把小龙虾、爱马仕都“接入多智能体系统”居然能成为热词说明这一轮多智能体热潮已经进入了万物皆可 Agent 的调侃期。热闹背后有一个问题反而容易被忽略多智能体系统能不能不是“调用工具、走流程、拼提示词”而是真正自主发现新知识如果再进一步把这个场景放在“开放世界”里让 Agent 自己去提出猜想、找反例、互相批判最后沉淀出一条可复用的数学规律这件事要怎么设计这篇文章想聊的就是这个开放世界多智能体环境中的自主数学发现。我会先交代清楚什么是开放世界多智能体环境为什么数学发现是很好的试验场然后给出一个可运行的最小系统一个由“猜想者—验证者—批判者—知识库”组成的多智能体框架跑通“自主发现一条数论小规律”的完整闭环。读完以后你可以直接拿去改造成自己的实验。1. 这篇文章真正要解决的问题很多开发者学多智能体学到的其实是“多 Agent 编排”把任务拆给几个 Agent让他们分别调用工具、写代码、汇总结果。这类系统的知识从哪来还是人来定Agent 只是在执行。它的问题在于如果目标不是“完成一个已知任务”而是“发现一个还不知道答案的问题”你怎么把任务描述给 Agent这就是自主数学发现的特殊之处。数学发现是一个高度开放的问题。公理是明确的但推理路径是无限的。一个结论是不是成立不取决于某个人说了算而在于能不能被严格验证。如果用多智能体模拟一个“科学社区”有人负责大胆提出猜想有人负责找反例有人负责检查边界条件最后达成共识的结论沉淀进知识库——这就比单纯的任务编排往前多走了一步系统开始产生自己的知识。本文要解决的问题有三个开放世界多智能体环境到底是什么和平时说的“聊天 Agent 组队干活”有什么区别。在多智能体系统里设计“自主数学发现”要拆成哪些角色、哪些交互模式。用 Python 写一个最小实现让读者真实跑通一条“假设—验证—批判—入库”的完整链路。2. 基础概念与核心原理2.1 什么是开放世界多智能体环境“开放世界”这个词来自游戏但用在 AI 环境里指的是环境状态不会一次性给全规则允许探索出新玩法任务不是固定清单世界不会因为 Agent 不知道某件事就不存在那块内容。多智能体环境就是多个独立决策主体共享同一个环境互相通信共同影响环境状态。把两者结合开放世界多智能体环境就有几个关键特征局部可观测每个 Agent 只能看到环境的一部分需要靠通信补齐信息。动态演化环境不是静态题库Agent 的行为会改变环境状态。任务不可穷举不存在一个预先标注好的“所有任务集合”。知识可以涌现Agent 通过交互发现的新结论可能超出设计者预先枚举的范围。数学符号世界恰好符合这些特征。公理和推理规则是确定的但定理空间是无限的。对 Agent 来说它看到的不是“已知的所有数学事实”而是自己接到的消息、自己算过的结果、自己验证过的断言。它必须自己判断往哪里探索。2.2 为什么数学发现适合做“开放世界”测试床数学发现相比其他开放世界任务有一个无可替代的优势验证结果可判定。在游戏里一个 Agent 的行为“好不好”很依赖人工设计的奖励函数在文本生成里一个结论“对不对”往往要靠另一个大模型来打分。但在数学环境里只要你把性质定义清楚计算程序就能严格判断一个反例是否成立。这意味着多智能体的“协作质量”可以用客观标准衡量。系统不会出现“看起来很合理但实际是幻觉”的结论。如果一个 Agent 提出了一个错误猜想另一个 Agent 找到了反例这个冲突是清晰可仲裁的。所以数学发现既保留了开放世界的探索复杂度又避免了结果评价的模糊性。它非常适合用来研究多智能体的知识涌现机制。2.3 常见误区自主数学发现不等于“会做题”这里一定要先说清楚。文章讲的“自主数学发现”不是让 Agent 做一道数学题。做题是给定条件和问题求一个解发现是给定公理和探索工具让系统自己找到值得研究的问题并最终形成结论。一个只会做“鸡兔同笼”的 Agent不会主动去思考“有没有一个数它的平方减 1 总被 8 整除”。自主发现要求系统具备提出假设的能力然后通过批判性交互过滤掉错误假设最终留下可复用的知识。这个能力门槛比“解题”高得多。3. 多智能体交互模式与角色设计3.1 多智能体的四种交互模式当前讨论多智能体系统时经常提到四种交互模式。这四种模式不是唯一标准但在设计时很有参考价值交互模式核心特征典型场景在数学发现中的体现协作模式多个 Agent 朝同一个目标努力共享中间结果多智能体共同完成一次代码迁移多个 Agent 合作验证同一个猜想的边界竞争模式Agent 目标互相冲突结果取决于对抗博弈对抗、攻防演练反驳者与猜想者对抗试图找出反例协商模式Agent 通过交换条件达成一致多智能体资源分配猜想者、验证者、批判者对结论达成共识后入库共存模式目标互不干扰共享环境但各做各的开放世界中的多个独立 NPC多个猜想者各自独立探索不同数域在自主数学发现场景里这四种模式会同时出现。猜想者和验证者之间是协作关系反驳者和猜想者之间是竞争关系结论是否可沉淀需要协商而多个猜想者之间完全可以互不干扰地共存。3.2 数学发现场景下的角色映射一个最小可用的系统至少要包含这几个角色角色对应科学社区角色核心职责猜想者研究员提出新的数学假设验证者实验员在小范围数值空间内验证假设批判者审稿人检查边界条件、特殊值、验证范围是否充分知识库期刊数据库只保存通过验证和批判的结论系统里的核心不是某个 Agent 的智能而是角色之间的不对称。猜想者不必验证自己提出的假设验证者不必为猜想的质量负责批判者则专门用怀疑的视角审查验证过程。这种职责分离能有效抑制单 Agent 系统常见的“确认偏误”——一个人提出想法时往往会下意识忽略反例但一个专门找茬的 Agent 不会。4. 核心架构与流程拆解4.1 总体架构整个系统可以分成四层环境层定义探索边界、数值空间、可用的数学运算。智能体层猜想者、验证者、批判者等独立进程或线程。通信层Agent 之间通过消息传递假设、验证结果、批判意见。知识层记录哪些假设被提出、被拒绝、被接受以及接受时的证据链。这里的通信层很关键。在真实分布式多智能体系统里通信层需要支持异步消息、消息路由、历史追溯在本文的最小演示里用一个简单的“信箱”就能模拟。