把大角几何接进 Agent 工作流：从需求到几何图导出的完整过程

关注

原创最新推荐文章于 2026-11-08 12:08:08 发布 288 阅读 AI 写同款· GEO 优化 ›

AI几何作图工具大角几何新画板核心技术解析几何作图工具从传统尺规作图发展到现代动态几何软件，正经历AI技术赋能的重大变革。AI几何作图Agent通过自然语言处理与符号推理的混合架构，实现了从语言指令到几何构造的智能转换，大幅提升教学演示与探索学习的效率。SVG矢量输出和LaTeX集成功能解决了学术绘图的关键痛点，支持高质量课件制作与论文出版。在几何引擎层面，优化的约束求解算法和实时响应机制为复杂图形处理提供技术保障。这些创新使大角几何新画板成为连接经典几何教学与现代AI技术的典范，特别适用于数学教育、学术研究等场景。阅读详情

正文

如果只让 AI 解释一道几何题，它可以输出文字步骤。

但如果一个产品或工作流需要的是“题目 + 配图 + 可复用项目”，语言模型本身并不够。

比如题库系统里有一道题：

在三角形 ABC 中，D 是 BC 的中点，连接 AD。证明相关线段关系。

普通 AI 可以解释“D 是 BC 的中点，所以 BD = DC”。但真实产品里，用户看到的不应该只有文字。题目解析页需要一张基础配图，课件生成工具需要可导出的图片，教研系统可能还需要保存一份以后能继续修改的项目。

这就是 Agent 工作流需要几何工具的原因。

大角几何 MCP 的作用，是让 Agent 不只会说“应该画什么”，而是可以调用几何工具完成作图、修改、导出图片和导出项目。

一、案例目标：从题目文字生成配图

本案例要完成一个完整的 Agent 工作流：

用户输入一道几何题文字。
Agent 识别题目中的几何对象和关系。
Agent 调用大角几何 MCP 创建图形。
Agent 检查图中对象是否完整。
Agent 导出 PNG 图片，用于展示或发布。
Agent 导出项目 JSON，用于后续复用。

示例题目：

在三角形 ABC 中，D 是 BC 中点，连接 AD，证明相关线段关系。

这道题很简单，但非常适合展示 Agent 的基本能力：从文字中抽取几何对象，再调用工具生成结构化结果。

二、给 Agent 的完整 Prompt

更好的写法，不是把“画什么”压缩成一句命令，而是给 Agent 一套行为流程约束。它应该先把题目语言翻译成几何作图过程，再决定图中如何呈现条件、结论和辅助线，最后才放入具体题目。

可以这样写成模板：

你是一个几何题配图 Agent。你的任务不是直接解释题目，而是把题目转化为可以执行的几何作图流程，并调用大角几何 MCP 完成配图。

请严格按以下流程工作：

1. 先读取题目，提取所有几何对象，包括点、线段、直线、射线、角、三角形、圆、多边形等。
2. 将题目中的自然语言条件转化为几何构造过程。
3. 区分三类内容：
   - 已知条件：必须在图中稳定呈现。
   - 题目要求证明或求解的结论：只有在适合作为解析图时才标注，不要把待证结论误画成已知条件。
   - 辅助线：只有当题目明确要求，或为了表达解题过程需要时才添加，并说明添加原因。
4. 根据题目决定约束的可视化方式：
   - 共线、垂直、平行、中点、相等等关系，应通过几何构造或清晰标记呈现。
   - 标签、线段、角标记和相等刻痕不能互相遮挡。
   - 基础题图优先保持简洁，解析图可以补充更多关系标记。
5. 调用大角几何 MCP 作图。先生成基础几何结构，再添加约束标记、辅助线和标签。
6. 导出前检查图形是否完整：
   - 所有题目对象是否存在。
   - 已知条件是否被正确构造或标注。
   - 辅助线是否符合题目或解析需要。
   - 待证结论是否没有被错误当作已知条件。
   - 图形是否清楚，标签是否遮挡。
7. 检查通过后，导出 PNG 图片和项目 JSON。

