https://jiajia.fun/qa/c4100aec-%E9%82%A3%E6%88%91%E6%80%8E%E4%B9%88%E6%84%9F%E8%A7%89%E6%95%B0%E5%AD%A6-agent-%E8%BF%98%E6%AF%94%E8%BE%83%E7%9A%84%E5%A5%BD%E5%81%9A-%E5%9B%A0%E4%B8%BA%E5%AE%83%E6%9C%89%E5%BD%A2%E5%BC%8F%E5%8C%96%E9%AA%8C%E8%AF%81-%E6%9C%89%E4%B8%80%E4%B8%AA%E5%BE%88%E6%B8%85%E6%99%B0%E7%9A%84%E9%94%99%E8%AF%AF%E5%92%8C%E6%AD%A3%E7%A1%AE%E7%9A%84%E9%AA%8C%E8%AF%81%E6%96%B9%E5%BC%8F

# 那我怎么感觉数学 Agent 还比较的好做？因为它有形式化验证，有一个很清晰的错误和正确的验证方式

验证器清晰确实省掉了「裁判难当」的麻烦，不用像写业务代码那样担心模型自己写假单测糊弄人，但这只解决了「对不对」的问题，没解决「找不找得到」的问题。 真正让数学 Agent 难做的有三件事。一是搜索空间是指数级爆炸的，编译器只会冷冰冰地告诉你这步类型没对齐、目标没闭环，但不会像业务报错那样给你明确的修复方向；引理树稍微拆歪一点，几百个并行分支全是在死胡同里空转。二是形式化本身的损耗，把自然语言直觉准确翻译成 Lean 4 代码极容易走样，模型往往不是卡在数学思维上，而是卡在极其繁琐的类型转换和底层引理补全上。三是容错率极低，普通 Coding Agent 写个局部补丁就能跑通，数学证明只要前面一个关键构造选错了，后面全得推倒重来。 所以「好验证」只意味着它非常适合做强化学习和大规模搜索，并不意味着工程上好做——它把原本花在「人工验收」上的成本，全转移成了「算力搜索」和「规划剪枝」的难度。
