迅速，本地部署可保護研究隱私；3. 探索Agent工作流：在龍蝦等平臺嘗試構建自動化研究助手原型，體驗任務編排邏輯。數學研究的民主化浪潮已至，關鍵在于成為駕馭工具的人，而非被工具替代的人。