AI爆改陶哲軒30年主頁，順手揪出兩個藏了20多年的bug

菲爾茲獎得主、數學家陶哲軒近期做了一件意想不到的事：他沒有讓AI幫忙證明定理，而是請它來搬遷自己將近三十年的個人主頁。這個從1997年就建起的網站，累積了超過560篇論文與預印本、374次旅行記錄、68門課程資料、19本書籍資訊以及29個數學可視化小程序。在AI智能體的協助下，整個遷移工程僅花了一天時間就完成，不只將內容從老舊的架構搬到了GitHub Pages，還順手在陶哲軒二十多年前親手撰寫的代碼中，揪出兩個連他自己都不知道的bug。 陶哲軒的個人主頁始於1997年，當時他還是加州大學洛杉磯分校的Hedrick助理教授。那個時代的網站是標準的Web 1.0風格：一頁一個主題，滿滿的文字連結，全靠手動維護。近三十年來，這套架構幾乎沒有改變過。陶哲軒不斷往上添加內容，從三百多篇論文的詳細子頁、教學記錄、旅行日程，到簡歷與書籍勘誤，全部是一頁一頁地手動修改，再上傳到伺服器。早年他直接在Unix帳號裡用vi編輯器敲HTML，後來雖然改用現代網頁編輯器生成代碼，但結果是產出的HTML比手打版本更為臃腫。隨著內容越積越厚，維護成本呈指數級成長，很多時候他明知有錯誤存在，也因為修改難度過高而選擇擱置。 那些用Java 1.0寫成的數學可視化小程序，更是陷入徹底的失效狀態。因為瀏覽器早已不再支援那個版本的Java，這批程式集體過時，網頁上就這麼掛著長達十年，無人能夠使用。陶哲軒坦言，他最近才意識到，有了AI智能體，這種近三十年的老系統遷移，理應是一件例行公事。於是他決定嘗試看看，結果過程「相當無痛」。 關鍵在於，他沒有讓AI直接重寫一批HTML，而是請它重建一套數據流水線。這個新的倉庫取名為tao-web，運作邏輯就像一個印刷廠。所有原始資料存放在data目錄下的YAML檔案中，八類內容各有一個資料夾；schema檔案定義格式規範，規定每個欄位應有的樣子。兩個Python腳本分別負責驗證與生成：一個檢查數據是否正確，沒通過驗證的代碼根本無法推送；另一個將YAML內容轉換成靜態網頁，輸出到site目錄，但該目錄不進入版本庫。每次推送main分支時，GitHub Actions會自動執行驗證、生成與部署。倉庫的README明確寫著：「YAML是唯一真相源，網頁是生成出來的。」操作守則也跟著一句：改數據時永遠不要去改site目錄裡生成出來的HTML。 這套新架構徹底解決了舊系統的資訊不一致問題。過去同一個事實可能散落在五個頁面上，改漏一個就會出現矛盾。現在事實只存放一份，網頁降級為顯示層，就像一張隨時可以重新打印的紙。一個人的知識庫從一堆零散文檔變成了一個結構化的資料庫。 搬完數據之後，陶哲軒順手做了第二個實驗。從1999年起，他為了給複分析與線性代數課程製作可視化，陸續用Java 1.0寫了一批小程序。這些程式雖然在當年反響不錯，但隨著瀏覽器拋棄Java支援，它們全都成了無用之物。現在他讓AI智能體將這二十來個小程序移植到JavaScript上，只花幾個小時就全部復活。大模型寫代碼難免會引入新錯誤，但陶哲軒檢查後只發現一個問題：某個複分析程序在使用者拖拽出主顯示框時行為異常。有趣的是，智能體反過來在他的原始Java代碼中找出了兩個他從未察覺的錯誤。一進一出，他判定整體代碼質量與原來持平。 一位菲爾茲獎得主被AI在自己二十多年前寫的程式裡發現錯誤，這件事本身就相當具有話題性。不過陶哲軒立刻為這個結論劃清了邊界：這些小程序是輔助性的視覺工具，並非數學論證的關鍵部分，出bug的風險後果本來就不高。拖拽出框，使用者自己就會發現；而如果是證明寫錯了，那就是職業事故。這個邊界正是他這套方法論的關鍵。 完成移植後，陶哲軒決定再往前走一步。1999年他曾有一個雄心勃勃的構想：製作一個狹義相對論的可視化工具。他希望打造一個能畫出相對論效應的畫板，使用者擺上一條運動軌跡，換個觀察者視角，整張圖就按相對論規則自己扭轉過來。他稱之為「閔可夫斯基空間裡的Inkscape」。當時他已經動手寫了Java程式碼，最後因為代碼複雜度太高而放棄。如今他與AI智能體「vibe coding」了兩個小時，那個1999年的構想就做出了成品。7月11日，這個時空圖模擬器正式上線，成為新站上第一個原創應用，雖然仍標明是alpha版本，但二十七年前的願望終於實現。 陶哲軒對整件事下了個註腳。他認為網頁維護大概是學術工作流裡最不迷人、最不令人興奮的環節之一，而恰恰是這類枯燥的例行任務，特別適合現代平台，例如GitHub，也特別適合自動化工具，包括現代AI與傳統的確定性腳本。他並沒有迴避AI的幻覺問題，明確指出遷移過程中有可能引入新的錯誤，但經過他本人檢查，現在的錯誤率「看上去確實比以前低了」。更重要的是大規模糾錯變得容易許多。他並沒有拿AI去和完美比較，而是拿「AI加上人工複核」去和自己「純人工維護三十年」相比。人工維護本身就是一台持續產錯的機器，只是過去三十年沒人有精力去查。存量的錯誤並不可怕，可怕的是修不動。舊站要改一個資訊得翻五個頁面，新站改一行YAML，全站自動重建。 這場實驗為學術界提供了一個很實際的啟示：多少實驗室、期刊、研究機構，至今仍壓著幾十年的HTML、Excel與本地目錄。智能體的第一份現實工作，很可能就是扮演這些「數位資產」的遷移工程師。當然，這並不代表AI已經能可靠處理所有學術數據，更不意味著人工校驗可以省略。真正被改變的，是一位數學家與他三十年積累之間的關係：過去他必須親自打理維護這些積累，現在他只需要扮演最後把關的角色。