TheoremExplainAgent
用 AI 生成 Manim 数学动画视频，揭示 LLM 对定理理解的真实水平（ACL 2025 Or
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
用 AI 生成 Manim 数学动画视频，揭示 LLM 对定理理解的真实水平（ACL 2025 Or
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一位高中数学老师，站在黑板前准备给学生讲解"欧拉公式"。传统的做法是在黑板上画几个圆、写几行公式，学生盯着符号发呆——很多人到毕业也没真正理解为什么 (e^{i\pi} + 1 = 0) 这个式子如此优美。
如果老师手里有一个工具，只需要把欧拉公式的论文扔进去，AI 就能自动生成一段精美的动画视频：复平面上的向量缓缓旋转、复数乘法如何对应角度叠加——学生看完惊呼"原来如此"。这就是 TheoremExplainAgent（TEA） 正在做的事情。
TheoremExplainAgent（论文：arXiv:2502.19400）是 TIGER-AI-Lab 团队的研究成果，已被 ACL 2025 Main Conference 录用为 Oral 论文（Top 3% 入选率）。ACL 是自然语言处理领域的顶级学术会议，能在 ACL 获得 Oral 演讲资格，说明该研究在学术界具有相当的影响力。
团队的核心洞察是：LLM 对定理的理解能力，不能仅通过文字问答来评估。文字回答可以很流畅、很自信，但实际上是"幻觉"——模型并没有真正理解定理背后的几何直觉或逻辑链条。而 动画视频 提供了一种全新的多模态评估维度：模型是否真正理解了定理，看它能不能生成正确的、可解释的动画内容。
TEA 的完整工作流程分为以下几个阶段，体现了多智能体协作的思想：
用户输入一个数学定理或题目描述后，VideoPlanner 模块首先规划整个视频的叙事结构。它会将一个完整的视频拆解为多个场景（Scene），每个场景对应定理证明过程中的一个逻辑步骤。例如讲解欧拉公式，可能规划为：复平面基础 → 旋转的几何意义 → 泰勒级数连接 → 最终公式呈现。
规划阶段使用 RAG（检索增强生成）从 Manim 官方文档和社区代码库中检索相关的动画实现参考，确保生成的计划具有技术可行性。
每个场景对应一段 Manim 代码。Manim 是 3Blue1Brown（3蓝1棕）用来制作数学科普视频的 Python 库，可以生成精确、美观的数学动画。CodeGenerator 负责生成符合 Manim 语法的 Python 代码片段。
生成过程采用并发处理：多个场景可以同时生成，通过 asyncio.Semaphore 控制并发数量（默认 5），避免 API 调用过载或 Token 配额耗尽。
这是 TEA 最有技术含量的部分。生成的 Manim 代码可能存在渲染错误（如图形重叠、动画时序不对），传统方案是直接让 LLM 修复代码，但纯文本反馈信息有限。
TEA 的做法是：先用 Manim 渲染生成预览图，再将预览图反馈给 LLM，告诉她"这里图形叠在一起了，请修复代码"。这是一种 视觉反馈回路（Visual Feedback Loop），让 AI 能"看到"自己的错误，显著提升代码修复的准确率。
TEA 不只是生成无声动画，还集成了 Kokoro 开源 TTS 模型（支持 ONNX 推理，GPU 加速）为视频配音。配合 gTTS 和 SpeechRecognition 实现语音转文字pipeline，为数学讲解提供自然流畅的旁白。
项目内置了完整的评估体系，包含 5 个评估指标维度：视觉质量、音频质量、代码正确性、教育价值、整体连贯性。评估脚本支持自动打分和人工评分两种模式，便于研究团队量化不同 LLM 的表现差异。
项目采用清晰的模块化架构：
TheoremExplainAgent/
├── src/
│ ├── core/ # 核心生成引擎
│ │ ├── video_planner.py # 场景规划（LLM 调用）
│ │ ├── code_generator.py # Manim 代码生成（LLM 调用）
│ │ ├── video_renderer.py # Manim 渲染执行
│ │ └── parse_video.py # 视频解析（抽帧分析）
│ ├── rag/ # RAG 检索增强
│ │ ├── rag_integration.py # 检索+注入 pipeline
│ │ └── vector_store.py # ChromaDB 向量存储
│ └── config/ # 配置管理
