AI 会讲题之后，我们为什么上线了一个不依赖 AI 的科学实验室？
现在，ArchSight Science 已经上线了一个可以直接试用的版本。
打开页面，不需要先注册账号。你会直接进入一个数学实验：改公式、拖参数、看图形实时变化，同时读取数值、误差、样本和科学检查。再往下，是由浅入深的挑战，以及“定位、预测、验证、观察、改变、比较、解释、迁移”八个学习阶段。
今天首发的 v1.0.0 版本包含 153 个可运行实验，覆盖 24 个数学与物理运行时领域，并组织了 5 条旗舰学习路线。
但我们不想把这篇文章写成一张功能清单。
做得越深，我们越确定一件事：AI 可以把答案讲得很顺，却不能替学习者做出第一次判断，也不能替科学模型生成结果。ArchSight Science 的核心体验因此故意不依赖 AI。即使没有生成式解释，它也要能让学习者先预测、再动手、最后回到证据。
先看实验工作台：打开以后有什么
很多交互式数学网站停在“拖一下，图动了”。这当然比静态图片多了一步，但还不够。
在 ArchSight Science 里，一个实验页面同时包含几层信息：中间是图形和当前样本，右侧可以改公式与参数，下方能查看派生量、假设、局限和科学检查。你还可以固定一份结果作为对比快照，只改一个条件，再看哪些量变了、哪些关系没有变。
以默认打开的“导数与局部变化率”为例。学习者可以把函数从抛物线换成正弦、高斯或有理函数，改变观察点与邻近间隔，同时比较割线斜率、切线斜率和误差。
页面不会只说“当间隔趋近于零，割线趋近切线”。它要求你先写下预测，再用两次不同间隔的记录说明自己看到了什么。导数不再只是一个背下来的符号，而是一个可以操作、对照和复现的局部关系。
这个差别很小，却决定了它是动画展柜，还是学习工具。
现在可以学什么
当前知识地图分为数学和物理两大部分。
数学侧共有 15 个运行时领域，包括微积分、线性代数、张量、圆锥曲线、射影几何、微分方程、偏微分方程、函数与数列、概率与统计、空间几何、复数与平面向量、计数与离散结构、优化与数学建模、统计推断与随机过程、数值方法与计算科学。你可以从割线逼近切线一路走到梯度和向量场，也可以从矩阵变换进入特征方向、换基、张量不变量；再往外，是图论、优化、随机过程和数值误差怎样连接真实问题。
物理侧共有 9 个运行时领域，包括经典力学、振动与波、电磁学、热学与热力学、光学、现代物理、测量与不确定性、流体与连续介质、电路、信号与控制。里面既有受力、能量、动量、轨道和刚体转动，也有受迫振动、流体守恒、电路暂态、传感器误差、熵与热传导、干涉衍射、量子阱和狭义相对论。
这些领域不是菜单里的几个标题。比如“测量与不确定性”会把分辨率、误差传播、标定和实验设计放进同一条证据链；“数值方法与计算科学”则让步长、稳定性、条件数和误差控制成为可以操作的对象。每个进入菜单的单元都要有确定性模型、不可变运行记录、参考结果和专属图形。
知识点多，不等于学习路径自然形成。为避免把 153 个实验做成一排孤立按钮，我们先把最能体现“概念如何前后连接”的内容组织成五条路线：
- 微积分 → 常微分方程 → 偏微分方程；
- 向量与矩阵 → 特征结构 → 张量；
- 圆锥曲线 → 坐标变换 → 射影几何；
- 经典力学 → 振动 → 波动；
- 势场 → 拉普拉斯方程 → 泊松方程。
这五条路线不是按课本目录平移。每条路线都有先修诊断、必修与扩展实验、迁移任务和延迟复测。路线之外的实验可以自由探索，但不会因为页面能打开，就被包装成一门已经成熟的完整课程。
一个实验怎样从“看图”走到“证据”
我们给学习单元规定了一条连续流程：
最容易被跳过的是第二步：预测。
比如看受迫振动的频率响应之前，先判断驱动频率接近固有频率时，振幅和相位会怎样变化；调大阻尼之前，先判断共振峰会变高、变低，还是只改变位置。
预测可能是错的。它的价值恰恰在这里。
学习者先暴露自己的判断，再让实验结果来纠正它，才知道自己原来混淆了什么。如果答案和解释一开始就摆在面前，页面再漂亮，也可能只剩一次被动观看。
验证也不是看动画“像不像”。系统会保留运行记录里的输入、样本、派生量、不变量、误差和警告。学习者可以固定快照，改变一个变量，再引用具体记录解释差异。自由文本不会因为写得流畅就自动判对；系统只检查可以确定的事实，以及所引用的证据是否真实存在。
为什么核心体验故意不依赖 AI
让 AI 解释一个实验并不难。难的是先回答：谁有权决定这次实验的结果？
ArchSight Science 把数学和物理模型放在纯 TypeScript 仿真层。模型接收输入，记录步长、样本、单位、派生量、不变量、警告和参考比较，再生成一份不可变的运行记录。
图形、数值卡片和学习交互都读取这份记录。它们不能为了显示方便，再算一套不同的答案。
未来即使加入 AI 解释，AI 也只能读取已经生成的证据，帮助学习者换一种方式理解。它不能修改输入、覆盖结果、隐藏警告，更不能把一段生成式解释变成科学真值。
这里要说清楚：确定性不等于永远正确。
模型可能选错假设，数值方法可能超出适用范围，代码也可能有缺陷。区别在于，这些问题可以通过解析解、独立参考、不变量、边界案例和回归测试暴露出来。相同输入应当得到相同记录，错误也能被定位和复现。
AI 可以参与科学学习，但没有必要占据每一层。
上线能证明什么，不能证明什么
公开试用版上线，至少证明了一些工程事实：实验可以在真实浏览器中运行；参数变化会生成新的记录；五条路线能保存独立进度，并拒绝“没有完成先修诊断，却已经完成路线”之类不可能状态；桌面和窄屏下的核心交互都经过了自动化验收。
这已经不是一张产品设想图。
但它仍然不能证明学习有效。
教师还要审查问题与迁移目标。不同先修水平的学习者还要独立完成实验，引用证据解释关系，并在几天后面对新的问题。失败、求助、退出和误解也要保留，不能只展示顺利完成的样本。
所以我们把它称为“公开试用、工程可试用”，不称为“已经验证有效”。它也不是题库、完整教材或教师替代品，而是一个从高中后段向大学初期延伸的数学物理交互实验室。
你可以怎样开始
如果你第一次进入 ArchSight Science，不必从 153 个实验里挑最难的。可以先走三步：
- 从“导数与局部变化率”开始，感受参数、图形、数值和误差怎样对应；
- 再试“受迫振子与微分方程”，观察瞬态、稳态、共振和相位如何落在同一份记录里；
- 最后选一个你真正好奇的领域，例如“薄透镜成像”“电荷、电场与电势”或“熵、可逆性与第二定律”，看看同一种证据方法能不能迁移过去。
每次只做一件事：先写预测，只改一个条件，固定前后两组结果，再引用具体数值或图形解释差异。十分钟就够完成一轮。
想体验时，可以直接在浏览器地址栏输入：science.archsight.cn。
在答案越来越便宜的时代，我们想提供的不是另一段更长的解释，而是一个让学习者亲手形成判断、接受反例、修正模型，并且随时能回到证据的地方。
ArchSight Science 已经可以打开。下一步要回答的是：真实学习者用过以后，它能不能成立。
关注我们
欢迎搜索并关注 筑见实验室，获取更多建筑 AI、结构计算与工程数字化实践：
