357 年的悬案这次被 AI 编程助手在 11 天里验证完了。主角是 Claude。公开资料显示研究团队借助 Claude 将安德鲁·怀尔斯在 1994 年给出的费马大定理证明完整迁移到了 Lean 证明助手里做成了一套可以由机器逐行核验的 machine-checked proof。这是费马大定理首次被机器完整检验。先说清楚Claude 没有独立提出新证明。它做的是“翻译加补全”把数学家几十年沉淀下来的推理步骤拆解为 Lean 能理解的定理、引理和策略命令并逐段通过编译检查。这个过程很像一个代码助手去迁移大型项目——目标和代码框架是清楚的难点在于代码量太大、编译检查严格、错误分支又多、反复试错的成本还很高。对关注 AI 编程、API 调用和本地部署的开发者来说这件事至少有两层价值。第一Claude 以及 Claude Code 的长任务执行、自动修改文件、反复试错能力已经在数学验证这种极端场景里被检验过了。第二这套流程里用到的工具链包括 Claude Code 安装、API 配置、批量任务拆分、错误日志排查和日常开发者接触的是同一套体系。这篇文章会先拆解这次机器检验证明是怎么发生的再带你从零装好 Claude Code跑通一个十几行代码的小型 Lean 形式化验证案例最后给出 API 批量调用、资源占用观察和常见问题排查清单。想验证“AI 到底能不能真干活”这套流程比大多数 Demo 更有说服力。1. 事件背景费马大定理与机器检验证明费马大定理的历史起点是 1637 年。费马在丢番图《算术》的边页上写下了一个命题当整数 n 大于 2 时不存在正整数 x、y、z 满足方程 x 的 n 次方加 y 的 n 次方等于 z 的 n 次方。他还附带了一句让后人纠结了三百多年的注释大意是自己已经发现了一个绝妙的证明只是页边太窄写不下。后来这成了数学史上最著名的悬案之一。从 1637 年到 1994 年正好 357 年。怀尔斯在 1994 年给出了完整证明核心工具是模椭圆曲线和谷山-志村猜想在特定情形下的证明。这项工作形成的论文加上后续补正篇幅超过上百页评审过程持续了很长时间甚至首次提交后还发现过需要修补的漏洞。这就是问题所在。人类证明即使发表在顶级期刊上也可能隐藏隐含假设、局部缺口或评审阶段未发现的问题。机器检验证明的思路是用一套形式化语言把证明写成程序再由证明助手逐条检查每一步是否符合推理规则。最终通过的证明不再依赖“读者是否接受论证”而是依赖编译器级别的最严格检查。Lean 就是目前最主流的证明助手之一。这次公开的成果是把怀尔斯的证明在 Lean 中逐步形式化Claude 承担了大量代码生成、证明搜索和错误修复工作。整个过程大约 11 天最终产出一份可以由机器独立检验的完整证明。这个结论的关键是它不是一次性生成的而是由上千个 Lean 引理、定义和策略调用组成像重构一个大型代码工程一样需要人工定义整体结构、逐块审核输出。2. 核心能力速览能力项说明项目类型AI 辅助数学形式化验证 / AI 编程智能体主要模型Claude 系列模型 Claude Code 交互式编程助手目标任务将怀尔斯费马大定理证明形式化为机器可验证证明验证工具Lean 4 证明助手配合 Mathlib 数学库公开周期约 11 天是否支持 API支持 Anthropic Messages API是否需要本地 GPU官方服务走云端 API无需本地推理本地替代模型按模型大小评估显存安装方式npm / 官方安装脚本 / VSCode 扩展批量任务可通过脚本按引理拆分批量提交验证适合场景数学研究、定理形式化、代码生成、长任务自动编程这里要特别说明11 天是公开材料里的工作周期不代表连续推理了 11 天。实际过程更像是人和 AI 协同工作人定结构、审结果Claude 负责大量细节生成和试错。3. 适用场景与使用边界这个组合最适合三类人。第一是数学和算法研究者他们有自己的证明或论文想用 Lean 做形式化验证但卡在 Lean 代码书写上。第二是 AI 编程实践者想观察 Claude Code 如何拆解长任务、如何修改文件、如何跑测试并迭代修复。第三是需要“代码生成加严格验证”的开发者比如协议实现、安全关键逻辑、算法正确性验证。不适合的场景也很明确。如果你指望 Claude 立刻提出费马大定理的新证明那会失望它的能力在于把已有推理转成机器可查的形式而不是凭空产生原创数学突破。如果没有 API 预算也没有可替代的模型调用通道纯本地小模型去跑数学证明级任务效果会比较勉强这个问题在资源占用章节会说清楚。使用边界方面要强调几点。