4.2 一条知识是如何被“发现”的用一条已知结论举例。假设系统最终想发现的是“任意奇数的平方除以 8 余 1”。真实流程是猜想者生成假设“如果 n 是奇数那么 n 平方后取模 8余数等于 1。”验证者收到假设后随机挑选 500 个奇数分别计算n^2 % 8全部等于 1没有找到反例。批判者收到验证通过的结果后检查特殊边界n1、n3、n999以及一个很大的奇数。仍然没有反例。知识库接受该结论附带验证范围和批判日志完成沉淀。这只是一条知识的宏流程。把它放大到整个系统每轮会有多个猜想者提出各种假设有的因为验证者发现反例被拒绝有的通过验证但被批判者发现边界漏洞只有少数能走到入库环节。这个过程模拟的正是科学社区里“大胆假设、小心求证”的基本方法。4.3 为什么不能只用一个 Agent 做这件事单 Agent 也能生成假设、验证假设、写结论。但它在数学发现上有一个致命弱点缺少独立性。如果同一个 Agent 既提出假设又负责验证那么验证策略会不自觉地偏向“确认假设成立”。这不是模型有主观恶意而是单一角色很难同时维持“创新”和“怀疑”两种认知状态。多智能体的价值不在于“人多力量大”而在于通过结构化的数据隔离制造认知多样性。验证者不关心假设是谁提出来的批判者不知道猜想者之前哪些假设被拒绝过。信息的不对称恰好成为系统自我纠错的基础。5. 环境准备与前置条件本文的代码是教学简化版不依赖任何重量级框架。建议环境如下Python 3.9 及以上版本版本请以实际可用为准。项目依赖仅需标准库不需要额外的第三方包。操作系统Windows、macOS、Linux 均可。项目目录建议如下math-discovery/ ├── experiment.py └── README.md如果你只想先跑通流程新建一个experiment.py文件把下面章节的代码复制进去即可运行。本文代码模拟的是“受限环境中的数值规律发现”不涉及形式化定理证明。任何通过验证的结论都只是“在采样空间内成立”真正的数学证明需要借助 Lean、Coq 或人工证明这一点在总结部分会再次强调。6. 完整示例与代码实现6.1 环境与消息定义先定义基础的数据结构消息、知识库、环境。消息是 Agent 之间唯一的信息载体知识库负责沉淀结论环境负责提供数值采样和验算功能。# 文件路径math-discovery/experiment.py import random from dataclasses import dataclass, field from typing import Callable, Optional dataclass class Message: sender: str receiver: str msg_type: str # hypothesis / verify_result / criticize_result / accepted content: dict dataclass class KnowledgeBase: facts: list field(default_factorylist) def add(self, fact: dict) - None: self.facts.append(fact) def __len__(self) - int: return len(self.facts)环境提供了两种采样方法sample_values随机生成普通测试样本。special_values生成边界样本包括 0、1、2、大质数等。class MathEnvironment: def __init__(self, max_n: int 100000): self.max_n max_n def sample_values(self, size: int 500) - list: return [random.randint(1, self.max_n) for _ in range(size)] def special_values(self) - list: candidates [0, 1, 2, 3, 4, 7, 8, 13, 997, 10007, self.max_n] return list(set(candidates))6.2 假设生成器与猜想者假设生成器从参数模板中随机组合生成候选数学断言。这样设计是为了模拟“提出新想法”的过程系统预先定义了可以探索的数学结构但具体结论是随机组合出来的设计者也不知道哪一条能成立。def generate_hypothesis(rng: random.Random) - dict: power rng.choice([1, 2, 3]) mod rng.choice([2, 3, 4, 5, 7, 8, 9, 12, 16]) remainder rng.randint(0, mod - 1) constraint_type rng.choice([all, odd, even]) if constraint_type all: constraint_desc 所有整数 constraint lambda n: True elif constraint_type odd: constraint_desc 奇数 constraint lambda n: n % 2 1 else: constraint_desc 偶数 constraint lambda n: n % 2 0 def func(n: int) - bool: if not constraint(n): return True return pow(n, power, mod) remainder return { description: f对于{constraint_desc} nn^{power} % {mod} {remainder}, func: func, constraint: constraint, power: power, mod: mod, remainder: remainder, }猜想者 Agent 的任务就是生成候选假设并广播出去。