《怎样解题》（How to Solve It, Pólya）精读 —— 四步启发法的可复用拆解流程：刷题与工程场景 未开始

题记与说明

条目：knowledge-mfrwuvk4-2（主题研究）｜精读日期：2026-11-05｜精读员：#2
对象：George Pólya, *How to Solve It: A New Aspect of Mathematical Method*, Princeton University Press, 1945（第2版 Doubleday 1957，Penguin/PUP 多次再版，204页）

TL;DR

Pólya 把"解题"这件看似依赖灵感的事，拆成四个阶段 + 一张两页的问题清单 + 一部 67 词条的启发法词典。核心操作不是规则而是提问：老师（或你自己）只问"未知是什么？你见过类似的题吗？能不能先解一个相关的简单题？"这类通用问题，把解题者自己的头脑推着走。它不是解题算法——Pólya 明说"万无一失的发现规则是哲学家的点金石之梦"——而是一套元认知脚手架：让卡住的人保持推进（"keep the ball rolling"），并在解题后通过"回顾"把方法沉淀为可迁移的资产。对刷题：四阶段直接映射为"读题建模 → 模式检索/化归 → 实现+逐步自检 → 复盘归类"；对工程：同一清单可用于调试、需求澄清与技术方案设计，微软 Charles Simonyi 说这本书"就像一张解题检查清单（checklist for problem solving）"。

一、核心问题（Problem）

1945 年以前，"解题能力"在教学里处于一个尴尬位置：数学教育把大量时间花在讲授知识本身（定理、公式），却几乎不教"拿到一道不会做的题该怎么办"。解出难题被普遍归因于天赋和"灵光一闪"，因此不可教。Pólya 要回答的问题是：

解题这种表面上依赖天才与灵感的活动，能否被提炼为一套可传授、可操作的心理操作，写成一张普通学生也能用的问题清单？

书中自述其研究对象是"启发法"（heuristic，"ars inveniendi"）：

"The aim of heuristic is to study the methods and rules of discovery and invention."（启发法的目标，是研究发现与发明的方法和规则。）

而他对"万无一失的规则"的边界有清醒设定（见"Rules of discovery"词条）：

"Infallible rules of discovery leading to the solution of all possible mathematical problems would be more desirable than the philosophers' stone… Such rules would work magic; but there is no such thing as magic."（能解决一切数学问题的万无一失的发现规则，比点金石还珍贵……这类规则能行魔法；但世上没有魔法。）

所以本书的实际定位是：不求保证成功的规则，只求"典型有用"的提问与操作。

二、主要主张（Claim）

1. 解题过程有相对稳定的四阶段结构：
   1. 理解问题（Understand the problem）：未知是什么？数据是什么？条件是什么？
   2. 拟定方案（Devise a plan）：找到数据与未知之间的联系；必要时先解一个辅助问题。
   3. 执行方案（Carry out the plan）：逐步执行，逐步检查每一步。
   4. 回顾（Look back）：检验结果与论证；能否换个方法推导？能否把结果或方法用到别处？

1. 每个阶段都可以被一组通用问题激活。问题清单的作用不是直接给出答案，而是"让球继续滚起来"（Puzzles 词条："What the questions and suggestions of the list can do is to 'keep the ball rolling.'"）。

1. 最重要的是"化归到已知问题"。Pólya 认为："Do you know a related problem?" 是整套方法中最关键的一问；解题总是从已解决的问题中获益——用它的结果、用它的方法、或用解题经验。

1. 教法上，问"启发性问题"而不是"诱导性问题"。问"Do you know a related problem?"（你知不知道一个相关的题？）是有教益的；问"Could you apply the theorem of Pythagoras?"（你能不能用勾股定理？）看起来是好意，实际上没有教益——学生不知道老师是怎么想到它的（Pólya 1957, p.22）。

1. 解题是意志的训练：

"Teaching to solve problems is education of the will."（教解题是教育人的意志。）

学生在"不太容易"的题上学会忍受失败、珍视微小进展、等待关键想法、在它出现时全力集中。

三、方法（Method）

3.1 书本身的结构与写法

• 开篇即两页清单（"How to solve it" dialog 部分），四阶段全部压缩在一张纸上；全书其余部分是对这两页的展开。Charles Simonyi（Microsoft 传奇程序员）1980 年代受访时原话：

