Math-to-Manim：从数学推理到可验证动画生成的完整流水线

背景

Math-To-Manim 的诞生源于一个特定的历史时刻。2025年1月20日，即唐纳德·特朗普第二次就职典礼的清晨，作者 Christian 在当地时间凌晨4:30左右，目睹了中国 AI 实验室 DeepSeek 在 Hugging Face 上发布了 R1 模型。作者将这一时机解读为一种“斯普特尼克式”的信号，标志着开源推理模型已成为地缘政治事实。

受此启发，作者立即克隆了 R1 并将其应用于数学推理。实验中发现，推理模型不仅能解决数学问题，更重要的是，它能让“生成良好解释”的路径变得可视化。这一过程可以将一个主题拆解为前置知识、教学顺序、方程、屏幕节拍（screen beats），最终转化为 Manim 代码和电影。

基于这一实验，Math-To-Manim（简称 M2M2）应运而生。它是一个旨在将严肃的数学和物理提示词转化为 Manim 解释性视频及其可复用工件（artifacts）的流水线。无论是教师、导师、家长、学生、研究人员还是 AI Agent，都可以输入简短的问题、课程构想或密集的技术笔记，从而获得一个可检查的解释：包括概念、缺失的前置知识、思想顺序、屏幕节拍、生成的 Manim 代码，以及可选的渲染视频。

核心内容

Math-To-Manim 的核心理念是“故事先于符号，几何先于代数，工件先于副作用”。与普通的文本到代码演示直接从请求跳转到 Python 不同，Math-To-Manim 故意采取了一条更长的路径：它从最终概念逆向推理至前置知识，然后正向通过一个可教学的视觉序列。

1. 基于代码的工作流与可检查性

该流水线确保每次运行都保持可检查性，从提示词到工件再到渲染结果。每个生成运行都会写入一个自包含的 runs/<run_id>/ 包，其中包含 request.json、intent.json 等结构化数据。这种设计使得输出不仅仅是 MP4 视频，而是一个从问题到理解再到动画的可检查路径。

2. 固定的阶段链（Pipeline）

AnimationPipeline.generate() 运行一个固定的阶段链，依次包括：

• IntentAgent：意图识别
• PrerequisiteGraphAgent：前置知识图谱构建
• CurriculumAgent：课程规划
• MathAgent：数学推导
• StoryboardAgent：分镜脚本
• SceneSpecAgent：场景规格说明
• ManimCodeAgent：Manim 代码生成
• StaticReviewAgent：静态审查
• RenderAgent：渲染执行
• VideoReviewAgent：视频审查
• PublisherAgent：发布

每个阶段之间通过类型化的 Pydantic 工件进行连接，确保数据的严谨性。

3. 递归编辑与 Agent 环境

下一步的方向是递归编辑。受递归语言模型（Recursive Language Models）启发，目标是将完成的电影及其运行包视为一个 Agent 可以检查和修订的环境。例如，请求“重新渲染，但倾斜相机以便方程更易读”，应路由回场景计划和 Manim 代码，重新计算正确的更改，验证后再次渲染，并留下新的轨迹以训练下一个策略。

4. 作为 Prime Intellect 强化学习环境

Math-To-Manim 正逐渐成为一个强化学习（RL）环境，特别是用于 Prime Intellect 的修复任务。当前的 RL 目标不是“一次性生成整个视频”，而是处理生成动画代码失败时的关键修复步骤。

• 任务定义：模型接收原始提示词、类型化的 scene_spec、生成的 Manim Python 代码、静态验证报告以及渲染/恢复证据。
• 输出要求：模型必须返回一个严格的 GeneratedCode JSON 块。
• 验证器奖励机制：Verifiers 奖励检查提出的代码是否可解析、是否定义了预期的 Manim 场景、是否避免了不安全的导入和调用、是否保留了预期的数学项，并减少了明显的文本/布局拥挤隐患。
• 闭环流程： generated_scene.py + scene_spec + 验证/渲染证据 -> Prime Intellect Verifiers 环境 -> 模型提议修正的 GeneratedCode JSON -> 静态奖励检查（可解析性、场景形状、安全性、术语、布局） -> 托管 RL 更新修复策略 -> 修正后的、可渲染的 Manim Python 流回 M2M2 恢复流程。

这种设计保持了快速的 RL 循环基于文本和 AST（抽象语法树），而较慢的 Manim 渲染器则作为审计门控。

5. 技术栈与集成

• 兼容性：包含与 OpenAI Agents SDK 兼容的适配器和用于规划与生成的适配器。
• 代码生成：可选使用 Codex CLI 支持代码生成，通过订阅认证进行迭代。
• 当前训练状态：环境动作在 Prime 上通过，Hub 包已发布为 harleycooper/[email protected]。已完成 1 步烟雾测试，并在 Qwen/Qwen3.5-35B-A3B 上启动了 25 步的 W&B 启用试点。

关键要点

• 完整工件保留：每次运行不仅输出视频，还保留导致场景的推理工件和数学内容，便于调试、Agent 交接和强化学习工作（如 Prime Intellect 修复环境）。
• 逆向推理机制：流水线从最终概念逆向推理至前置知识，再正向构建可视化的教学序列，确保逻辑的连贯性和可解释性。
• 类型化数据契约：阶段之间使用类型化的 Pydantic 工件，确保数据结构的严谨性和可检查性。
• 递归编辑愿景：计划将完成的视频和运行包作为 Agent 可检查和修订的环境，实现“请求-计划-代码-验证-渲染-新轨迹”的闭环。
• RL 修复聚焦：强化学习重点在于代码失败时的“修复移动”，而非一次性生成，旨在让模型学习仓库的“家庭风格”（电影感但可读、公式稀疏、分阶段字幕、安全的 Manim 代码）。
• 增量迁移支持：支持将代码生成和修复循环路由到本地认证的 Codex CLI 会话，而规划阶段保持使用类型化适配器，实现渐进式迁移。
• 严格验证流程：包含静态验证、渲染元数据、审查工件和清单，易于在 CI 中或由其他 Agent 检查。

意义与影响

Math-To-Manim 不仅仅是一个视频生成工具，它代表了一种将 AI 推理过程可视化、可检查且可迭代的新范式。

1. 教育与技术传播的革命：通过生成包含真实 LaTeX 数学和物理符号的解释性视频，而非装饰性的伪数学，它为复杂概念的教学提供了高质量、可复用的素材。
2. AI Agent 的基础设施：通过将推理过程分解为可检查的工件，它为 AI Agent 提供了丰富的上下文和记忆，使得 Agent 之间的交接和协作更加顺畅。
3. 强化学习的新场景：作为 Prime Intellect 的 RL 环境，它提供了一个具体的、具有严格约束的代码修复场景，有助于训练模型在特定领域（如科学可视化）的鲁棒性和安全性。
4. 开源推理模型的落地应用：该项目展示了如何利用开源推理模型（如 DeepSeek R1）进行复杂的、多步骤的创造性任务，证明了开源模型在专业领域应用的潜力。

总之，Math-To-Manim 构建了一个从“思考”到“表达”的完整闭环，不仅生成了内容，更保留了思考的痕迹，为未来的 AI 辅助创作和教育工具树立了新的标杆。