中文 | English
把一个数学问题放进空文件夹，AlphaSolve 自主探索直到解决——产出自然语言证明，支持断点续研与人机协作。
AlphaSolve 是一个多智能体数学定理证明系统。它把 LLM 组织成一条可持续运行的研究流水线：
- Orchestrator 规划研究方向，派出多个 Worker 并行尝试
- Generator 提出猜想和证明，Verifier 从不同角度严格审查，Reviser 修复漏洞
- TheoremChecker 判断已验证命题是否解决了原问题
- Curator 在后台持续整理探索过程中积累的知识
无人干预时，AlphaSolve 能自主运行数十小时。它尤其适合需要反复试错、积累中间引理的数学问题。
人类可以在任何时刻介入：往 verified_propositions 里手工添加命题、删除幻觉内容、在 knowledge/references 中放入论文或笔记——AlphaSolve 会在运行时自动读取这些干预。
本节面向没有编程经验的数学工作者和数学系学生，跟着做就行。
AlphaSolve 需要调用大语言模型来推理。推荐 DeepSeek（国内手机号直接注册，新用户有免费额度）。
- 打开 https://platform.deepseek.com/ ，注册账号
- 进入「API Keys」页面，点击 创建 API Key，复制密钥（格式类似
sk-xxxxxxxxxxxxxxxx）——密钥只显示一次，立即保存
把密钥设为永久环境变量（只需一次）：
- 按
Win键，输入**「环境」，打开「编辑系统环境变量」** - 点击**「环境变量(N)…」** → 「系统变量(S)」 下点击**「新建(W)…」**
- 变量名：
DEEPSEEK_API_KEY，变量值：粘贴密钥 - 全部点**「确定」**关闭
打开终端（Win + R → 输入 cmd → 回车），粘贴运行：
curl -fsSL https://raw.githubusercontent.com/tanzcoding/AlphaSolve/main/install.bat -o install.bat && install.batmacOS / Linux：
curl -fsSL https://raw.githubusercontent.com/tanzcoding/AlphaSolve/main/install.sh | sh
脚本自动安装 uv、下载 AlphaSolve 和依赖。不需要单独装 Python。完成后 alphasolve 命令全局可用。
- 新建一个空白文件夹（比如桌面上的
my_problem） - 在里面新建文件
problem.md（注意后缀是.md不是.txt） - 用记事本打开，用数学语言写下你想证明的命题
问题描述要完整，包含全部条件和结论。不要写笼统方向如「把某某推广到某某」。推荐 LaTeX：
证明：对于任意正整数 n，前 n 个正整数的立方和等于前 n 个正整数和的平方，即
$$\sum_{k=1}^n k^3 = \left(\sum_{k=1}^n k\right)^2$$
- 保存文件
- 在文件夹空白处右击 → 「在终端中打开」
- 输入
alphasolve回车
你会看到实时面板，显示各阶段进度。不要关终端，让它跑。想停就关窗口或 Ctrl+C。
运行结束后文件夹下会生成：
| 输出 | 说明 |
|---|---|
solution.md |
完整证明（问题解决时出现） |
workspace/verified_propositions/ |
所有已验证的中间命题 |
workspace/knowledge/ |
运行过程中积累的数学知识和思路 |
中途停止后再在同一文件夹运行 alphasolve，会自动接续——已验证命题和知识库直接复用。
AlphaSolve 的研究流程像一个不断循环的实验室：
problem.md
│
▼
┌─ Orchestrator ─────────────────────────────────────────────────┐
│ 阅读 verified_propositions 和 knowledge │
│ 制定方向，派出 Worker │
│ 等待结果，决定下一步 │
└────────────────────────────────────────────────────────────────┘
│ spawn_worker(hint)
▼
┌─ Worker ───────────────────────────────────────────────────────┐
│ │
│ Generator ──→ 写出命题（猜想 + 证明草稿） │
│ │ │
│ ▼ │
│ Verifier ×4 ──→ 四种审查策略独立审查 │
│ │ citation │ failure_modes │
│ │ stepwise │ premise_chain │
│ ▼ │
│ 审查未通过？──→ Reviser 修复，再回到 Verifier │
│ │ （最多 6 轮） │
│ ▼ │
│ 审查通过 ──→ TheoremChecker 判断是否解决了原问题 │
│ │ （5 次独立检查） │
│ ▼ │
│ 解决原问题 ──→ solution.md ✅ │
│ 否则 ──→ 命题进入 verified_propositions，供后续复用 │
│ │
└────────────────────────────────────────────────────────────────┘
│
▼ （同时，后台运行）
┌─ Curator ──────────────────────────────────────────────────────┐
│ 从 Worker 探索轨迹中提取数学知识 │
│ 整理写入 knowledge/，供所有 Worker 和 Orchestrator 阅读 │
│ 处理知识冲突、交叉验证 │
└────────────────────────────────────────────────────────────────┘
每个 Worker 是一条独立线程，运行完整的 生成 → 审查 → 修复 流水线。多个 Worker 可以并行——你可以用 --workers 4 控制并发数。
| 策略 | 审查角度 |
|---|---|
verifier_citation |
检查引用的已有命题是否被正确应用 |
verifier_failure_modes |
识别常见推理失效模式 |
verifier_stepwise |
逐步检查证明链条的每一步 |
verifier_premise_chain |