第一学术伦理上AI 参与的证明必须在论文或成果中明确声明人工复核所有机器生成的内容。第二版权上怀尔斯证明是公开学术成果但如果要对他人未公开手稿做形式化必须获得授权。第三API 密钥不要硬编码进代码仓库生产环境应使用环境变量或专门的密钥管理系统。第四不要把未脱敏的内部代码或文档直接发送给云端 API先做隐私评估。4. Claude Code 环境准备与安装这次事件里和数学家配合最多的工具是 Claude Code。它本质上是一个终端里的 AI 编程代理可以读取仓库、修改文件、执行命令、根据编译错误自动修复代码。4.1 环境要求安装前先确认本机环境。Claude Code 的主流安装方式依赖 Node.js 和 npm建议准备 Node.js 18 及以上的版本同时保证 npm 可用。官方也提供了安装脚本方式适用于 Linux 和 macOS。所有具体命令都以官方文档为准这里给出的是普遍可用的流程。4.2 安装与版本验证# 使用 npm 全局安装 npm install -g anthropic-ai/claude-code # 验证版本 claude --version如果网络环境受限或者 npm 源访问不稳定可以更换 npm 镜像后重试但不建议绕过任何安全限制。另一种方式是使用官方安装脚本curl -fsSL https://claude.ai/install.sh | bashWindows 用户更常用的路径是 npm 安装后在 PowerShell 中运行claude --version验证。如果 PowerShell 提示“claude 不是内部或外部命令”大概率是 npm 全局目录没有加入系统 PATH。排查时先执行以下命令找到全局 bin 路径npm prefix -g再把输出路径加入 PATH然后重新打开终端。4.3 VSCode 配置在 VSCode 中接入 Claude Code 有两种常见方式。第一种是安装 Claude Code 的官方扩展在扩展商店搜索安装即可。第二种是直接在 VSCode 集成终端里运行claude命令让 AI 直接操作当前工作区。后者更接近真实开发流程AI 能看到仓库结构、修改代码、执行测试然后根据结果继续迭代。4.4 登录与 API 配置首次运行 Claude Code 会要求登录。日常自动化或脚本调用时更建议直接配置环境变量export ANTHROPIC_API_KEY你的密钥PowerShell 下使用$env:ANTHROPIC_API_KEY 你的密钥配置完成后运行claude进入交互式终端就可以开始对话或下达任务。这里要提醒一句Claude Code 有权限执行本机命令和修改文件第一次试用建议在受控的测试目录里进行不要直接把生产目录开放给它避免出现不可控的文件变更。5. 把证明转成“机器可查”的代码小型 Lean 验证实操真正理解这次事件最好的方式是亲手跑通一次“AI 生成证明 机器验证”的流程。我们不需要复现费马大定理只需要在 Lean 里验证一个简单的数学命题比如自然数加法结合律。5.1 安装 Lean 4Lean 4 使用 Lake 作为构建工具写代码推荐 VSCode 加 Lean 扩展。安装完成后在命令行创建项目lake new lean_demo cd lean_demo项目创建后默认有一个LeanDemo.lean文件。修改它写入以下代码import Mathlib /-- 自然数加法满足结合律a b c a (b c) -/ theorem my_add_assoc (a b c : Nat) : a b c a (b c) : by induction a with | zero simp | succ a ih simp [ih] #check my_add_assoc这里用my_add_assoc作为自定义定理名避免与 Mathlib 里已有的add_assoc重名。证明的思路很直接对第一个参数 a 做归纳基础情形用simp化简归纳步用归纳假设ih完成重写。5.2 运行机器检验在项目目录执行lake build如果没有任何报错并且#check my_add_assoc返回了定理类型信息就说明这条证明已经被机器接受。这就是 machine-checked proof 的基本体验。注意Lean 不允许带sorry的内容通过最终编译除非你主动声明要跳过检查。5.3 让 Claude Code 来写证明现在切换到真实场景。