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

单纯的技巧积累，已经不足以应对日益复杂的竞争环境。

那次单次提示没有复杂的背景铺垫，只是直接描述了Problem #1196的核心。模型思考了整整80分钟，输出了一个粗糙却包含关键洞见的证明草案。Liam Price将结果贴到论坛，很快吸引了专家注意，包括Jared Lichtman和陶哲轩。验证过程显示，证明成立，而且方法避开了人类常见的“第一步走偏”——以往研究者倾向于快速转向概率或极限工具，而AI则停留在算术层面，利用von Mangoldt函数以意外方式连接除数链和马尔可夫过程。

表面上，这起事件被解读为AI数学能力的又一次跃进。Hacker News和Scientific American的报道中，网友惊呼一个门外汉武装ChatGPT就能攻克专业难题，业余爱好者参与前沿研究的门槛似乎大幅降低。陶哲轩提到这个问题“可能比想象中简单”，Jared Lichtman这位曾投入七年精力研究原始集的数学家也表示，AI给出的答案出乎意料。

这个问题源于1966年Erdős、Sárközy和Szemerédi的猜想，关注原始集（即集合中任意两不同元素互不整除的整数集）的渐近求和界限：对于任何原始集A，其大于x的元素a满足∑ 1/(a log a) ≤ 1 + O(1/log x)。

最近，一则关于Erdős问题1196的突破在数学社区迅速传播开来。23岁的Liam Price没有高等数学训练背景，却在一个闲散下午通过一次ChatGPT Pro提示，在大约80分钟内获得了该问题的完整证明路径。该问题围绕“原始集”展开，即一组正整数集合，其中任意两个不同元素互不整除，自1966年Erdős、Sárközy和Szemerédi提出相关猜想以来，已困扰数学家60年。

深入观察，这次事件的真正亮点在于“vibe mathing”的提示方式。Liam Price没有遵循传统文献综述和逐步推导的路径，而是让模型凭感觉探索连接。GPT-5.4 Pro意外地避开了从分析转向概率的常见“ gambit”，而是坚守算术框架，利用von Mangoldt权重构造了一种下向Markov链，近似保持了dn/(n log n)的测度。这一连接在人类先前工作中被直觉上的概率视角所掩盖，却提供了更干净的分析处理。

人类对这类问题的探索路径，往往从分析工具切入，随后自然转向概率方法。这种“分析转概率”的标准走法，从Erdős时代起就成为默认框架。Jared Lichtman等顶尖专家曾在相关原始集猜想上取得突破，却在1196这个渐近版本上耗费多年仍未突破。数据和历史记录显示，即使Fields Medal级别的合作者加入，研究者也难以摆脱早期步骤中隐含的微小偏差，这些偏差随时间积累，形成了难以察觉的思维盲区。

Erdős问题本身就带有强烈的众包基因。Erdős一生提出上千个开放猜想，鼓励全球学者协作攻克，而erdosproblems.com正是这种精神的现代延续，记录了大量未决问题并实时更新状态。AI的介入进一步加速了这一进程，让非专业人士也能通过有效提示贡献新思路。对比陶哲轩等专家此前用大模型辅助文献搜索或生成草稿的案例，这次事件的核心同样不是取代，而是人机协作：业余者提供问题框架和初始提示，模型生成意外连接，领域专家负责验证与完善。

判断Erdős问题是否适合AI尝试时，一个关键标准是问题陈述是否简洁且可形式化。#1196的核心就是primitive set的倒数加权和行为，逻辑结构直白。AI擅长解析这类清晰框架，能快速输出证明草稿或变体路径；初学者则容易抓住起点，通过OEIS序列辅助小数据验证。操作上，直接复制问题原文并附加“从基本数论角度找模式”的指令，往往就能启动有效探索。

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。

陶哲轩在讨论中指出，这条路线拒绝了自Erdős 1935年论文以来隐含的“gambit”，暴露了人类思维中路径依赖的盲区。

想玩一块1分跑的快群的规模化，仍处于早期摸索阶段。