对话档案 D04 · 概率论闯关游戏（10-12）

一句话：把近三年考研数学概率论选择题做成一个可玩的网页闯关游戏（金币、道具、关卡、Boss、教学关、AI 助教、局外养成），37 小时内跑完 8 条真实指令、429 次工具调用、5307 万 token，功能全部落地，但公式渲染修了三轮仍未彻底收敛。

一、这段对话怎么走的

阶段	用户要求	产出	卡点
1. 立骨架	搜集近三年概率论选择题，按易到难设关卡，配"概率学工具"，答题得金币买工具解锁关卡，最终 Boss 是真题；要可视化、互动、留扩展接口、重要知识点高星多次出现	关卡地图、金币与道具系统、题库结构、Boss 关	题目来源与知识点归属没有先定结构，全靠模型中途归类
2. 修错配	「题目使用全概率卷轴的时候,知识点有的并不匹配」；「公式上标混乱,而且公式不美观」；同时加局外养成与冒险手册	知识点提示修复、公式样式调整、养成系统	知识点是渲染时临时推断的，没有作为题目字段存下来
3. AI 助教	「在做完题目后,可以问ai问题…使用直观美观的网页结构,然后呈现在页面中」	答题后追问面板，AI 回答以结构化网页呈现	模型输出带 \{ 等转义，前端解析失败
4. 修格式	「助教给的答复格式不准确,html解析会出现许多{等格式你做几次测试」	提示词与解析器双改	只修了解析，没建可复跑的用例，同类问题换个题面又出现
5. 助教进库	「给AI助教也纳入数据库…每次询问时,带上历史记录作为上下文」	问答历史表 + 上下文拼接	历史变长后，早期题目上下文被挤掉
6. 补教学	「现在这个版本只有题目,没有教学.要在关卡中先插入教学关,然后解锁了某个知识点之后才会出现相应的题目」	教学关（图表、例子、动画）+ 知识点解锁门禁	顺序反了：先做题目后补教学，等于重排关卡依赖
7. 再修公式	「还是会有有关$\displaystyle 和$$$的未识别公式」；「第三关的这里还是这样的」	第三轮公式修复	仍有余留，属于定界符混用 + 转义叠加

时间线：2026-10-12 20:02 起，2026-10-14 08:58 结束，约 37 小时。单段会话，1 个 jsonl，无合并；15 条用户消息里有 6 条是自动上下文摘要，真实指令 8 条。

二、用户的关键原话

原话：「搜集近三年考研数学有关概率论的选择题，然后根据所涉及的知识，按从易到难，设置闯关任务，排列好可用的概率论学工具…通过答对题目获得金币购买新的概率学工具，然后解锁更多关卡，最终boss就是之前搜集的考研数学概率学选择题题目。」

这条开场把"学习"翻译成了游戏机制：金币、道具、解锁、Boss。它好在给了完整的循环（答题→金币→道具→解锁→Boss），坏在把"知识点"当成渲染时能算出来的东西——结果第 2 轮就出现"知识点并不匹配"。如果第一句就要求"每道题必须带 knowledgePoint 字段"，后面这一整轮修复可以省掉。

原话：「任务复杂,每部分要提前设计,然后单独一点点处理,给自己安排好分步走的策略,将项目更加完善。」

用户已经意识到上下文会漂，主动要求"先设计再分步"。这是两个月里少见的元指令。实际执行中它起了一半作用：功能确实分批做了，但没有落成可勾选的计划表，所以到第 6 轮还是出现"只有题目没有教学"的结构性缺口。

原话：「助教给的答复格式不准确,html解析会出现许多{等格式你做几次测试,然后修复格式问题,或者修复提示词让ai给出合适的格式也行。」

这句话给出了两条修法（改解析或改提示词），也点明了"做几次测试"。问题在于测试是临时的：修完当下那题就好了，没有沉淀成固定用例，于是第 7 轮又出现 $$ 与 $$$$ 混用未被识别。

原话：「还是会有有关$\displaystyle 和$$$的未识别公式。」

十四个字，第三轮同类问题。它说明前两轮修的是症状——补一个正则、加一个 replace——而不是统一公式的输入规范。同一个坑踩三次，账要记在"没有回归用例"上。

三、成本与效率

指标	数值
token 总量	5307 万（0.531 亿）
其中输入 / 输出	5261 万 / 46.1 万
用户消息数	15 条（统计口径；其中真实指令 8 条，自动摘要 6 条）
工具调用	429 次
API 调用	368 次
每条消息平均 token	354 万（真实指令口径 663 万）
平均每次工具调用 token	12.4 万

单一模型 deepseek-v4-pro 全程跑完，没有换模型。输出 46.1 万 token 是五段里最高的，说明这段确实在大量"写代码 + 写题目解析"，而不是反复读文件。429 次工具、368 次 API，平均每次 API 1.17 个动作，仍是碎步模式。真实指令只有 8 条却花了 5307 万，意味着平均一条指令要烧 663 万 token——这是"一条长指令、几十轮自主实现"的典型成本结构。

四、曲折点与评判

1. 公式渲染修了三轮。 第一次是"公式上标混乱、不美观"，第二次是助教回答里的 \{ 转义，第三次是 $$ 与 $$$$ 混用未识别。根因是只验证一半：每次只修用户截图里那一处，没有把"行内/独立公式各 10 例"做成回归集。这类问题一次修干净的成本远低于三次。
2. 知识点与题目脱钩。 "全概率卷轴"给出的提示对不上题，根因是把知识点当成推理产物而不是数据字段。题目入库时就该写死 knowledgePoint，提示只是查表，不该临场判断。
3. 教学关后补，等于重排关卡。 用户第 6 轮才提"要先教学再解锁题目"，此前的关卡依赖是按"只有题"设计的，补教学关必须回头改解锁链。根因是需求演进，但也暴露了首轮没有先确认"学习闭环"包含哪几段。

曲折度：★★★★（无推倒重来，但同类问题反复，属于"慢性返工"）

五、提示词与流程改进

1. 反例：「公式要美观，不要混乱。」 正例：「所有公式只用一种定界符：行内 $…$，独立 $$…$$；渲染前先把 $$$$ 归一为 $$；交付前跑 10 道含分式/矩阵/上下标的样例题，全部正常才算出货。」 把"美观"换成"归一规则 + 回归样例"，一次收敛。

2. 反例：「题目使用卷轴时知识点要匹配。」 正例：「每道题入库必须带 knowledgePoint 与 difficulty 两个字段；卷轴提示只允许从该字段读取，禁止模型临场推断。」 把"要求正确"换成"从数据结构上不可能错"。

3. 反例：「任务复杂，要一步步做。」 正例：「先只交三样东西给我确认：关卡表（含知识点依赖）、题目数据结构、页面组件清单；确认后再写第一行代码。」 "分步"必须落成可确认的中间产物，否则只是口号。

六、可复用结论

1. 内容型游戏先定内容模型（题目—知识点—关卡三元组），再写界面；知识点必须是字段，不能是推理结果。
2. 公式、编码、转义这类"修了还会回来"的问题，必须配一组固定回归样例，否则永远在修症状。
3. 用户说"要分步"时，直接把分步翻译成"先交哪三份中间产物"，比口头答应有效得多。