Luhui_Dev

在平面上放置一些点，最多能让多少对点之间的距离恰好等于 1？ 这个连中学生都能理解的问题，困扰了数学家近八十年。匈牙利数学家保罗·埃尔德什曾猜测，随着点的数量增加，这类“单位距离点对”的最大数量，只

这段时间，我一直在关注 AI 参与数学研究的进展，也陆续读了一些研究论文、Agent 系统报告和公开审稿记录。 这篇文章是一次阶段性的整理。它试图结合具体案例，讲清楚目前数学研究 + AI 中的一些

面向应用研发、平台研发，以及使用 AI 编程工具的团队。 **省 Token 的重点，不是把提示词删短，而是让模型少做无效工作。** 重复读取、无关上下文、冗长输出和失败返工，都应进入优化范围。

刚开始做 Multi-Agent 时，很容易被它的形式吸引。 一个 Agent 负责规划，一个负责执行，一个负责审核。复杂一点，再加研究员、程序员、测试员和审核员。控制台里不断出现新的任务、消息和工

过去几年里，一个很明显的变化是，很多原本需要长期训练的“执行型技能”，正在快速变成可以调用的能力。 写代码、做设计、整理资料、写文案、分析数据、制作视频，这些事情过去往往对应一套完整的软件学习路径，

我们大概都遇到过这种场景：登录一个网站，先点一下“我不是机器人”，然后页面弹出九宫格，让你选出所有包含红绿灯、摩托车或者公交车的图片。点完一轮，又来一轮。有时候明明选对了，系统还是让你重试；如果你所在

接入大角几何 MCP 后，你不需要学习复杂的绘图命令。只要在 WorkBuddy 中描述图形、几何关系和导出要求，AI 就能调用大角几何完成作图、修改和导出。

过去几年，我们一直在解决如何让模型知道更多。 所以有了 RAG、Vector Database、Knowledge Graph 和更长的上下文。 现在 Agent 开始自己搜索、写代码、跑实验、生

从 Ralph Wiggum Loop、定时执行的 Claude Code，到 Codex 的 Goal、长时间运行任务和多 Agent 编排，越来越多的工具正在支持这种模式。OpenAI 甚至展示