中文 | English
一个面向数学研究的多智能体证明工作台：让 LLM 能够进行长程研究，支持人机协作和断点续研，并产出自然语言证明。
把一个 problem.md 放进空文件夹，运行 alphasolve。AlphaSolve 会持续探索，直到解决问题。您也可以在产生的 verified_propositions 中手工添加命题，或者在 knowledge/references 中添加可参考的论文或笔记 (均要求markdown格式) 以引导和干预 AlphaSolve的后续行为。
AlphaSolve 是一个基于大语言模型（LLM）的自动化数学定理证明系统。它大体上遵循一套可持续运行的研究流程：Orchestrator 负责规划方向，多个 Worker 并行尝试证明，Verifier 从不同角度审查和抑制幻觉，Reviser 修复失败证明，Curator 将探索过程中形成的知识整理进 workspace/knowledge/，供后续继续使用。在无人干预的情况下，AlphaSolve 能够自主运行几十小时。它特别适合那些需要长时间探索、反复试错、积累中间引理和失败经验的数学问题。当幻觉透过 Verifier 渗入到 verified_propositions 中时，人类可以手工删除，并继续启动 AlphaSolve 进行研究。
本节面向没有编程经验的数学工作者和数学系学生，跟着下面的说明一步步操作即可。
AlphaSolve 需要调用大语言模型进行推理。推荐 DeepSeek（国内手机号可直接注册，新用户有免费额度）。
- 打开浏览器，访问 https://platform.deepseek.com/ ，用手机号注册账号
- 进入「API Keys」页面，点击 创建 API Key，复制生成的密钥（格式类似
sk-xxxxxxxxxxxxxxxx）。密钥只显示一次，请立即复制保存
现在把密钥设为永久环境变量（只需设置一次，之后永久有效）：
- 按
Win键，输入**「环境」，点击出现的「编辑系统环境变量」** - 在弹出的窗口中点击右下角的**「环境变量(N)…」**按钮
- 在**「系统变量(S)」栏目下点击「新建(W)…」**
- 变量名填写：
DEEPSEEK_API_KEY，变量值粘贴刚才复制的密钥 - 三个窗口全部点击**「确定」**关闭
打开终端（Win + R，输入 cmd 回车），复制粘贴下面这行命令，回车：
curl -fsSL https://raw.githubusercontent.com/tanzcoding/AlphaSolve/main/install.bat -o install.bat && install.batmacOS / Linux 用户：用
curl -fsSL https://raw.githubusercontent.com/tanzcoding/AlphaSolve/main/install.sh | sh
脚本会自动完成所有安装工作（安装 uv → 下载 AlphaSolve → 安装依赖），不需要单独安装 Python。安装完成后，alphasolve 命令全局可用。
- 在任意你喜欢的地方新建一个空白文件夹（例如桌面上新建
my_problem文件夹） - 进入该文件夹，新建一个文本文件，命名为
problem.md（注意后缀是.md不是.txt） - 用记事本打开
problem.md，用数学语言写入你想证明的命题或解决的问题
务必把问题描述清楚，包含完整的条件和结论。不要写笼统的描述如「把某某结果推广到某某上」。推荐使用 LaTeX 公式，例如：
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
my_problem文件夹的空白处右击，选择**「在终端中打开」** - 输入以下命令，回车：
alphasolve
你会看到一个实时面板，显示 AlphaSolve 正在工作的各个阶段。不要关闭终端，让它运行即可。如果想中途停止，直接关闭窗口即可。（或者使用 Ctrl+C 中断程序）
运行结束后，当前文件夹下会生成：
solution.md— 如果问题被解决，这里就是完整证明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
如果中途停止或运行结束，已产生的中间结果不会丢失。下一次在同一文件夹运行 alphasolve 会自动接续之前的工作。
CLI (alphasolve)
└── AlphaSolve.run() [workflow.py]
├── Wolfram 内核探测
├── ExecutionGateway (Python / Wolfram 进程池)
├── CuratorQueue (后台知识管理 agent)
└── Orchestrator.run() [orchestrator.py]
└── WorkerManager
└── Worker × N (线程) [worker.py]
├── Generator
├── Verifier (× verifier_scaling_factor)
├── Reviser
└── TheoremChecker
problem.md
