Carnap Ten Years Later: Lessons Learned and Next Steps

想象一下，你正试图教 45,000 名学生如何解决逻辑谜题。你想让他们每天都进行练习，但手动批改数以千计的手写证明简直是一场噩梦。于是，你制造了一个机器人老师。

这正是 Graham Leach-Krouse 开发 Carnap 的初衷——这是一个基于 Web 的工具，在过去的十年里，它已为全球的学生批改了超过四百万道逻辑题。但在运行了这个机器人十年后，作者意识到这个机器人变得有点笨拙了，是时候构建一个全新的、超级流畅的版本了。

这就是关于什么成功了、什么失败了，以及正在构建哪些闪亮的新工具来修复它的故事。

原型机器人：一个有点混乱的天才

最初的 Carnap 就像一把巨大的、全能的瑞士军刀。它是用一种非常高级的编程语言 Haskell 编写的。作者希望它能够是免费的（学生无需付费）、基于 Web 的（无需安装烦人的软件）且灵活的（能够教授任何类型的逻辑，从简单的数学到复杂的哲学）。

成功的点：

• Web 端： 将其放在网站上是一个巨大的胜利。学生不需要与安装界面作斗争；他们只需点击一个链接即可。
• 反馈循环： 最棒的部分是“即时反馈”。当学生输入一个证明时，机器人会逐行检查它。如果他们犯了错误，它会立即说“不对，再试一次”。这让学生保持在“心流状态”中，让他们觉得是在玩游戏而不是在做作业。
• 灵活性： 作者使用了一个巧妙的技巧（称为 Huet 算法），让机器人能够理解数十本不同的逻辑教科书。这就像拥有一个能瞬间听懂每种逻辑方言的翻译官。

失败的点：

• “全能”陷阱： 作者试图在一个巨大的代码块中完成所有事情。绘制图形的部分、检查数学的部分以及保存成绩的部分全部纠缠在一起。如果你想修复数学检查器中的一个小 bug，你可能会不小心破坏掉成绩保存系统。这就像是在汽车轮子还在旋转时尝试修理引擎。
• “公交车因子”： 由于代码如此纠缠且使用了非常特定、难以安装的设置，几乎不可能让其他人来帮忙。如果主要构建者被公交车撞了（这是一个经典的程序员笑话，指失去那个唯一了解系统运作方式的人），这个项目可能会夭折。
• 信任问题： 学生需要信任机器人。如果机器人出现故障、给出令人困惑的错误信息或表现异常，学生就会不再信任逻辑本身。他们会开始认为：“是机器人坏了”，而不是“我犯了错”。原有的系统有很多细小的故障，破坏了这种信任。

诊断：为什么旧机器人需要退休

作者观察了旧系统，发现它建立在“双单体”架构之上。想象一下，这就像一间房子，厨房、卧室和浴室都在一个巨大的房间里，没有任何隔墙。你无法在不拆掉浴室的情况下装修厨房。

具体的问题在于用于在浏览器中运行它的技术。作者使用了一个名为 GHCJS 的工具将高级代码转换为 Web 代码。但这个工具现在已经“过时”（基本上是被其创造者弃用了）。试图更新旧系统就像是想用一个不再匹配的零件去更换汽车的引擎。这会非常痛苦、昂贵，且很可能失败。

新设计：“模块化”的梦想

本文提议进行一次彻底的重新设计，将这个巨大的机器人拆分为三个互相通信的专业微型机器人。

1. 微型验证器 (mm0-zig)： 这是“大脑”，负责检查一个证明是否真正正确。它使用一种新语言 Zig 编写，并且极其精简——只有大约 4,500 行代码。因为它如此之小，人类可以阅读整个程序并说：“没错，这是值得信赖的。”它被设计为可以在瞬间（对于一个庞大的数学库，耗时低于 200 毫秒）完成证明检查。
2. 编译器 (Aufbau Bytecode Compiler 或 abc)： 这是“翻译官”。它将学生输入的复杂且凌乱的证明方式（也许是使用某种高级视觉编辑器）转化为一份干净的二进制证书。它不在乎学生是如何书写的；它只负责确保最终结果是有效的。
3. 服务器： 这仅仅是一个“档案柜”。它存储作业和成绩。它不进行任何繁重的思考；它只负责管理数据。

新系统的魔力：

• 不再有纠缠的电线： 如果你想添加一种新的逻辑类型（比如一本新的教科书），你不需要重写大脑或档案柜。你只需要给编译器一套新的规则。
• 值得信赖： “大脑”（mm0-zig）如此之小且简单，以至于可以由单个人进行审计。一旦经过检查，它就不再需要更改。
• 快速： 新的验证器几乎与原始的 C 版本一样快，针对特定测试用例的平均运行时间约为 7.1 毫秒（相比之下，旧版本为 6.1 毫秒），这足以让人感觉到是即时的。

未来：下一步是什么？

作者承认新系统尚未完成。目前，“翻译官”（abc）最适合配合文本编辑器使用，但这对于刚开始学习逻辑课的新手来说可能仍然过于吓人。计划是构建更丰富的视觉界面（例如拖放式的证明树）来与翻译官进行通信。

这里的大道理不仅仅关乎代码，更关乎信任。无论你是学生、老师还是程序员，你都需要信任你正在使用的工具。旧的 Carnap 是一个完成了任务的英雄，但它很混乱。新的 Carnap 正在被构建得更加精炼、高效且透明，以便让学生能够专注于逻辑，而不是与软件作斗争。

简而言之：旧的机器人是一个聪明但混乱的天才。新的机器人则是一个由专业、可靠的专家组成的团队，准备好帮助下一代思考者摆脱困惑的引力，达到自身推理能力的“逃逸速度”。