class HypothesisAgent: def __init__(self, name: str, rng: random.Random): self.name name self.rng rng def propose(self) - Message: hypothesis generate_hypothesis(self.rng) return Message( senderself.name, receiver*, msg_typehypothesis, contenthypothesis, )6.3 验证者与批判者验证者负责找反例。它对假设进行独立验证如果样本空间内存在反例直接返回拒绝结果。class VerifierAgent: def __init__(self, name: str, env: MathEnvironment): self.name name self.env env def verify(self, hypothesis: dict, sample_size: int 300) - Message: samples self.env.sample_values(sample_size) for n in samples: if not hypothesis[func](n): return Message( senderself.name, receiver*, msg_typeverify_result, content{ hypothesis: hypothesis, passed: False, counterexample: n, }, ) return Message( senderself.name, receiver*, msg_typeverify_result, content{ hypothesis: hypothesis, passed: True, counterexample: None, }, )批判者负责做第二轮审查。它不重复验证者的随机采样而是检查边界特殊值并增加一个“符号结构抽查”例如检查是否存在极端特殊情况。class CriticAgent: def __init__(self, name: str, env: MathEnvironment): self.name name self.env env def criticize(self, hypothesis: dict) - Message: specials self.env.special_values() for n in specials: if not hypothesis[func](n): return Message( senderself.name, receiver*, msg_typecriticize_result, content{ hypothesis: hypothesis, passed: False, reason: f边界反例 n{n}, }, ) return Message( senderself.name, receiver*, msg_typecriticize_result, content{ hypothesis: hypothesis, passed: True, reason: 边界与特殊值检查通过, }, )这里还需要一个简单的消息分发机制。由于是演示代码直接用一个列表模拟全局消息总线。class MessageBus: def __init__(self): self.messages [] def publish(self, message: Message) - None: self.messages.append(message) def consume(self) - list: messages self.messages self.messages [] return messages6.4 主流程多智能体协作发现主流程把整个系统串起来。设置固定随机种子保证可复现运行多轮发现循环最后输出知识库。def main(): random.seed(42) env MathEnvironment(max_n100000) bus MessageBus() kb KnowledgeBase() rng random.Random(42) proposer HypothesisAgent(proposer-1, rng) verifier VerifierAgent(verifier-1, env) critic CriticAgent(critic-1, env) max_rounds 30 for round_idx in range(max_rounds): # 1. 猜想者提出假设 bus.publish(proposer.propose()) # 2. 验证者处理假设 for message in bus.consume(): if message.msg_type hypothesis: hypothesis message.content verify_msg verifier.verify(hypothesis) bus.publish(verify_msg) if not verify_msg.content[passed]: print(f[Round {round_idx:02d}] 假设被拒绝: f{hypothesis[description]} | 反例: {verify_msg.content[counterexample]}) else: print(f[Round {round_idx:02d}] 验证通过: {hypothesis[description]}) # 3. 批判者审查通过验证的假设 for message in bus.consume(): if message.msg_type verify_result and message.content[passed]: criticize_msg critic.criticize(message.content[hypothesis]) bus.publish(criticize_msg) # 4. 