│
▼
Orchestrator (LLM)
│ 读取 verified_propositions/ 和 knowledge/
│ 调用 spawn_worker(hint) / wait()
│
├──► Worker
│ │
│ ├─ Generator → 生成命题 proposition.md（陈述 + 证明）
│ ├─ Verifier × N → 多个 Verifier 独立审查，LLM 综合判定
│ ├─ Reviser → 根据反馈修正（最多 max_verify_rounds 轮）
│ └─ TheoremChecker → 判断是否解决原问题（CHECK_IS_THEOREM_TIMES 次独立检查）
│
▼
verified_propositions/ ← 通过验证的命题（供所有 worker 和 Orchestrator 读取）
│
└── 某命题解决原问题 → solution.md
| 组件 | 作用 |
|---|---|
| Orchestrator | 读取工作区状态，用有针对性的提示 spawn worker，调用 wait() 等待结果。可调用 research_reviewer 综述大量文件 |
| Worker | 独立线程，运行完整的 生成 → 验证 → 修正 流水线 |
| Generator | 提出新命题（猜想 + 证明），写入 worker 目录 |
| Verifier | 严格审查证明；有多种 Verifier 策略，可调用 subagent |
| Reviser | 根据 Verifier 反馈修正命题，原地重写文件 |
| TheoremChecker | 判断已验证命题是否（连同其引用的命题）证明了原问题 |
| compute subagent | 配备 run_python / run_wolfram 工具的计算 subagent |
| reasoning subagent | 纯数学推理 subagent（无计算工具） |
| numerical experiment subagent | 有界探索、分支检查与局部数值实验 |
| research_reviewer | 综述 verified_propositions/ 和 knowledge/，对比 problem.md 给出研究方向建议 |
| curator | 后台 agent，将 trace 中的数学知识提取整理写入 knowledge/，处理知识冲突并进行交叉验证 |
推荐使用 uv（或 pipx）安装，以便在任意目录运行 alphasolve。
# 克隆仓库
git clone https://github.com/tanzcoding/AlphaSolve.git
cd AlphaSolve
# 方式一：uv（推荐）
uv tool install -e .
# 方式二：pipx
pipx install -e .
# 方式三：pip（开发模式）
pip install -e .根据使用的 LLM 提供商设置环境变量：
export DEEPSEEK_API_KEY=your_key # DeepSeek
export ARK_API_KEY=your_key # 火山引擎（字节跳动）
export MOONSHOT_API_KEY=your_key # Moonshot / Kimi
export DASHSCOPE_API_KEY=your_key # 阿里云 DashScope
export LONGCAT_API_KEY=your_key # LongCat
export PARASAIL_API_KEY=your_key # Parasail
export OPENROUTER_API_KEY=your_key # OpenRouter
export MIMO_API_KEY=your_key # 小米 MIMO若 Wolfram 内核不在默认路径，设置：
export WOLFRAM_KERNEL=/path/to/WolframKernel编辑 src/alphasolve/config/agent_config.py，修改各组件使用的预置配置：
GENERATOR_CONFIG = {**DEEPSEEK_CONFIG}
VERIFIER_CONFIG = {**DEEPSEEK_CONFIG}
REVISER_CONFIG = {**DEEPSEEK_CONFIG}
ORCHESTRATOR_CONFIG = {**DEEPSEEK_PRO_CONFIG} # Orchestrator 默认使用 DeepSeek Pro支持的预置：DEEPSEEK_CONFIG、DEEPSEEK_PRO_CONFIG、VOLCANO_CONFIG、MOONSHOT_CONFIG、DASHSCOPE_CONFIG、LONGCAT_CONFIG、PARASAIL_CONFIG、OPENROUTER_CONFIG、MIMO_CONFIG
每个 agent 的详细参数（system prompt、工具列表、max_turns 等）在 src/alphasolve/config/agents/ 下的独立 YAML 文件中配置，顶层 src/alphasolve/config/agents.yaml 作为入口。