"Programmers get a couple of books on their first day here. One of them, called How to Solve It, is by George Pólya, the mathematician… These two pages are important. The rest of the book just elaborates on these two pages. This is like a checklist for problem solving."（*Programmers at Work*, Microsoft Press, 1986, p.18）

• 对话式示范：用"老师与学生"的对话逐句展示如何用问题推动学生（而非灌输）。
• 词典式主体：A–Z 共 67 个词条的"启发法词典"（A Short Dictionary of Heuristics），Analogy、Auxiliary problem、Decomposing and recombining、Generalization、Inventor's paradox、Reductio ad absurdum、Working backwards 等。
• 例题全部取自初等代数与几何，但反复用非数学例子（填字谜、古埃及工程）说明同一启发法的普适性。
• 书源头是 Pappus（约公元 300 年）的"分析/综合"（analysis = 从目标倒推回已知；synthesis = 正向重走），Pólya 自称是"以现代而谦虚的形式复活启发法"。

3.2 四阶段的完整问题清单（Queen's 大学讲义转录自第 2 版原文，"in the master's own words"）

1. UNDERSTAND THE PROBLEM（理解问题）

• First. You have to understand the problem.
• What is the unknown? What are the data? What is the condition?（未知是什么？数据是什么？条件是什么？）
• Is it possible to satisfy the condition? Is the condition sufficient to determine the unknown? Or is it insufficient? Or redundant? Or contradictory?（条件足以确定未知吗？还是不足？冗余？矛盾？）
• Draw a figure. Introduce suitable notation.（画一张图。引入合适的记号。）
• Separate the various parts of the condition. Can you write them down?（把条件的各个部分分开。你能写下来吗？）

2. DEVISING A PLAN（拟定方案）

• Second. Find the connection between the data and the unknown. You may be obliged to consider auxiliary problems if an immediate connection cannot be found.
• Have you seen it before? Or have you seen the same problem in a slightly different form?（以前见过吗？见过稍稍变个形式的同一道题吗？）
• Do you know a related problem? Do you know a theorem that could be useful?
• Look at the unknown! Try to think of a familiar problem having the same or a similar unknown.（盯着未知想：哪里见过具有相同或相似未知的熟悉问题？）
• Here is a problem related to yours and solved before. Could you use it? Could you use its result? Could you use its method? Should you introduce some auxiliary element in order to make its use possible?（能用它的结果吗？能用它的方法吗？要不要引入辅助元素？）
• Could you restate the problem? Could you restate it still differently? Go back to definitions.（能不能换种说法重述问题？回到定义去。）
• If you cannot solve the proposed problem, try to solve first some related problem. Could you imagine a more accessible related problem? An more general problem? A more special problem? An analogous problem? Could you solve a part of the problem?（解不动时：更易入手的相关题？更一般的题？更特殊的题？类似的题？能先解一部分吗？）
• Could you derive something useful from the data? Could you think of other data appropriate to determine the unknown? Could you change the unknown or data, or both if necessary, so that the new unknown and the new data are nearer to each other?（能从数据里导出点有用的东西吗？能不能改未知、改数据、或都改，让新的未知和数据离得更近？）
• Did you use all the data? Did you use the whole condition? Have you taken into account all essential notions involved in the problem?（所有数据都用了？整个条件都用了？所有本质概念都考虑到了？）

3. CARRYING OUT THE PLAN（执行方案）

• Third. Carry out your plan.
• Carrying out your plan of the solution, check each step. Can you see clearly that the step is correct? Can you prove that it is correct?（执行时逐步检查：你能清楚地看到这一步是对的吗？你能证明它是对的吗？）

4. LOOKING BACK（回顾）

• Fourth. Examine the solution obtained.
• Can you check the result? Can you check the argument?（能检验结果吗？能检验论证吗？）
• Can you derive the result differently? Can you see it at a glance?（能换个方法推出它吗？能一眼看穿吗？）
• Can you use the result, or the method, for some other problem?（能把结果或方法用到别的题上吗？）