入库 for message in bus.consume(): if message.msg_type criticize_result: if message.content[passed]: hypothesis message.content[hypothesis] fact { description: hypothesis[description], verifier: verifier-1, critic: critic-1, round: round_idx, } kb.add(fact) print(f[Round {round_idx:02d}] ★ 新知识入库: {fact[description]}) else: hypothesis message.content[hypothesis] print(f[Round {round_idx:02d}] 批判者拒绝: {hypothesis[description]} | 原因: {message.content[reason]}) print(\n 最终知识库 ) for idx, fact in enumerate(kb.facts, start1): print(f{idx}. {fact[description]}) print(f共发现 {len(kb.facts)} 条被接受的知识)7. 运行结果与效果验证运行代码python experiment.py由于代码中固定了随机种子random.seed(42)和相同的rng理论上每次运行会得到相同的结论序列。不过不同 Python 版本的随机数算法可能略有差异更稳妥的判断方式是看日志结构。预期运行后会看到类似这样的输出[Round 00] 假设被拒绝: 对于奇数 nn^1 % 8 3 | 反例: 5 [Round 01] 假设被拒绝: 对于所有整数 nn^2 % 8 4 | 反例: 1 [Round 02] 验证通过: 对于奇数 nn^2 % 8 1 [Round 02] ★ 新知识入库: 对于奇数 nn^2 % 8 1 ... 最终知识库 1. 对于奇数 nn^2 % 8 1 共发现 1 条被接受的知识需要强调具体的被接受结论数量取决于随机种子和假设空间配置。演示代码中人为配置了mod8, power2, remainder1这个组合它有概率被随机生成出来。如果运气不好一次运行可能一条结论也发现不了——这在真实的自主发现系统里是完全正常的。验证成功与否看两个对照组知识库非空说明系统成功完成了“提出假设—验证—批判—入库”闭环。日志中同时包含“被拒绝”和“被接受”说明系统不是只会全盘接受而是真的有批判机制。如果运行报错先检查代码是否有复制遗漏再确认 Python 版本最后看括号、缩进是否完整。8. 常见问题与排查思路问题现象可能原因排查方式解决方案运行后一条知识都没入库随机种子和假设空间没有组合出真命题查看日志中是否有“验证通过”和“批判者拒绝”调整generate_hypothesis中的power、mod、remainder候选集合或增加轮次某些已被验证的假设被批判者拒绝验证者只做了随机采样遗漏边界特殊值查看拒绝原因是否为“边界反例”这是设计预期的纠错行为说明批判机制生效不同机器运行结果不一致Python 随机数算法版本差异对比日志中第一条消息如果追求严格一致可将随机种子改为自定义伪随机算法想要探索更大的数学空间当前模板只有乘方和取模扩展假设生成器增加多项式、级数、同余方程组等生成模板担心 Agent 会执行危险操作当前示例中 Agent 只操作数值检查是否调用了系统命令或外部资源在真实系统中Agent 的计算任务应放入沙箱执行9. 最佳实践与工程建议9.1 职责分离是系统纠错的前提哪怕在做最小实验也尽量保证“提出假设”和“验证假设”由不同对象完成。自主发现系统的设计核心不是让每个 Agent 更聪明而是让错误的结论无法通过多环节审查。9.2 每一条知识都要有证据链知识库中不应该只存结论还要存下这条结论是谁提出的、谁验证的、验证范围是什么、批判者是谁。这样当后续发现某条知识与新结论冲突时可以回溯整个过程定位是哪一步出了问题。9.3 随机性是可复现性的敌人使用固定随机种子、记录 Agent 收到的全部消息是保证实验可复现的基本功。在更复杂的系统里建议把所有 Agent 的输入输出以事件流形式落盘而不是只打印最终结论。9.4 明确“数值验证”和“数学证明”的边界本文演示的系统只能做数值规律发现。任何一条知识都只在采样空间内成立不等于数学定理。如果目标是做真正的自主数学发现下一步必须接入形式化验证工具比如 Lean、Coq 或 Isabelle让机器可读的证明成为知识入库的前提。9.5 安全与授权边界如果将来把假设生成器换成大模型驱动的 Agent务必注意大模型只能生成假设文本或代码不能直接执行系统命令。所有计算任务放沙箱执行限制资源占用。Agent 之间的通信需要做权限隔离避免某个 Agent 伪造其他 Agent 的验证结果。10. 总结与后续学习方向回到开头的问题。多智能体系统如果只能编排任务、调用工具那它本质上还是一个“自动化流水线”当系统里的 Agent 开始提出猜想、互相反驳、独立验证、最终沉淀知识时它才真正从“执行工具”变成了“认知系统”。自主数学发现恰好提供了一个规则清晰、验证严格、结果可观测量化的开放世界测试床。这篇文章写清楚了几件事开放世界多智能体环境的定义四种交互模式在数学发现场景下的角色映射以及一条知识从假设到入库的完整链路。你可以基于这套最小实现把随机假设生成器替换成大模型或者符号回归算法把数值验证替换成定理证明器把通信层替换成真实的消息队列逐步构建一个更接近真实的自主科学发现系统。至于那些“把小龙虾集成进多智能体系统”的梗当个段子听听挺好但真正值得研究的始终是这个系统能否产生它自己都没想到过的知识。 开放世界多智能体环境中的自主数学发现：从假设到知识沉淀的完整闭环