回溯前提链，检查是否有隐含的未声明假设 |
每轮审查中，这四种策略轮替运行。任何一轮发现问题，Reviser 就会修正后再重新审查。这就是为什么一个看似简单的命题可能经历多轮验证-修正才通过——每轮都是不同视角的严格审查。
AlphaSolve 不只是一个「按下就跑」的工具。你可以在任何时刻介入：
用 Markdown + LaTeX 写下你认为关键的命题，放入 workspace/verified_propositions/。AlphaSolve 续跑时会将其视为已验证命题，在此基础上继续探索。
如果 Verifier 未能捕获的幻觉渗入了 verified_propositions，手工删除即可，然后继续运行。
把论文摘要、关键定理、个人笔记（Markdown 格式）放入 workspace/knowledge/references/。Orchestrator 和 Worker 会阅读这些材料来引导后续方向。
在问题文件夹中创建 hint.md，写上解题提示或背景知识。AlphaSolve 启动时会读取它。
# 最简单：当前目录下有 problem.md 即可
alphasolve
# 指定问题和提示文件
alphasolve --problem ./problem.md --hint ./hint.md
# 调整并发和验证强度
alphasolve --workers 4 --verifier_scaling_factor 3 --max_verify_rounds 4
# 自定义 agent 配置
alphasolve --config ./my_config/
# 查看 tier 和 preset 列表（用于理解模型配置）
alphasolve --list-tiers
alphasolve --list-presets
# 通过 --env 临时设置环境变量（不修改系统）
alphasolve --env DEEPSEEK_API_KEY=sk-xxx
# 跳过 Wolfram 探测（加快启动）
alphasolve --no_wolfram_prime
# 调试日志（logs/ 下记录每个 agent 的详细行为）
alphasolve --debug
# 关闭实时面板
alphasolve --no_dashboard
# 交互式 Agent REPL（第二层单 agent 模式）
alphasolve --agent
# 单次 Agent 模式（非交互，输出结果后退出）
alphasolve --agent -p "证明 1+2+...+n = n(n+1)/2"
# 本地 demo（不调用 LLM）
alphasolve --demo| 参数 | 默认值 | 说明 |
|---|---|---|
--problem |
problem.md |
问题文件路径 |
--hint |
无 | 提示文件路径（不存在则忽略） |
--workers |
4 | 并发 worker 数 |
--config |
内置配置 | agents.yaml 路径或目录 |
--max_verify_rounds |
6 | 每个命题最大验证-修正轮数 |
--verifier_scaling_factor |
4 | 每轮独立验证次数 |
--subagent_max_depth |
1 | subagent 最大递归深度 |
--max_orchestrator_restarts |
50 | Orchestrator 最大重启次数 |
--debug |
false | 启用调试日志（logs/ 下记录每个 agent 的详细 trace） |
--tool_executor_size |
4 | Python 执行进程池大小 |
--no_wolfram_prime |
false | 跳过 Wolfram 探测 |
--no_dashboard |
false | 关闭实时终端面板 |
--agent |
false | 进入交互式 Agent REPL |
-p / --print |
无 | 单次 Agent 执行（需配合 --agent） |
--list-tiers |
false | 列出 tier 配置后退出 |
--list-presets |
false | 列出 preset 配置后退出 |
--env KEY=VAL |
无 | 临时环境变量（可重复使用） |
--demo |
false | 本地 demo（无 LLM 调用） |
AlphaSolve 用 Tier → Preset → 模型 的三层映射来配置模型，而不是逐个 agent 硬编码。
Tier 是三个档位，每个 agent 在 YAML 中声明自己属于哪个档位：
| Tier | 默认映射 | 用途 |
|---|---|---|
cheap |
deepseek-flash |
Curator、compute subagent 等后台/计算任务 |
balanced |
deepseek-pro |
Generator、Verifier、Reviser 等核心推理任务 |
max |
qwen-3.7-max |
Orchestrator（需要最强的规划能力） |
Preset 定义具体的 API 连接参数（endpoint、密钥环境变量、模型名、超时等）。查看全部 preset：
alphasolve --list-presets当前内置 preset 包括：deepseek-flash、deepseek-pro、parasail-deepseek、longcat、moonshot-kimi、volcano-doubao、volcano-deepseek、dashscope-deepseek、mimo、openrouter-gemini、deepseek-pro-anthropic、moonshot-kimi-anthropic、qwen-3.7-max。
在 ~/.alphasolve/ 下创建 tiers.yaml 和 presets.yaml，可以覆盖内置配置或新增自己的 preset。格式参考内置的 src/alphasolve/config/tiers.yaml 和 presets.yaml。
例如，想把 balanced 档位换成 Moonshot Kimi：
# ~/.alphasolve/tiers.yaml
cheap: deepseek-flash
balanced: moonshot-kimi
max: qwen-3.7-max用户文件与内置配置合并，用户文件优先。
根据使用的 provider 设置环境变量：
| 环境变量 | Provider |
|---|---|
DEEPSEEK_API_KEY |