题目：
在三角形 ABC 中，D 是 BC 中点，连接 AD，证明相关线段关系。

这条 Prompt 里包含了四个层次。

第一，定义角色：你是一个几何题配图 Agent。这样 AI 会把任务理解为作图工作流，而不是一次普通问答。

第二，约束行为顺序：先读题和抽取对象，再转化为作图过程，然后调用工具。这样可以减少 Agent 直接跳到导出结果的概率。

第三，要求区分已知条件、待证结论和辅助线。几何题配图最容易出错的地方，就是把“要证明的结论”提前画成“已经成立的条件”。

第四，明确输出结果：PNG 图片和项目 JSON。图片用于展示，项目用于复用。

三、Agent 应该如何拆解任务

一个合格的几何题配图 Agent，不应该立刻导出图片，而应该先拆解需求。

第一步：识别几何对象

从题目中可以提取出：

三角形 ABC。
点 D。
D 是 BC 的中点。
线段 AD。
AD 是三角形 ABC 的中线。

第二步：识别图形关系

这里的关键关系是：

B、D、C 共线。
D 位于 BC 上。
BD = DC。
A 与 D 连接。

如果后续题目涉及证明，还可能需要补充线段相等标记或角度标记。

第三步：调用 MCP 作图

Agent 可以通过大角几何 MCP 创建三角形 ABC，取 BC 中点 D，连接 AD，并添加标签。

第四步：检查结果

导出前应该检查：

A、B、C 是否都已标注。
D 是否在 BC 上。
D 是否为 BC 中点。
AD 是否已连接。
图形是否清楚，标签是否遮挡。

第五步：导出结果

确认图形无误后，再导出 PNG 图片和项目 JSON。

四、为什么要同时导出 PNG 和项目 JSON

很多工作流只导出图片，但在 Agent 场景中，项目 JSON 同样重要。

PNG 解决的是展示问题。它可以进入：

题目解析页。
课件页面。
教学讲义。
公众号文章。
小程序或网页前端。

项目 JSON 解决的是复用问题。它可以进入：

下一步证明图生成。
后续题目变体。
教研素材库。
产品内部的图形编辑流程。
另一个 Agent 的后续处理。

例如，第一轮 Agent 只生成基础图。第二轮 Agent 可以在项目 JSON 基础上继续补充辅助线：

请导入这个项目 JSON，并在原图基础上标出 BD = DC。请突出中线 AD，并导出一张用于题目解析的 PNG 图片。

或者：

请导入这个项目 JSON，把三角形改成等腰三角形 AB = AC，并保留 D 为 BC 中点和中线 AD，导出新的项目 JSON。

这就是结构化项目的价值：它让几何图可以在多轮 Agent 工作流之间传递。

五、接入到业务中可以怎么用

AI 解题产品

当 AI 生成解析步骤时，可以同步调用大角几何 MCP 生成对应配图。每一步证明都可以对应一张图，减少学生只看文字的理解压力。

题库系统

题库录入题目后，系统可以自动生成基础配图。编辑人员只需要检查和微调，而不是从零开始画。

课件生成工具

用户输入知识点或题目，Agent 自动生成课件页，并把几何图嵌入到对应页面。

教研内容生产

教研团队可以把常见题型的 Prompt 固化下来，形成一套可复用的作图模板。

开发者自动化流程

开发者可以把大角几何 MCP 放进自己的 Agent 工具集中，让 Agent 在需要几何作图时自动调用。

六、从这个 Prompt 开始试

如果你已经配置好大角几何 MCP，可以先复制这套流程约束：

你是一个几何题配图 Agent。请先把题目语言转化为几何作图过程，再调用大角几何 MCP 作图。

工作流程：

1. 提取题目中的几何对象。
2. 把每个自然语言条件转化为几何构造或图形约束。
3. 区分已知条件、待证结论和辅助线，不要把待证结论当作已知条件画出来。
4. 判断哪些约束需要在图中呈现，例如中点、相等、垂直、平行、共线、角度关系。
5. 先生成基础图，再添加必要标记和辅助线。
6. 导出前检查对象、约束、标签和辅助线是否完整且清晰。
7. 检查通过后，导出 PNG 图片和项目 JSON。

题目：
在三角形 ABC 中，D 是 BC 中点，连接 AD，证明相关线段关系。

生成后，再追加：

请检查项目中是否包含 A、B、C、D、BC 中点关系和中线 AD。请确认待证内容没有被误标为已知条件。如果完整，请导出 PNG 图片；如果不完整，请先补全再导出。

这就是一个最小可用的几何配图 Agent 流程。

当你把它接进题库、课件或 AI 解题产品后，几何作图就不再是单独的手工环节，而会成为 Agent 工作流里的一个标准工具调用。

收录于

大角几何

标签

#人工智能 #luhuidev #数学

Danus框架：基于事实图谱记忆的AI数学推理智能体编排系统解析 AI智能体（Agent）是当前人工智能领域的重要研究方向，它通过模拟人类决策过程，使大语言模型（LLM）能够执行复杂任务。其核心原理在于将任务分解、规划与执行相结合，通过多智能体协作提升问题解决能力。这一技术的核心价值在于突破了单一模型在复杂、多步骤推理任务中的局限性，显著提升了逻辑严谨性和过程可解释性。在应用场景上，AI智能体架构尤其适用于需要深度推理的领域，如数学问题求解、代码生成、科学研究和复杂决策分析。本文聚焦的Danus项目，正是这一方向的典型代表，它创新性地引入了事实图谱记忆（Fact-Grap 阅读详情