把小龙虾、爱马仕都“接入多智能体系统”居然能成为热词说明这一轮多智能体热潮已经进入了万物皆可 Agent 的调侃期。热闹背后有一个问题反而容易被忽略多智能体系统能不能不是“调用工具、走流程、拼提示词”而是真正自主发现新知识如果再进一步把这个场景放在“开放世界”里让 Agent 自己去提出猜想、找反例、互相批判最后沉淀出一条可复用的数学规律这件事要怎么设计这篇文章想聊的就是这个开放世界多智能体环境中的自主数学发现。我会先交代清楚什么是开放世界多智能体环境为什么数学发现是很好的试验场然后给出一个可运行的最小系统一个由“猜想者—验证者—批判者—知识库”组成的多智能体框架跑通“自主发现一条数论小规律”的完整闭环。读完以后你可以直接拿去改造成自己的实验。1. 这篇文章真正要解决的问题很多开发者学多智能体学到的其实是“多 Agent 编排”把任务拆给几个 Agent让他们分别调用工具、写代码、汇总结果。这类系统的知识从哪来还是人来定Agent 只是在执行。它的问题在于如果目标不是“完成一个已知任务”而是“发现一个还不知道答案的问题”你怎么把任务描述给 Agent这就是自主数学发现的特殊之处。数学发现是一个高度开放的问题。公理是明确的但推理路径是无限的。一个结论是不是成立不取决于某个人说了算而在于能不能被严格验证。如果用多智能体模拟一个“科学社区”有人负责大胆提出猜想有人负责找反例有人负责检查边界条件最后达成共识的结论沉淀进知识库——这就比单纯的任务编排往前多走了一步系统开始产生自己的知识。本文要解决的问题有三个开放世界多智能体环境到底是什么和平时说的“聊天 Agent 组队干活”有什么区别。在多智能体系统里设计“自主数学发现”要拆成哪些角色、哪些交互模式。用 Python 写一个最小实现让读者真实跑通一条“假设—验证—批判—入库”的完整链路。2. 基础概念与核心原理2.1 什么是开放世界多智能体环境“开放世界”这个词来自游戏但用在 AI 环境里指的是环境状态不会一次性给全规则允许探索出新玩法任务不是固定清单世界不会因为 Agent 不知道某件事就不存在那块内容。多智能体环境就是多个独立决策主体共享同一个环境互相通信共同影响环境状态。把两者结合开放世界多智能体环境就有几个关键特征局部可观测每个 Agent 只能看到环境的一部分需要靠通信补齐信息。动态演化环境不是静态题库Agent 的行为会改变环境状态。任务不可穷举不存在一个预先标注好的“所有任务集合”。知识可以涌现Agent 通过交互发现的新结论可能超出设计者预先枚举的范围。数学符号世界恰好符合这些特征。公理和推理规则是确定的但定理空间是无限的。对 Agent 来说它看到的不是“已知的所有数学事实”而是自己接到的消息、自己算过的结果、自己验证过的断言。它必须自己判断往哪里探索。2.2 为什么数学发现适合做“开放世界”测试床数学发现相比其他开放世界任务有一个无可替代的优势验证结果可判定。在游戏里一个 Agent 的行为“好不好”很依赖人工设计的奖励函数在文本生成里一个结论“对不对”往往要靠另一个大模型来打分。但在数学环境里只要你把性质定义清楚计算程序就能严格判断一个反例是否成立。这意味着多智能体的“协作质量”可以用客观标准衡量。系统不会出现“看起来很合理但实际是幻觉”的结论。如果一个 Agent 提出了一个错误猜想另一个 Agent 找到了反例这个冲突是清晰可仲裁的。所以数学发现既保留了开放世界的探索复杂度又避免了结果评价的模糊性。它非常适合用来研究多智能体的知识涌现机制。2.3 常见误区自主数学发现不等于“会做题”这里一定要先说清楚。文章讲的“自主数学发现”不是让 Agent 做一道数学题。做题是给定条件和问题求一个解发现是给定公理和探索工具让系统自己找到值得研究的问题并最终形成结论。一个只会做“鸡兔同笼”的 Agent不会主动去思考“有没有一个数它的平方减 1 总被 8 整除”。自主发现要求系统具备提出假设的能力然后通过批判性交互过滤掉错误假设最终留下可复用的知识。这个能力门槛比“解题”高得多。3. 多智能体交互模式与角色设计3.1 多智能体的四种交互模式当前讨论多智能体系统时经常提到四种交互模式。这四种模式不是唯一标准但在设计时很有参考价值交互模式核心特征典型场景在数学发现中的体现协作模式多个 Agent 朝同一个目标努力共享中间结果多智能体共同完成一次代码迁移多个 Agent 合作验证同一个猜想的边界竞争模式Agent 目标互相冲突结果取决于对抗博弈对抗、攻防演练反驳者与猜想者对抗试图找出反例协商模式Agent 通过交换条件达成一致多智能体资源分配猜想者、验证者、批判者对结论达成共识后入库共存模式目标互不干扰共享环境但各做各的开放世界中的多个独立 NPC多个猜想者各自独立探索不同数域在自主数学发现场景里这四种模式会同时出现。猜想者和验证者之间是协作关系反驳者和猜想者之间是竞争关系结论是否可沉淀需要协商而多个猜想者之间完全可以互不干扰地共存。3.2 数学发现场景下的角色映射一个最小可用的系统至少要包含这几个角色角色对应科学社区角色核心职责猜想者研究员提出新的数学假设验证者实验员在小范围数值空间内验证假设批判者审稿人检查边界条件、特殊值、验证范围是否充分知识库期刊数据库只保存通过验证和批判的结论系统里的核心不是某个 Agent 的智能而是角色之间的不对称。猜想者不必验证自己提出的假设验证者不必为猜想的质量负责批判者则专门用怀疑的视角审查验证过程。这种职责分离能有效抑制单 Agent 系统常见的“确认偏误”——一个人提出想法时往往会下意识忽略反例但一个专门找茬的 Agent 不会。4. 核心架构与流程拆解4.1 总体架构整个系统可以分成四层环境层定义探索边界、数值空间、可用的数学运算。智能体层猜想者、验证者、批判者等独立进程或线程。通信层Agent 之间通过消息传递假设、验证结果、批判意见。知识层记录哪些假设被提出、被拒绝、被接受以及接受时的证据链。这里的通信层很关键。在真实分布式多智能体系统里通信层需要支持异步消息、消息路由、历史追溯在本文的最小演示里用一个简单的“信箱”就能模拟。