LeanAide：用 AI 打破数学证明的「最后一道坎」

场景：数学家的"噩梦"与 AI 的救赎

想象你是印度理工学院的数学研究者。你刚刚在草稿纸上完成了一个漂亮的证明——逻辑严密、思路清晰。但当你试图把它写成 Lean 4 代码时，问题出现了：Lean 的语法像一门外语，每一步都需要精确的类型声明，一个小数点都可能让整个证明崩溃。

这就是数学形式化（Formalization）的残酷现实：想法与代码之间，横亘着一道几乎无法跨越的鸿沟。

LeanAide 正是为了解决这个问题而生。它用 AI 把自然语言的数学描述自动翻译成 Lean 4 代码，让数学家们能把更多时间花在"思考证明"而不是"学习语法"上。

背景：一个人与一个社区的十年深耕

LeanAide 的核心作者是印度理工学院（IIT）数学系的 Siddhartha Gadgil 教授。自 2012 年起，他就开始活跃于 Lean 社区，是最早将 Lean 引入数学研究的学者之一。

2022 年 6 月，Gadgil 启动了 LeanAide 项目，核心目标是 Autoformalization（自动形式化）——把人类写的数学文本自动翻译成机器可验证的 Lean 代码。这个方向在数学 AI 领域被广泛认为是"最难啃的骨头"之一，因为数学语言的严谨性与自然语言的模糊性之间天然存在张力。

2023 年，Gadgil 团队与微软研究院合作，发表了相关论文，并得到了 Google Cloud 研究积分和印度国家研究基金的支持。2024 年 10 月后，项目进入新一轮加速期，新增了多名核心贡献者。

类比：一个"同声传译"而非"词典翻译"

把 LeanAide 理解为一个"数学同声传译"会更准确——它不是简单地做字符串替换，而是理解数学意图后，用 Lean 的方式重建整个证明结构。

这意味着：

• 一句"实数集的每个上确界都有最小上界性"，会被翻译成一个完整的 Lean 定理声明（带类型）
• 证明过程可以被 LLM 生成，然后通过 Lean 的自动证明工具（aesop、simp、hammer）自动补全
• 翻译后的代码可以无缝插入已有的 Mathlib 数学库体系

核心功能：从定理翻译到完整证明生成

1. 定理/定义的自然语言翻译

这是 LeanAide 最成熟的功能。用户只需写一句 #theorem "There are infinitely many primes." >> translate_theorem，AI 就会自动生成对应的 Lean 定理声明，并提供代码动作（code action），点击即可插入代码：

#theorem "There are infinitely many primes."
-- AI 翻译后 → 
theorem infinite_of_primes : ∀ n : ℕ, ∃ m : ℕ, m > n ∧ Prime m := by sorry

2. 证明自动生成（多阶段流水线）

LeanAide 的证明生成分为五个阶段，每一阶段都是一次 AI 调用：

1. TheoremText：自然语言定理陈述
2. TheoremCode：翻译为 Lean 声明（带类型）
3. ProofDocument：LLM 生成详细证明文本
4. StructuredProof：结构化 JSON 格式的证明步骤
5. ProofCode：最终 Lean 代码（通常带 sorry，由 aesop/simp 自动补全）

这种流水线设计的好处是：即使某一步出错，用户可以在中间阶段介入修改，而不是从头再来。

3. 服务器-客户端架构

LeanAide 采用零依赖子项目 LeanAideCore，通过 HTTP API 与 Python 服务通信。用户可以在自己的 Lean 项目中引入 LeanAideCore，连接到宿主机的 Python 服务，实现跨项目复用：

require "leanaidecore" from git "https://github.com/siddhartha-gadgil/LeanAide.git" @ "main" / "LeanAideCore"
#leanaide_connect localhost:7654

4. 交互式 Streamlit UI

Python 服务提供可选的 Streamlit 界面，支持上传 PDF 数学文档、查看翻译进度、调试 JSON API 响应。

5. 嵌入向量语义搜索（FAISS + Sentence-Transformers）

服务端使用 OpenAI 的嵌入向量配合 FAISS 实现语义搜索，可以根据数学概念检索相关的 Mathlib 定义和定理，提升翻译的上下文准确性。

技术架构

LeanAide 的架构分为三层：

• Lean 层（核心）：纯 Lean 4 代码，负责语法扩展（#theorem、#prove 宏）、元编程、证明结构化
• Python 服务层：Flask/Streamlit Web 服务，处理 LLM API 调用（GPT-5 或兼容的 OpenAI 兼容 API）、嵌入向量计算、FAISS 检索
• LeanAideCore 层：零依赖 Lean 包，作为 Lean 侧与 Python 服务的通信桥梁

关键技术栈：

• 语言：Lean 4（核心）、Python 3（服务端）
• AI 模型：GPT-5（默认，支持 OpenAI 兼容 API，可替换为本地 vLLM、Mistral 等）
• 向量数据库：FAISS（CPU 版）
• 嵌入模型：Sentence-Transformers（本地 embedding 模式）
• Web 框架：Streamlit（UI）、Flask（API 服务）
• 包管理：Lake（Lean 生态的包管理器）

适用人群与门槛

场景	适合人群	门槛
定理翻译	数学研究者、形式化爱好者	需了解 Lean 基本语法
证明辅助	有 Lean 基础的开发者	需要理解 proof by sorry
自动化文档	数学写作团队	需要 Python 环境

零基础友好度：★★☆☆☆ —— LeanAide 能降低形式化的门槛，但用户仍需对 Lean 有基本认知。

争议与局限

1. 对 GPT-5 强依赖：翻译质量高度依赖底层 LLM 能力，目前默认使用 OpenAI GPT-5，自托管模型效果参差不齐
2. 证明成功率不稳定：自动生成的证明中，aesop/simp 能补全的比例有限，大量场景仍需人工介入
3. 构建过程痛苦：Mathlib 库体积庞大，首次构建耗时以小时计劝退了不少潜在用户
4. Autoformalization 仍不成熟：这本身是数学 AI 领域的公认难题，LeanAide 目前只能处理相对规范的数学文本

行业意义

LeanAide 代表着 数学 AI 的一个重要分支——形式化辅助工具的发展方向。Mathlib4 已有超过 20 万条定理定义，而手动形式化的速度远远跟不上数学家产出新证明的速度。

Autoformalization 一旦成熟，意味着：

• AI 生成的自然语言证明可以自动转化为可验证代码
• 机器证明与人类数学知识的融合将大幅加速
• 数学研究的"最后一公里"问题（从论文到可验证证明）有望被攻克

LeanAide 目前 star 数仅 120，在 GitHub 上属于小众项目，但其所在的 数学形式化 + AI 辅助 赛道，正在随着大模型能力的提升而加速发展。