在同一个目录里运行claude 我的 Lean 项目里有一个定理 my_add_assoc请为它补全证明要求不引入 sorry输出完整代码。Claude Code 会读取当前项目文件生成或补全证明代码然后执行构建命令验证。如果构建失败它会阅读报错信息调整策略后重新尝试。这个“写代码、跑检查、看报错、再修改”的循环正是费马大定理形式化时每天在发生的事情。5.4 判断成功的标准一套完整的验证流程可以这样判断lake build无错误。代码中的sorry数量为 0。#check能正常查询到定理。运行时观察输出目录确认没有生成临时崩溃日志。如果simp策略无法完成某个步骤可以根据问题类型替换为omega、ring或显式重写。Lean 的策略生态比较成熟遇到具体报错时让 Claude Code 自己排查会更高效。6. 接口 API 与批量任务把 11 天拆进脚本里Claude Code 适合交互式开发Claude API 则适合批量任务。把费马大定理这种大型证明拆成上千个引理后每个引理都可以独立提交给模型生成再回到 Lean 里做机器检查。6.1 基础 API 调用Anthropic 提供 Messages APIPython 下可以使用官方 SDK。先安装依赖pip install anthropic然后写一个最小调用import anthropic client anthropic.Anthropic() resp client.messages.create( modelclaude-sonnet-4-20250514, max_tokens2048, messages[ { role: user, content: 请把自然数加法结合律写成 Lean 4 证明不引入 sorry只输出代码。, } ], ) print(resp.content[0].text)模型 ID 要以你账户实际可用的型号为准不同时期和不同账户可能返回不同结果。max_tokens控制输出长度数学证明任务建议从 2048 起步如果证明较长可以提高到 4096。6.2 用配置文件管理批量任务批量任务的核心是幂等。把每个引理的定义、目标文件和重试次数放在一个 JSON 文件里脚本负责读取并逐个提交{ project: fermat_machine_check, tasks: [ { id: lemma_001, statement: 证明自然数加法结合律, file: src/MyLib/AddAssoc.lean, retry: 2 }, { id: lemma_002, statement: 证明自然数加法交换律, file: src/MyLib/AddComm.lean, retry: 2 } ] }对应的批量处理脚本可以这样设计import json import pathlib import anthropic client anthropic.Anthropic() tasks json.loads(pathlib.Path(tasks.json).read_text(encodingutf-8)) for task in tasks[tasks]: for attempt in range(task.get(retry, 2)): try: msg client.messages.create( modelclaude-sonnet-4-20250514, max_tokens4096, messages[{role: user, content: task[statement]}], ) code msg.content[0].text.strip() pathlib.Path(task[file]).write_text(code, encodingutf-8) break except Exception as exc: print(f{task[id]} 第 {attempt 1} 次失败: {exc})这个脚本的优点在于即使某个引理生成失败也不会影响其它任务继续执行。每次请求被封装在独立循环里失败后可以重试适合接入定时任务或 CI 流程。6.3 失败重试与人工审核批量生成代码后必须回到 Lean 里做最终验证不能直接信任模型输出。建议把任务状态分成“待生成、已验证、验证失败、人工审核”四类。验证失败的任务自动重试一次仍然失败就进入人工审核队列。整个流程要记录日志至少包含任务 ID、请求时间、模型名称、消耗 token 数和验证结果方便追溯。7. 资源占用与性能观察这里分两种情况讨论。如果直接使用 Anthropic 官方 API本机不需要 GPU也不存在显存占用问题。