4.2 一条知识是如何被“发现”的用一条已知结论举例。假设系统最终想发现的是“任意奇数的平方除以 8 余 1”。真实流程是猜想者生成假设“如果 n 是奇数那么 n 平方后取模 8余数等于 1。”验证者收到假设后随机挑选 500 个奇数分别计算n^2 % 8全部等于 1没有找到反例。批判者收到验证通过的结果后检查特殊边界n1、n3、n999以及一个很大的奇数。仍然没有反例。知识库接受该结论附带验证范围和批判日志完成沉淀。这只是一条知识的宏流程。把它放大到整个系统每轮会有多个猜想者提出各种假设有的因为验证者发现反例被拒绝有的通过验证但被批判者发现边界漏洞只有少数能走到入库环节。这个过程模拟的正是科学社区里“大胆假设、小心求证”的基本方法。4.3 为什么不能只用一个 Agent 做这件事单 Agent 也能生成假设、验证假设、写结论。但它在数学发现上有一个致命弱点缺少独立性。如果同一个 Agent 既提出假设又负责验证那么验证策略会不自觉地偏向“确认假设成立”。这不是模型有主观恶意而是单一角色很难同时维持“创新”和“怀疑”两种认知状态。多智能体的价值不在于“人多力量大”而在于通过结构化的数据隔离制造认知多样性。验证者不关心假设是谁提出来的批判者不知道猜想者之前哪些假设被拒绝过。信息的不对称恰好成为系统自我纠错的基础。5. 环境准备与前置条件本文的代码是教学简化版不依赖任何重量级框架。建议环境如下Python 3.9 及以上版本版本请以实际可用为准。项目依赖仅需标准库不需要额外的第三方包。操作系统Windows、macOS、Linux 均可。项目目录建议如下math-discovery/ ├── experiment.py └── README.md如果你只想先跑通流程新建一个experiment.py文件把下面章节的代码复制进去即可运行。本文代码模拟的是“受限环境中的数值规律发现”不涉及形式化定理证明。任何通过验证的结论都只是“在采样空间内成立”真正的数学证明需要借助 Lean、Coq 或人工证明这一点在总结部分会再次强调。6. 完整示例与代码实现6.1 环境与消息定义先定义基础的数据结构消息、知识库、环境。消息是 Agent 之间唯一的信息载体知识库负责沉淀结论环境负责提供数值采样和验算功能。# 文件路径math-discovery/experiment.py import random from dataclasses import dataclass, field from typing import Callable, Optional dataclass class Message: sender: str receiver: str msg_type: str # hypothesis / verify_result / criticize_result / accepted content: dict dataclass class KnowledgeBase: facts: list field(default_factorylist) def add(self, fact: dict) - None: self.facts.append(fact) def __len__(self) - int: return len(self.facts)环境提供了两种采样方法sample_values随机生成普通测试样本。special_values生成边界样本包括 0、1、2、大质数等。class MathEnvironment: def __init__(self, max_n: int 100000): self.max_n max_n def sample_values(self, size: int 500) - list: return [random.randint(1, self.max_n) for _ in range(size)] def special_values(self) - list: candidates [0, 1, 2, 3, 4, 7, 8, 13, 997, 10007, self.max_n] return list(set(candidates))6.2 假设生成器与猜想者假设生成器从参数模板中随机组合生成候选数学断言。这样设计是为了模拟“提出新想法”的过程系统预先定义了可以探索的数学结构但具体结论是随机组合出来的设计者也不知道哪一条能成立。def generate_hypothesis(rng: random.Random) - dict: power rng.choice([1, 2, 3]) mod rng.choice([2, 3, 4, 5, 7, 8, 9, 12, 16]) remainder rng.randint(0, mod - 1) constraint_type rng.choice([all, odd, even]) if constraint_type all: constraint_desc 所有整数 constraint lambda n: True elif constraint_type odd: constraint_desc 奇数 constraint lambda n: n % 2 1 else: constraint_desc 偶数 constraint lambda n: n % 2 0 def func(n: int) - bool: if not constraint(n): return True return pow(n, power, mod) remainder return { description: f对于{constraint_desc} nn^{power} % {mod} {remainder}, func: func, constraint: constraint, power: power, mod: mod, remainder: remainder, }猜想者 Agent 的任务就是生成候选假设并广播出去。