AI 刚又"降维打击"了一道数学难题
这几天技术圈在传一件事：一位长期研究数学的爱好者，用 GPT-6 Astra 把一道卡了 57 年的几何难题往前推了一大步——"给你 N 个半径为 1 的小圆盘，怎么塞进一个大圆里，才能让大圆半径尽可能小"。听上去像道奥数题，难的不是找排法，而是要严格证明"没有更好的排法"。1968 年葛立恒证到 N≤7，1969 年推进到 10 个圆盘，之后一直拖到 2003 年前后才补上 N≤14 和 N=19。而这一次，Astra 一口气把 15、16、17、18、20 这五种剩余情况全给严格证明了。
说实话，看到这条消息，我第一反应不是"好厉害"，而是有点恍惚。
反差：AI 在做 57 年没人做成的事，我却在复制粘贴
因为就在同一天下午，我干的活是：写完一篇文章，然后打开 5 个平台的编辑器，一个一个重新排版、重新传图、重新调格式。标题要改短一点，图片要换尺寸，有的地方不支持加粗，有的地方不认 Markdown……一个下午就这么没了。
讲真，这种落差挺魔幻的：模型已经能帮你推导几何刚性证明，而"把同一篇文章发到 5 个平台"这种体力活，还得人肉去干。
问题不在模型不够强，而在能力没接进流程
说白了，GPT-6 Astra 能证数学题，是因为有人先把问题拆成了清晰的几步：先用几何约束把无限种排列缩到有限情况，再用角度关系排除一大批，然后让计算机枚举剩余可能，最后用几何刚性把"非常接近"提升成"严格一致"。
这套思路换个场景同样成立。内容创作其实也能拆：
- 选题和资料检索，交给一个智能体；
- 初稿写作，交给另一个，把风格和事实边界喂清楚；
- 配图、摘要、标题优化，再来一个；
- 最后的分发和格式适配，交给专门"跑腿"的智能体。
关键在于，别指望一句提示词就让 AI 包圆。就像那位爱好者自己说的，他的工作是确定可行性、引导模型、反复推敲、手动验证——AI 负责在最耗时的环节猛踩油门，人负责判断方向。
把"词元"花在刀刃上
我自己的土办法是：把每次创作里最重复、最不动脑的部分列出来，优先交给智能体。比如同一篇稿子在不同平台的标题长度、配图比例、首段钩子，这些基本是机械变换，没必要每次亲手做。省下来的时间，拿去打磨内容本身。
我们团队最近也试着把内容发布这一环交给智能体协作——选题、写稿、生成配图、多平台分发串成一条线，人只在关键节点点确认。跑通之后，一个下午的活压缩到了半小时左右。中间踩过坑，也翻过车（比如有次配图比例不对，发出去才发现），但方向是对的。
AI 的"扫荡模式"，普通人怎么跟上
这两年最大的变化是：AI 能力在指数级上涨，而大多数人的用法还停在"在聊天框里问一句"。差距其实不在会不会用工具，而在有没有把它接进自己的流程。
如果你也被重复劳动困住，不妨先做一件小事：找出每天最浪费你时间的那 20%，看看能不能让智能体先跑一遍草稿。想少踩点坑，可以到 智能体世界（agentshijie.com） 看看别人是怎么搭这套流程的；不方便点的话，直接搜 agentshijie 也能找到。你试完以后，也欢迎在评论区聊聊自己卡在哪一步，我们逐个回。
毕竟，AI 都开始帮人证数学题了，排版这种事，真的不值得再耗掉你一个下午。