3.3 词典中与工程最相关的词条要点（Nightingale 长文摘录）

• Analogy（类比）："Analogy pervades all our thinking…" —— 类比是最常见的推理，也可能是最本质的推理，各种层次的类比都不该忽视。
• Auxiliary problem（辅助问题）："a problem which we consider, not for its own sake, but because we hope that its consideration may help us to solve another problem…"；且"好问题和某种蘑菇有个共同点：它们成簇生长。找到一个后要四处看看。"
• Inventor's paradox（发明者的悖论）："The more ambitious plan may have more chances of success… the more general problem may be easier to solve."——更一般的题可能反而更好解（前提是基于真正的洞见而非空想）。
• Decomposing and recombining（分解与重组）：先整体理解，再拆细节，然后"以某种新的方式重组"，重组出"更容易入手的新问题"作为辅助问题；警告"钻进细节可能迷失在细节里（见树不见林）"。
• Heuristic reasoning（启发式推理）：既是脚手架也有纪律——"What is bad is to mix up heuristic reasoning with rigorous proof. What is worse is to sell heuristic reasoning for rigorous proof."（坏的是把启发式推理与严格证明混为一谈；更坏的是把启发式推理冒充严格证明。）
• Diagnosis（诊断）：按四阶段列出学生的典型毛病——第一阶段"因不专注导致的理解不完整"最普遍；第二阶段两个极端（无计划就冲进计算 / 干等灵感不做任何推进）；第三阶段的头号毛病是粗心、不肯耐心逐步检查；第四阶段"完全不检查结果"非常普遍——"学生高兴地得到答案，扔下铅笔，对最不可信的结果毫不震惊"。
• Pedantry and mastery（迂腐与精通）："To apply a rule to the letter, rigidly, unquestioningly… is pedantry. To apply a rule with natural ease, with judgment… is mastery." 以及那句著名的压轴规矩：

"And if you are inclined to be a pedant and must rely upon some rule learn this one: Always use your own brains first."

• Practical problems（实际问题）：实际问题的数据"严格说是无穷无尽的"（大坝设计者最终必须停止收集地质数据，保留一定不确定性余量）；实际问题的概念常常"相当模糊"，澄清概念本身就成为问题的一部分——这正是把这套方法搬进工程场景时要记住的差异。

四、数据与证据（Evidence）

本次研究的取材方法：先检索聚合来源，再逐个精读全文——(1) Wikipedia 条目全文；(2) UCSD 教师页 foursteps.htm；(3) Queen's 大学 4 页讲义 PDF（含第 2 版原文问题清单，用 pypdf 提取）；(4) Medium "Algorithmic Thinking for Data Scientists" 全文；(5) Nightingale 长文（含词典词条大段摘录）全文；(6) Heriot-Watt 论文 15 页 PDF（pypdf 提取）。另下载了 Dromey *How to Solve it by Computer* 扫描版 PDF（463 页，无文本层，未能提取正文，改以二手文献精读代替）。

五、结论（Conclusion）

1. 《怎样解题》的交付物不是一套定理，而是一张问题清单。两页清单 + 67 词条词典的价值在于：把模糊的"再想想"变成具体的、可执行的自我提问序列；它的正确用法是 Simonyi 式的——当作 checklist 随身带，卡住时逐项过。
2. 四阶段中"理解问题"与"回顾"是最被低估、收益最大的两段。Pólya 自己的"诊断"词条显示，多数失败发生在第一段（没读懂就动手）和第四段（拿到答案就扔笔）——而刷题和工程复盘恰恰最缺的也是这两段。
3. "化归"（related problem）是整个方法的主轴：见过吗？变过形吗？更一般/更特殊/类似的题会解吗？能否用其结果或方法？这条主轴在算法题里就是"模式识别 + 题型归类"，在工程里就是"先找最小复现/先解一个更小的切片"。
4. 它明确不保证成功：启发式推理是脚手架，必须与严格证明/严格验证分开；"Always use your own brains first" 是压轴规则。方法降低卡死的概率、提高推进速度，但不替代领域知识和练习。
5. 后续实践共同体的评价：数学教育（Schoenfeld：是"marker event"，但需要元认知与控制训练补充）、计算机科学（Dromey 直译 + Simonyi checklist 用法）、AI（Minsky/Newell 启发法源头）、工程发明（TRIZ 平行物）、数据可视化与设计（Nightingale：与 design thinking 的 Double Diamond 可叠加）——五条线都在用，各有修补。