class HypothesisAgent: def __init__(self, name: str, rng: random.Random): self.name name self.rng rng def propose(self) - Message: hypothesis generate_hypothesis(self.rng) return Message( senderself.name, receiver*, msg_typehypothesis, contenthypothesis, )6.3 验证者与批判者验证者负责找反例。它对假设进行独立验证如果样本空间内存在反例直接返回拒绝结果。class VerifierAgent: def __init__(self, name: str, env: MathEnvironment): self.name name self.env env def verify(self, hypothesis: dict, sample_size: int 300) - Message: samples self.env.sample_values(sample_size) for n in samples: if not hypothesis[func](n): return Message( senderself.name, receiver*, msg_typeverify_result, content{ hypothesis: hypothesis, passed: False, counterexample: n, }, ) return Message( senderself.name, receiver*, msg_typeverify_result, content{ hypothesis: hypothesis, passed: True, counterexample: None, }, )批判者负责做第二轮审查。它不重复验证者的随机采样而是检查边界特殊值并增加一个“符号结构抽查”例如检查是否存在极端特殊情况。class CriticAgent: def __init__(self, name: str, env: MathEnvironment): self.name name self.env env def criticize(self, hypothesis: dict) - Message: specials self.env.special_values() for n in specials: if not hypothesis[func](n): return Message( senderself.name, receiver*, msg_typecriticize_result, content{ hypothesis: hypothesis, passed: False, reason: f边界反例 n{n}, }, ) return Message( senderself.name, receiver*, msg_typecriticize_result, content{ hypothesis: hypothesis, passed: True, reason: 边界与特殊值检查通过, }, )这里还需要一个简单的消息分发机制。由于是演示代码直接用一个列表模拟全局消息总线。class MessageBus: def __init__(self): self.messages [] def publish(self, message: Message) - None: self.messages.append(message) def consume(self) - list: messages self.messages self.messages [] return messages6.4 主流程多智能体协作发现主流程把整个系统串起来。设置固定随机种子保证可复现运行多轮发现循环最后输出知识库。def main(): random.seed(42) env MathEnvironment(max_n100000) bus MessageBus() kb KnowledgeBase() rng random.Random(42) proposer HypothesisAgent(proposer-1, rng) verifier VerifierAgent(verifier-1, env) critic CriticAgent(critic-1, env) max_rounds 30 for round_idx in range(max_rounds): # 1. 猜想者提出假设 bus.publish(proposer.propose()) # 2. 验证者处理假设 for message in bus.consume(): if message.msg_type hypothesis: hypothesis message.content verify_msg verifier.verify(hypothesis) bus.publish(verify_msg) if not verify_msg.content[passed]: print(f[Round {round_idx:02d}] 假设被拒绝: f{hypothesis[description]} | 反例: {verify_msg.content[counterexample]}) else: print(f[Round {round_idx:02d}] 验证通过: {hypothesis[description]}) # 3. 批判者审查通过验证的假设 for message in bus.consume(): if message.msg_type verify_result and message.content[passed]: criticize_msg critic.criticize(message.content[hypothesis]) bus.publish(criticize_msg) # 4. 