用两个 Claude Fable 实例逆向推演雅可比猜想反例的实操记录
具体的操作流程是这样的：我将第一个 Fable 实例生成的最终结果作为输入，要求它在不直接剧透答案的前提下，撰写一份详细的推导指南。随后，我将这份指南交给第二个 Fable 实例，让它尝试按照步骤独立推演。在这个过程中，我充当了“调节阀”的角色：如果第二个实例太轻松地得到了答案，我就删除指南中的关键细节；如果它卡住了，我就增加提示词的引导。经过几轮这样的反向迭代，我终于理清了那个缺乏直观数学路径的反例是如何被构建出来的。
这次实操对我理解雅可比猜想的直觉提升极大，但也暴露出很多容易踩坑的技术细节。如果你也想尝试通过大模型复现这类高难度数学推导，以下几个核心要点至关重要：
首先，必须避开常规的参数化形式。很多习惯于数学研究的人会死磕 Bass–Connell–Wright 或 Drużkowski 标准型，虽然这些重参数化在学术上很自然，但它们往往会将低复杂度的例子变得异常复杂。而这次复现成功的关键恰恰在于寻找低复杂度路径，强行套用标准型反而会干扰模型的逻辑推演。
其次，关于维度的选择至关重要。在尝试过程中我发现，盯着 $\mathbb{C}^3$（三维复数空间）看才是正确方向，因为 $\mathbb{C}^2$ 的维度实在太低，在目前的推导逻辑下大概率无法跑通。
在覆盖率的判定上，一个关键的细节是寻找 3:1 覆盖而非 2:1。根据欧拉的相关结论，2:1 的路径已经证明行不通，很多模型在初始推演时会陷入 2:1 的死循环，这时需要通过 Prompt 强制其转向 3:1 的覆盖率分析。
最核心的技巧在于对函数复合的构造。你需要引导模型寻找两个特定函数的复合——即多项式比值与剪切（Shear）的组合。目标是让它们的雅可比行列式在除 $x=0$ 以外的地方，分别呈现为 $x$ 和 $c/x$。这种将所有矛盾点全部“塞进”一个孔里的数学技巧，正是最终结果中出现 $1+xy$ 结构的关键原因。
这次实验证明，即便在模型隐藏 CoT 的情况下，利用多实例的逻辑逆向依然可行。尤其是面对那些结论明确但推导过程缺失的复杂数学问题，这种“指南-执行”的闭环迭代能有效地将模型的隐性知识显性化。
如果你想复现这个过程，可以参考我运行结果的分享路径：https://claude.ai/share/80526d56-1c23-407d-8f5c-59a704221454。建议在尝试时，重点观察模型在处理 $\mathbb{C}^3$ 维度时对行列式抵消的逻辑推演，那是整个反例构建的灵魂所在。
