博客
关于 AI、产品原理、知识结构与科学方法的文章。
AI 拍照解几何题到底能做到什么？从识图、辅助线到逐步证明
AI拍照解几何题不只是识别文字和计算答案。本文拆解图形理解、条件提取、精准重绘、辅助线搜索、定理调用、逐步证明与结果校验七个环节，说明多模态模型、符号推理和知识图谱各自能解决什么、可能在哪里出错，并给出判断几何解题工具是否可靠的检查标准以及科学使用流程，帮助判断一次解答是否值得采信，并把答案转化为可复查的推理过程。
什么是科学地学习几何？结构、路径、证明与反馈
科学地学习几何，不是寻找一条万能捷径，而是把知识结构、前置路径、证明活动与反馈机制连接起来。本文提出一套可执行框架：用定理图谱理解结论来源，用依赖关系选择下一步，用主动证明检验掌握，用明确反馈定位缺口，再通过间隔重建和变式应用观察保持与迁移，避免只看答案或盲目刷题，并说明工具在哪些环节能够提供支持。
知识不是一张清单：为什么几何定理更适合用知识图谱组织？
几何定理清单只能说明有哪些结论，知识图谱还能说明结论依赖什么、证明中调用了谁、掌握后可以继续到哪里。本文比较清单、目录、思维导图和定理知识图谱，解释节点与证明依赖边如何建模，为什么真实前置关系能够支持路径规划、缺口定位和循环检查，也说明图谱不能替代主动证明和理解，最后说明怎样审核关系真实性与替代证明。
从 4 条公理到 138 条定理：平面几何知识如何连接？
几何定理不是彼此孤立的结论。本文从欧几里得公理化方法、Birkhoff 四公理体系与数形智拍的 142 节点、330 条依赖边出发，解释公理、定理和证明路径如何连接，勾股定理如何经由相似与射影关系逐步解锁，以及知识图谱怎样让每条结论的来源、合法前置和后续用途清晰可追溯，并说明图谱本身不能替代主动证明。
几何辅助线怎么找？7 类常见条件与作图思路
几何辅助线不是靠猜，而是为目标定理补齐缺失条件。本文归纳连接与延长、平行线、垂线、中点、角平分线、圆内构造、对称与旋转七类常见思路，逐类说明何时尝试、希望制造什么关系、可以调用哪些定理，以及怎样排除无效作图，并用目标反推法建立可复用的辅助线选择流程。最后给出拍照工具解释辅助线时应公开的关键中间信息。
几何证明如何逐步验证？一套可追溯的推理检查方法
几何证明验证不能只核对最终答案，还要检查命题目标、已知条件、对象定义、定理前提、辅助构造、关键跳步与循环引用。本文用“对顶角相等”拆解一套可复用流程，比较自然语言 AI 校验、知识图谱规则与形式化证明器的能力边界，并给出可直接使用的逐项检查清单，帮助定位可以补全的省略与真正阻断结论的逻辑缺口所在步骤。
为什么普通拍照搜题工具经常解不好几何题？
普通拍照搜题工具处理几何题时，常在图形标记、隐含关系、示意图比例、辅助线和长链证明上失效。本文比较题库匹配、通用多模态生成与几何专用推理三种路线，说明答案看似合理却可能不成立的原因，给出识别错误、定理前提、循环引用和不确定性等可靠性检查标准，并解释数形智拍的专用处理方式，帮助判断一次解答是否真正可信。
用第一性原理学习几何：知识图谱如何优化学习路径？
第一性原理学习几何，不是把每道题都退回公理重证，而是分清定义、公理、定理前提和当前目标。本文结合欧几里得公理化思想、定理知识图谱、完整例题、主动提取与间隔复习，说明怎样从依赖关系寻找下一步、定位理解缺口、避免无前置跳跃，并给出一套可执行且不过度承诺效率的科学学习闭环，同时说明工具能做什么、不能证明什么。
从第一性原理学习几何：一条定理究竟从哪里来？
一条几何定理不是因为课本这样写就成立。第一性原理学习几何，要把结论拆回定义、公理、题设、辅助构造、已有定理和通用逻辑。本文以对顶角相等与勾股定理为例，说明怎样逐层追溯证明来源、区分基础与中间结论、检查每次定理调用，并解释为什么第一性思考不等于每道题都从公理重新证明，并给出一套可以直接执行的追溯步骤。
《几何原本》真正留下的，不只是定理，而是一种构建知识的方法
《几何原本》的价值不只在保存了哪些定理，更在于把定义、公设、共同概念、构造和证明组织成可继续生长的体系。本文以第一卷的基本结构为线索，说明欧几里得如何公开推理起点、复用已证命题、让辅助构造服务证明，并分析这种方法如何转化为现代定理知识图谱、可追溯证明和科学学习路径，并给出可以直接执行的阅读与重建流程。
从欧几里得到 Birkhoff：几何公理体系为什么不断演进？
几何公理体系的演进不是不断否定旧定理，而是持续明确原始对象、隐含假设、逻辑关系和使用目标。本文比较欧几里得的构造公设、Hilbert 的系统化基础与 Birkhoff 的尺度量角器路线，说明公理为何可以有不同选择、怎样评价体系的相容性与表达便利，并解释数形智拍为何采用 Birkhoff 风格组织平面几何图谱。
为什么有些定理怎么也学不会？可能是前置知识没有补齐
一条定理反复阅读仍然难以理解，问题未必在最终结论，而可能出在更早的定义、判定条件、辅助构造或中间定理。本文说明怎样把“学不会”拆成可检查的前置缺口，如何沿定理知识图谱反向定位阻塞节点、区分没见过与不能调用、选择最小补全路径，并通过重新证明与反馈确认缺口是否真正修复，最后给出一套可以逐步执行的诊断清单。
看懂证明不等于会证明：怎样判断自己是否真正掌握？
阅读证明时觉得每一步都合理，关闭答案后却不知道从哪里开始，是因为识别一条现成路线与主动生成证明并非同一任务。本文区分看过、看懂、能复述、能独立证明和能迁移五种状态，提供一套无提示重建、逐步依据检查、延时复现与变式应用流程，并说明数形智拍如何用证明校验和定理图谱提供掌握证据，最后给出可以直接执行的检查清单。
学习曲线不是越快越好：如何找到“下一条刚好可以证明的定理”？
几何学习曲线不应只追求单位时间看完更多内容。真正可持续的下一步，是前置关系已经齐备、又仍需主动推理才能完成的定理。本文把这一选择建模为知识图谱中的可证明前沿，说明怎样计算候选节点、比较依赖深度与后续价值、处理路径阻塞、利用证明反馈动态更新状态，并解释为什么最短路径不一定是最佳路径，给出可以直接执行的选择流程。
英语单词的形态学结构：基于 7,533 个词族的语料库分析
我们构建并分析了一个覆盖 7,533 个词族、54,795 个派生节点的大规模派生树语料库。拉丁语与希腊语词根合计贡献了 50.8% 的词族，86.4% 的词族可在两步词缀添加内完成结构解码。
FSRS-5.0 与传统间隔重复算法的对比研究
我们对四种间隔重复算法进行了180天的仿真对比。FSRS-5.0 相比 SM-2 减少28%的复习次数，同时保持相当的记忆保留率，学习效率提升37%。