├── mllm_tools/ # 多 LLM 后端统一封装
│ ├── litellm.py # LiteLLM 统一接口（OpenAI/Gemini/Azure）
│ ├── gemini.py # Google Gemini 原生调用
│ └── vertex_ai.py # Google Vertex AI 调用
├── task_generator/ # 题目/定理生成 prompt 管理
├── generate_video.py # 主入口脚本（VideoGenerator 类）
└── evaluate.py # 评估脚本
TEA 通过 LiteLLM 实现了对多个 LLM 后端的统一封装，支持：
LiteLLM 的引入使得在不修改核心代码的情况下切换不同的 LLM 供应商，大幅提升了框架的灵活性。
项目依赖 Manim 0.18.1（精确版本锁定），并额外集成了多个社区扩展库：
manim-physics：物理场景动画manim-ml：机器学习可视化manim-chemistry：化学结构动画manim-dsa：数据结构与算法可视化manim-circuit：电路图动画这使得 TEA 不仅仅能讲解纯数学，还可以扩展到物理、计算机科学等多个学科领域。
RAG 模块使用 ChromaDB 作为向量数据库，配合 Azure OpenAI Embeddings（或本地 embedding 模型）实现语义检索。Manim 官方文档被切分为块（chunk）后存入向量库，生成代码时实时检索相关示例作为上下文注入，大幅提升生成代码的正确率。
集成了 Langfuse（开源 LLM 可观测性平台），支持 tracing、token 计数、成本分析和质量评估。每次视频生成任务都有完整的 trace_id，便于复盘和优化。
TEA 的安装过程较为复杂，主要门槛包括：
.envREADME 提供了详细的安装步骤，但整体门槛明显高于普通 Python 包。对于没有 AI/ML 环境配置经验的用户，可能需要 1-2 小时完成全部配置。
纯 CLI 工具，无 Web 界面。核心使用方式：
python generate_video.py \
--planner_model "gpt-4o" \
--scene_model "gpt-4o" \
--task "Explain Euler's formula e^{iπ}+1=0" \
--output_dir ./output \
--use_rag \
--use_visual_fix_code
支持的关键参数：
--use_rag：开启 RAG 检索增强--use_visual_fix_code：开启视觉反馈修复--max_scene_concurrency：并发场景数（默认 5）--use_langfuse：开启 Langfuse 可观测性Manim 语法严格，生成的代码偶尔会出现语法错误或渲染失败。虽然有 use_visual_fix_code 机制作为兜底，但在某些复杂定理（如多步归纳证明）上仍可能出现连续多次生成失败的情况。这是当前 LLM 生成代码能力的普遍局限。
整个 pipeline 的质量上限取决于底层 LLM 的数学理解能力和代码生成能力。GPT-4o 和 Gemini 的表现存在差异，且随着模型版本更新，同一个 prompt 可能产生截然不同的结果。缺乏对生成结果稳定性的系统性保障。
项目未提供 Dockerfile 或 docker-compose.yml。对于希望在服务器环境运行（非个人开发机）的用户，需要手动在 Docker 容器中复现完整的 Python 环境，迁移成本较高。
Manim 渲染是 CPU 密集型任务（尤其是复杂 3D 场景），即使有 GPU 加速，一个 2-3 分钟的定理讲解视频通常需要 10-30 分钟渲染时间。音频合成的实时性尚可，但与专业视频制作工具相比效率有限。
TheoremExplainAgent 代表了 AI 在数学教育自动化方向的一个重要突破。它不仅仅是"生成视频"，而是在尝试教会 AI 真正理解数学概念的几何直觉——这是此前纯文本评估无法触及的维度。ACL 2025 的 Oral 录用本身就是对这一方向的学术认可。
项目开源的意义不仅在于复现论文结果，更在于为整个 AI + 数学教育社区提供了一个可扩展的基础设施：
可以预见几个可能的演进方向：
一句话总结：TheoremExplainAgent 是一个将 LLM 的数学理解能力"可视化"的学术级工具，通过生成 Manim 动画视频来揭示文字问答中看不见的推理漏洞和几何直觉，是 AI 数学教育领域值得关注的前沿探索。