| 参数 | 默认值 | 说明 |
|---|---|---|
max_verify_rounds |
6 | 每个命题的最大验证-修正轮数 |
verifier_scaling_factor |
5 | 每轮独立验证尝试次数 |
verifier_agents |
verifier_failure_modes, verifier_stepwise |
使用的 Verifier 列表 |
subagent_max_depth |
2 | subagent 最大递归深度 |
CHECK_IS_THEOREM_TIMES（默认 5）在 agent_config.py 中配置，控制定理检查的独立尝试次数。
在任意工作目录创建 problem.md，写入数学问题（支持 LaTeX）：
mkdir my_problem && cd my_problem
cat > problem.md << 'EOF'
证明：对于任意正整数 n，1 + 2 + ... + n = n(n+1)/2。
EOF可选：创建 hint.md 提供解题提示或背景知识。
# 基本运行（读取当前目录的 problem.md）
alphasolve
# 常用选项
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
# 使用自定义配置目录
alphasolve --config ./my_config/
# 跳过 Wolfram 探测（加快启动）
alphasolve --no_wolfram_prime
# 启用调试日志（在 logs/ 下记录每个 agent 的详细行为 trace）
alphasolve --debug
# 关闭实时终端面板
alphasolve --no_dashboard
# 本地 demo 模式（不调用 LLM API）
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 |
--workers |
4 | 并发 worker 数 |
--config |
内置配置 | 自定义 agents.yaml 路径或目录 |
--max_verify_rounds |
来自 agents.yaml | 每个命题最大验证-修正轮数 |
--verifier_scaling_factor |
来自 agents.yaml | 每轮独立验证次数 |
--subagent_max_depth |
来自 agents.yaml | subagent 最大递归深度 |
--debug |
false | 启用调试日志，在 logs/ 下记录每个 agent 的详细行为 trace |
--tool_executor_size |
4 | Python 执行进程池大小 |
--no_wolfram_prime |
false | 跳过启动时的 Wolfram 探测 |
--no_dashboard |
false | 关闭实时终端面板 |
--demo |
false | 本地 demo 模式（无 LLM 调用） |
AlphaSolve 支持在已有工作基础上继续运行。只需在同一工作目录下再次执行 alphasolve：
cd my_problem # 已有 workspace/、problem.md 的目录
alphasolve续跑机制：
workspace/verified_propositions/中已验证的命题会被新的 Orchestrator 自动读取，作为已知知识直接复用workspace/knowledge/index.md是知识库路线图，Orchestrator 会据此选择要阅读的主题条目或专题文件夹- 新产生的 worker 目录命名为
prop-{hash}，不含序号，不会与上次运行的目录冲突
人工添加命题：
人类专家可以直接将自己认为关键的命题（标准 Markdown + LaTeX 格式）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。
运行结束后，工作目录下会生成：
workspace/
verified_propositions/ # 所有通过验证的命题
knowledge/ # 运行过程知识管理（index.md 路线图 + 按主题整理的知识条目/文件夹）
solution.md # 最终解决方案（问题解决时生成）
使用 --debug 运行时，logs/ 目录下会额外记录每个 agent 的实时行为 trace：
logs/{run_id}/
orchestrator.log # Orchestrator 的每一次 LLM 调用、工具使用
curator/ # 每次 curator chat session 一个文件
20260428_153045.log
workers/
worker_{hash}.log # 每个 worker 的完整 生成→验证→修正 流水线
AlphaSolve 的架构参考了如下工作：
- 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