DeepSeek |
ARK_API_KEY |
火山引擎（字节跳动） |
MOONSHOT_API_KEY |
Moonshot / Kimi |
DASHSCOPE_API_KEY |
阿里云 DashScope |
LONGCAT_API_KEY |
LongCat |
PARASAIL_API_KEY |
Parasail |
OPENROUTER_API_KEY |
OpenRouter |
MIMO_API_KEY |
小米 MIMO |
密钥可以通过三种方式提供（优先级从高到低）：
--env KEY=VAL命令行参数- 系统环境变量（即上面表格中的方式）
.env文件（项目目录下的.env或~/.alphasolve/.env）
也可以通过 ALPHASOLVE_CONFIG_DIR 环境变量改变配置目录的位置（默认 ~/.alphasolve/）。
AlphaSolve 可调用 Wolfram 内核做符号计算。未安装 Wolfram 时仍可正常运行（compute subagent 的 RunWolfram 工具会提示不可用）。
若 Wolfram 内核不在默认路径：
export WOLFRAM_KERNEL=/path/to/WolframKernel每个 agent 的 system prompt、工具列表、max_turns 等参数在独立 YAML 文件中配置：
src/alphasolve/solver/config/
agents.yaml ← 入口：全局参数和 agent 目录
agents/
orchestrator.yaml
generator.yaml
verifier.yaml
verifier_citation.yaml
verifier_failure_modes.yaml
verifier_stepwise.yaml
verifier_premise_chain.yaml
verifier_adversarial.yaml
reviser.yaml
theorem_checker.yaml
subagents/
compute_subagent.yaml
reasoning_subagent.yaml
numerical_experiment_subagent.yaml
curator.yaml
research_reviewer.yaml
可通过 --config 指定自己的配置目录（里面放同名 YAML 即可覆盖内置配置）。
| 参数 | 默认值 | 说明 |
|---|---|---|
max_verify_rounds |
6 | 每个命题最大验证-修正轮数 |
verifier_scaling_factor |
4 | 每轮独立验证次数（四种策略轮替） |
verifier_agents |
verifier_citation, verifier_failure_modes, verifier_stepwise, verifier_premise_chain |
Verifier 策略列表 |
subagent_max_depth |
1 | subagent 最大递归深度 |
max_orchestrator_restarts |
50 | Orchestrator 最大重启次数 |
CHECK_IS_THEOREM_TIMES（默认 5）控制定理检查的独立尝试次数，定义在 src/alphasolve/solver/wolfram_state.py。
CLI (alphasolve)
└── AlphaSolve.run() [solver/app.py]
├── Wolfram 内核探测
├── ExecutionGateway (Python / Wolfram 进程池)
├── CuratorQueue (后台知识管理 agent)
└── Orchestrator.run() [solver/orchestrator.py]
└── WorkerManager
└── Worker × N (线程) [solver/worker.py]
├── Generator
├── Verifier × verifier_scaling_factor
├── Reviser
└── TheoremChecker
| 组件 | Tier | 作用 |
|---|---|---|
| Orchestrator | max | 规划方向、派出 Worker、综述工作区状态；可调用 research_reviewer |
| Generator | balanced | 提出猜想和证明草稿 |
| Verifier (四种策略) | balanced | 从不同角度独立审查证明 |
| Reviser | balanced | 根据 Verifier 反馈修正命题 |
| TheoremChecker | balanced | 判断已验证命题是否解决了原问题 |
| Curator | cheap | 后台整理知识、处理冲突、交叉验证 |
| research_reviewer | balanced | 综述 verified_propositions/ 和 knowledge/，建议研究方向 |
| compute subagent | cheap | 配备 RunPython / RunWolfram 的计算 subagent |
| reasoning subagent | balanced | 纯数学推理 subagent（无计算工具） |
| numerical experiment subagent | cheap | 有界探索与局部数值实验 |
git clone https://github.com/tanzcoding/AlphaSolve.git
cd AlphaSolve
# uv（推荐）
uv tool install -e .
# pipx
pipx install -e .
# pip（开发模式）
pip install -e .使用 --debug 运行时，logs/ 下会记录每个 agent 的详细行为 trace：
logs/{run_id}/
orchestrator.log # Orchestrator 的每一次 LLM 调用、工具使用
curator/ # 每次 curator session 一个文件
20260428_153045.log
workers/
worker_{hash}.log # 每个 Worker 的完整 生成→审查→修正 流水线
- AI Mathematician (AIM) 及其开源实现 Carlos-Mero/AIM
- kimi-cli — 多个工具的参数设计和 tool result 格式参考了其写法