费用按 token 计算性能瓶颈主要在网络请求速度和 API 速率限制上。大批量任务需要控制并发观察返回的 HTTP 状态码遇到 429 等限流响应时退避重试。第二种情况是社区常见的替代方案把 Claude Code 的请求通道切换到本地模型比如通过兼容网关接入 Ollama 或其它本地推理服务。这时显存占用就不再是零了。观察方法很简单在推理服务运行的同时另开终端执行nvidia-smi重点关注 GPU 显存使用量和利用率。CPU 也可以运行小量化模型但代码补全和数学证明这类生成型任务会明显变慢实际可用性需要以本机测速为准。更稳妥的做法是先拿一个小引理做压测记录单次生成耗时和显存峰值再决定是否扩大任务量。不同参数量、不同量化等级显存占用差别很大不要轻信网上的固定数字。无论走哪种模式建议每次批量任务都记录性能数据。一个简单的表格可以包含任务 ID、模型来源、输入 token、输出 token、耗时、显存占用和最终验证结果。这套数据能直接帮你判断是继续用云端 API还是值得在本地跑一个替代模型。8. 常见问题与排查方法问题现象可能原因排查方向解决思路claude 不是内部或外部命令npm 全局目录不在 PATH 中或安装未完成检查 npm prefix、重装配置 PATH或改走官方安装脚本error: claude native binary not installed安装脚本在 postinstall 阶段失败查看安装日志确认下载完整性先卸载再按官方安装流程重新执行VSCode 中找不到对话记录插件与 claude 会话连接中断查看插件日志确认 claude 版本更新插件重开会话API 返回 401API Key 无效或过期检查环境变量和密钥格式重新生成 Key确认账户可用API 返回 429触发速率或额度限制查看响应头中的限流信息降低并发分批重试请求长时间无响应提示词过长或网络环境异常检查网络到 api 端点是否正常拆分任务缩短上下文Lean 报 unknown identifier缺少 import或 Mathlib 版本不匹配检查文件头部 import 语句增加 import对齐版本本地模型生成质量下降模型能力不足以处理复杂证明对比相同任务的云端输出缩小任务粒度或用更强模型另外注册或登录阶段如果提示用户不可用先按官方流程完成身份验证别走非官方脚本避免账号风险。多个工具同时监听同一端口时会看到端口冲突报错这时在配置文件中更换端口并重启服务即可。9. 最佳实践与合规建议从代码工程角度看第一次尝试这类项目不要直接上大任务。先跑通一个最小证明记录环境版本、依赖列表和启动命令然后逐步扩大范围。模型文件、输入素材、输出结果、日志文件建议分目录管理避免千余个文件堆在一起。批量任务必须设计成可重跑。任务断点、失败重试、输出文件覆盖写这些机制都要提前做好。生成出来的证明代码一律以 Lean 编译结果为准绝不能只凭“代码看起来对”就收工。对sorry要零容忍只要出现就必须回到对应引理重新处理。对数学形式化任务建议由人来定义证明的总体骨架AI 负责填充细节。每个引理独立成一个任务单独验证不要一次性抛给模型一大段复杂推理。整个流程中人负责结构判断和结果审核模型负责生成和试错这样既发挥了大模型的长处也守住了逻辑安全的底线。合规方面同样不能放松。API 密钥要放进环境变量或密钥管理系统不要提交到代码仓库。使用第三方兼容工具时先评估来源和权限不给来路不明的脚本执行高权限操作。涉及他人的未公开论文或研究成果先获得授权再做形式化。学术成果如果使用了 AI 辅助必须按照期刊或机构规范进行声明这是底线问题不是可选项。10. 总结与下一步这次费马大定理机器检验证明最值得关注的点不是“AI 多聪明”而是“AI 加机器验证”这套闭环能实际跑通。从 357 年的悬案到 11 天的形式化中间隔着的就是代码生成、严格编译、自动修复、反复验证这些工程能力。先装好 Claude Code跑通一个claude --version再用一个小定理走一遍 Lean 验证流程你就能理解这次事件的技术本质。最容易踩的坑集中在三个方面安装路径、API Key 配置、Lean 与 Mathlib 的版本匹配。后续如果你想继续深入可以试试让 Claude 形式化其它经典定理把批量验证脚本接入 CI或者做一组云端模型与本地模型的对比测试。这套工具链不仅属于数学家也适合每个需要“自动生成加严格验证”的开发场景。建议先把流程收藏再用一个 20 行代码的小项目试一次你会对 AI 编程助手的上限有一个更真实的判断。