业余爱好者用ChatGPT单提示解决60年Erdős未解问题：实用提示工程技巧

它不再是单纯的信息载体，而是帮助用户理清思路、形成判断的认知工具。

表面上，这件事被媒体和网友迅速包装成“业余+AI轻松破难题”的故事。不少报道强调“23岁小伙一键破解60年老问题”，Hacker News和Reddit上热议AI是否即将取代专业数学家，或者它只是一个高效工具。部分观点兴奋于数学研究门槛降低，另一些则担忧传统严谨证明路径会被随意“vibe mathing”取代。这些讨论抓住了事件的戏剧性，却往往停留在结果层面。

GPT-5.4 Pro生成的证明则完全绕开了这一惯性。它没有遵循常见的概率转向，而是坚持纯分析路径，巧妙调用了已有90年历史的von Mangoldt权重函数。该函数通过∑_{d|n} Λ(d) = log n这一基本恒等式，精准刻画整数的因子结构，同时融入类似Markov链的思路来“解剖”大整数的分布。

深层来看，这次事件的核心在于AI通过“vibe mathing”式的直觉提示，连接了不同数学领域，打破了人类长期形成的集体盲区。Erdős问题1196本质上考察原始集在数轴远端的行为：当只看大于x的元素时，那部分求和能否控制在1加上随x变大的对数项衰减误差内。传统刷题式自学往往卡在固定路径上，而问题驱动+AI迭代则允许模型尝试von Mangoldt函数结合Markov链视角，避开之前障碍。这个逻辑成立。

他们的这种随意实验背景，与60年专业努力形成了鲜明对比。

那个普通下午，Price用单次提示描述了Erdős Problem #1196的核心，没有预设复杂路径或背景铺垫。GPT-5.4 Pro花了整整80分钟推理，输出一份粗糙却包含全新连接的证明。Price把结果贴到erdosproblems.com论坛，很快吸引注意。他的合作者迅速联系专家，确认证明成立且方法独特。陶哲轩等数学家指出，人类多年来习惯从分析工具直接切入，却在第一步就集体走偏，而AI没有继承这种路径依赖。

这个事件对AI在专业领域的应用提供了另一种观察视角。提示工程不再局限于内容生成或代码辅助，而是能引导模型绕过人类路径依赖，产出反直觉的结构连接。许多从业者在调试或策略规划中已偶尔遇到类似“意外思路”，但像这样直接影响60年数学难题的案例，仍属罕见。它提示我们，未来人机协作的深度，或许远超当前想象。数据支持这个方向，但样本量有限，行业内仍有不同声音。

深层来看，这起事件戳中了人类思维的集体盲区。Tao指出，许多研究者习惯从标准路径出发，导致后续努力事倍功半。AI因缺乏这些先入为主的框架，反而能发现意想不到的连接，比如将von Mangoldt函数与原始集问题结合。对SEO内容创作者而言，这是一个清晰信号：传统niche数学或科技话题写作常卡在“切入角度雷同”上，大家内容高度相似，搜索意图虽强却难脱颖而出。

媒体和网友的最初反应多集中在“AI取代专家”的叙事上。不少讨论称一个无专业训练的23岁年轻人“秒杀”了60年难题，社交平台上充斥着“普通人也能攻克世界级问题”的感慨。Terence Tao在相关评论中指出，人类此前在问题起点集体走了一点小弯路，存在某种心理障碍，导致标准路径反复受阻。他同时提到，这次AI生成的联系可能打开整数结构与Markov过程的新视角。

从历史脉络看，此前AI在Erdős问题上的许多成果更接近文献重组或已知技巧的应用，而这次事件中，AI引入了von Mangoldt函数与Markov链的结合——一个90年历史的工具，却从未以这种方式用于原始集问题。数据支持这个方向，但样本量仍有限。区别在于，这次的时间窗口可能短得多：随着模型迭代，类似单提示突破或将不再是孤例，但若多数输出仍需专家“救场”，AI在数学中的角色就更多是生产力放大器，而非独立创造者。这个逻辑成立。

这件事比单纯的“AI又解题了”复杂得多。它提示我们，在专业领域，最新大模型的最大潜力在于生成那些看似跳跃却携带新鲜视角的内容，随后由领域专家提炼。普通科技从业者或数学爱好者不妨尝试类似路径：将复杂问题拆成简单提示输入模型，留意那些粗糙但有洞见的片段，再结合人工分析。未来这样的AI+人类故事会否越来越多，现在下结论为时尚早，但方向已足够清晰。

短期波动难免，但长期逻辑仍在，关键在于如何平衡风险与机会。