六、局限（Limits）

作者/方法本身承认或被批评的：

1. 策略≠能力（Schoenfeld 批评，最重的一条）：Schoenfeld 不认为这些启发法策略足以让本科生解非常规问题——还需要领域专门知识和"数学成熟度"；而且他观察到学生面对几十条策略时不知道当下该选哪一条。这催生了他后来关于"元认知控制（control）与信念系统"的研究路线（1985《Mathematical Problem Solving》）。换句话说：清单解决"想不起来往哪走"，不解决"走不动"。
2. 没有回答 problem formulation（Heriot-Watt 对 Dromey 的批评，外溢到整个谱系）："Dromey has little to say about problem formulation"——从 Polya 到 Dromey 的这条线假定问题已陈述清楚，重点在 pruning the search space；而真实工程里"把烂问题重新表述成好问题"常常是最难的一步（Pólya 只在 Variation of the problem / Could you restate the problem 词条里浅浅带过）。
3. 例题年代与领域局限：全部例题是 1945 年的初等代数/几何；搬到分布式系统、ML 管线这类"实际问题"时，Pólya 自己在 Practical problems 词条承认差异：数据不可穷尽、必须舍弃一部分、概念本身模糊需要先澄清。
4. 非算法化：问题清单不构成决策树，何时切换策略、何时弃案重来全靠判断（"Pedantry vs Mastery"），可教学性因此打折——这正是 Schoenfeld 批评的根源。
5. 可证伪性弱：全书是经验性、示范性论证（对话+例题），没有对照实验；效果证据多是间接引用链（如 Schoenfeld 的引用统计、EJMSTE 单项教学实验）。

本次精读的取材局限（如实标注）：

• Pólya 原书 PDF：Nightingale 文中给出的全文链接（notendur.hi.is）已 404；未能直接核对全书原文，四阶段清单与词典词条引述依赖 Queen's 讲义（自称转录自第 2 版原文）与 Nightingale 的大段摘录，二手转录存在转写风险。
• Hawaii Putnam 备课摘录 PDF 为扫描件（无文本层），Dromey 全书 PDF 亦为扫描件（463 页无文本层），均未能提取正文。
• Schoenfeld 1987 原文：ResearchGate 403、JSTOR 需订阅，未能读到一手文本；其批评内容转引自 Wikipedia 条目对该文的引用与转述。
• 精读对象以"关于这本书的研究"为主，未覆盖 Pólya 后续两部书（《Mathematics and Plausible Reasoning》1954、《Mathematical Discovery》1962）的谱系。

七、对我的启发（Relevance）——提炼两张可复用的 checklist

7.1 刷题版四阶段 checklist（LeetCode/HackerRank 映射）

① 理解问题（读题 3–5 分钟，值得）

• 未知 = 返回什么？数据 = 输入的类型/规模/范围？条件 = 约束（值域、去重、有序性、复杂度要求）？
• 条件是充分/不足/冗余/矛盾的？（数据规模直接暗示复杂度上限：n≤10^5 → O(n log n) 封顶；n≤20 → 可以指数搜索/状压）
• 用一个最小例子走一遍（含边界：空、单元素、极值、重复）——对应 "Draw a figure. Introduce suitable notation."
• 病征自查（Diagnosis 词条）：没读懂就动手写 = 第一阶段头号毛病。

② 拟定方案（动手前先过问题清单）

• 见过吗？变过形吗？（ Two Sum → 哈希/排序对撞；括号 → 栈；区间 → 排序+扫描）
• 盯着未知想：要的是"最长/最短/最值 + 无后效性"→ DP；"连通/可达/环"→ 图搜索/并查集；"前 k/第 k"→ 堆/快选。
• 解不动时的降级序列（Pólya 化归）：更特殊（先写 n=2, n=3 找规律）→ 更一般（inventor's paradox：一般式反而好证好写）→ 类似题（交换数据结构）→ 部分解决（先写暴力版保底）→ 逆向（从输出倒推输入条件）。
• 降级产物（暴力/小规模解）不丢，它就是后面验证的 oracle。

③ 执行方案

• check each step：每写一段，问"这一步显然对吗？能证明/能用一个断言钉住吗？"——Dromey 谱系的做法是用循环不变式钉住每轮循环。
• 粗心 = 第三阶段头号毛病（Diagnosis）；用 ②的暴力解对拍小规模随机数据。