入库 for message in bus.consume(): if message.msg_type criticize_result: if message.content[passed]: hypothesis message.content[hypothesis] fact { description: hypothesis[description], verifier: verifier-1, critic: critic-1, round: round_idx, } kb.add(fact) print(f[Round {round_idx:02d}] ★ 新知识入库: {fact[description]}) else: hypothesis message.content[hypothesis] print(f[Round {round_idx:02d}] 批判者拒绝: {hypothesis[description]} | 原因: {message.content[reason]}) print(\n 最终知识库 ) for idx, fact in enumerate(kb.facts, start1): print(f{idx}. {fact[description]}) print(f共发现 {len(kb.facts)} 条被接受的知识)7. 运行结果与效果验证运行代码python experiment.py由于代码中固定了随机种子random.seed(42)和相同的rng理论上每次运行会得到相同的结论序列。不过不同 Python 版本的随机数算法可能略有差异更稳妥的判断方式是看日志结构。预期运行后会看到类似这样的输出[Round 00] 假设被拒绝: 对于奇数 nn^1 % 8 3 | 反例: 5 [Round 01] 假设被拒绝: 对于所有整数 nn^2 % 8 4 | 反例: 1 [Round 02] 验证通过: 对于奇数 nn^2 % 8 1 [Round 02] ★ 新知识入库: 对于奇数 nn^2 % 8 1 ... 最终知识库 1. 对于奇数 nn^2 % 8 1 共发现 1 条被接受的知识需要强调具体的被接受结论数量取决于随机种子和假设空间配置。演示代码中人为配置了mod8, power2, remainder1这个组合它有概率被随机生成出来。如果运气不好一次运行可能一条结论也发现不了——这在真实的自主发现系统里是完全正常的。验证成功与否看两个对照组知识库非空说明系统成功完成了“提出假设—验证—批判—入库”闭环。日志中同时包含“被拒绝”和“被接受”说明系统不是只会全盘接受而是真的有批判机制。如果运行报错先检查代码是否有复制遗漏再确认 Python 版本最后看括号、缩进是否完整。8. 常见问题与排查思路问题现象可能原因排查方式解决方案运行后一条知识都没入库随机种子和假设空间没有组合出真命题查看日志中是否有“验证通过”和“批判者拒绝”调整generate_hypothesis中的power、mod、remainder候选集合或增加轮次某些已被验证的假设被批判者拒绝验证者只做了随机采样遗漏边界特殊值查看拒绝原因是否为“边界反例”这是设计预期的纠错行为说明批判机制生效不同机器运行结果不一致Python 随机数算法版本差异对比日志中第一条消息如果追求严格一致可将随机种子改为自定义伪随机算法想要探索更大的数学空间当前模板只有乘方和取模扩展假设生成器增加多项式、级数、同余方程组等生成模板担心 Agent 会执行危险操作当前示例中 Agent 只操作数值检查是否调用了系统命令或外部资源在真实系统中Agent 的计算任务应放入沙箱执行9. 最佳实践与工程建议9.1 职责分离是系统纠错的前提哪怕在做最小实验也尽量保证“提出假设”和“验证假设”由不同对象完成。自主发现系统的设计核心不是让每个 Agent 更聪明而是让错误的结论无法通过多环节审查。9.2 每一条知识都要有证据链知识库中不应该只存结论还要存下这条结论是谁提出的、谁验证的、验证范围是什么、批判者是谁。这样当后续发现某条知识与新结论冲突时可以回溯整个过程定位是哪一步出了问题。9.3 随机性是可复现性的敌人使用固定随机种子、记录 Agent 收到的全部消息是保证实验可复现的基本功。在更复杂的系统里建议把所有 Agent 的输入输出以事件流形式落盘而不是只打印最终结论。9.4 明确“数值验证”和“数学证明”的边界本文演示的系统只能做数值规律发现。任何一条知识都只在采样空间内成立不等于数学定理。如果目标是做真正的自主数学发现下一步必须接入形式化验证工具比如 Lean、Coq 或 Isabelle让机器可读的证明成为知识入库的前提。9.5 安全与授权边界如果将来把假设生成器换成大模型驱动的 Agent务必注意大模型只能生成假设文本或代码不能直接执行系统命令。所有计算任务放沙箱执行限制资源占用。Agent 之间的通信需要做权限隔离避免某个 Agent 伪造其他 Agent 的验证结果。10. 总结与后续学习方向回到开头的问题。多智能体系统如果只能编排任务、调用工具那它本质上还是一个“自动化流水线”当系统里的 Agent 开始提出猜想、互相反驳、独立验证、最终沉淀知识时它才真正从“执行工具”变成了“认知系统”。自主数学发现恰好提供了一个规则清晰、验证严格、结果可观测量化的开放世界测试床。这篇文章写清楚了几件事开放世界多智能体环境的定义四种交互模式在数学发现场景下的角色映射以及一条知识从假设到入库的完整链路。你可以基于这套最小实现把随机假设生成器替换成大模型或者符号回归算法把数值验证替换成定理证明器把通信层替换成真实的消息队列逐步构建一个更接近真实的自主科学发现系统。至于那些“把小龙虾集成进多智能体系统”的梗当个段子听听挺好但真正值得研究的始终是这个系统能否产生它自己都没想到过的知识。