④ 回顾（提交通过 ≠ 结束）

• Can you check the result?（对拍/边界复测）
• Can you derive the result differently?（有没有 O(n) 解法替代 O(n²)？能否用查找表/公式替代循环——Medium 文中 Number Line Jumps、Magic Square 两例）
• Can you use the result, or the method, for some other problem?（把这题归入题型库：用了什么不变式/什么模式？下次哪个信号该想到它？）——刷题的复利全部来自这一步。

7.2 工程版四阶段 checklist（调试/设计映射）

① 理解问题（对应需求澄清与 bug 复现）

• 未知 = 要交付什么/要修复什么？数据 = 已有日志、指标、复现路径？条件 = 性能预算、兼容约束、deadline？
• "条件充分吗？"→ 验收标准是否可判定；"冗余/矛盾吗？"→ 需求里互相打架的条款先挑明。
• 实际问题差异（Pólya 已预警）：概念模糊 → 先把概念钉清楚本身就是第一步（如"卡顿"先定义成 p95 延迟指标）；数据不可穷尽 → 约定停止收集的时机，留不确定性余量。

② 拟定方案

• Do you know a related problem?（内部库/开源 issue/已知反模式——工程版"以前见过吗"）
• Auxiliary problem：写最小复现（bug）、写 spike 原型（设计）、解子问题（先做数据探查再做管线）——好问题成簇生长，找到一个顺手看四周。
• Decomposing and recombining：拆成可独立验证的切片，每片有明确的 done 判据；警惕"钻进细节迷路"——先整体后局部。

③ 执行方案

• 每步可检查：小步提交 + 断言 + 单测（工程版 check each step / 循环不变式）。
• 脚手架纪律：启发式推理（临时脚本、日志推断）可以搭，但不能冒充严格验证（"更坏的是把启发式推理冒充严格证明"）——上线前的验证、灰度、回滚预案就是"撤掉脚手架后桥还能站住"。

④ 回顾（复盘 = 工程里最常被砍掉的一段）

• 出了 bug：为什么这类问题当初没在 ②阶段拦住？加哪条检查单/测试能下次自动拦？
• 做完特性：方法能沉淀成模板/库/文档吗（Can you use the method?）
• Diagnosis 四阶段病征同样成立：没读懂需求就动手；无计划硬冲或干等灵感；实现粗心不逐步检查；上线即忘、不复盘。

7.3 三个直接可用的元原则

1. 问问题比背答案便宜：行动前先问"以前见过吗/更简单的相关题是什么"，一次提问的成本远低于一次返工。
2. 乐观的悲观主义：启发式推理给方向，严格验证给结论，两者分开记账（scaffolding metaphor）。
3. Always use your own brains first：清单是激发器不是替代品——对 AI 时代尤其成立（Medium 文的观点：framing/planning/reviewing AI 生成代码所需的正是这层算法思维，提示词写清楚问题本身往往比直接写代码更费时——问题框定没法外包）。

7.4 与已有笔记的关联（只引用，不改动）

• 与 2026-10-31-knowledge-4j1kbhrc-0-慢思考与测试时计算 笔记互证：LLM 的 test-time compute（多次采样、自我批评、回溯）本质是把 Pólya 的"变换视角、换条路走"做成了可计费的计算——启发式搜索的证据链从数学课堂延续到了推理模型。
• 与 2026-10-29-Anthropic-Building-Effective-Agents 笔记的 workflow 思想同构：四阶段是 workflow（固定轨道），启发法词典是模型自由度（agent），Pólya 的"pedantry vs mastery"就是"什么时候该从 workflow 切到 agent"。

附：重要原文引述汇编

1. "Trying to find the solution, we may repeatedly change our point of view, our way of looking at the problem. We have to shift our position again and again. Our conception of the problem is likely to be rather incomplete when we start the work; our outlook is different when we have made some progress; it is again different when we have almost obtained the solution."（Pólya 1957, p.5）
2. "[T]he main achievement in the solution of a problem is to conceive the idea of a plan. This idea may emerge gradually. Or, after apparently unsuccessful trials and a period of hesitation, it may occur suddenly, in a flash, as a 'bright idea'."（pp.8–9）
3. "The plan gives a general outline; we have to convince ourselves that the details fit into the outline, and so we have to examine the details one after the other, patiently, till everything is perfectly clear, and no obscure corner remains in which an error could be hidden."（pp.12–13）
4. "Do you know a related problem?" 是启发性问题；"Could you apply the theorem of Pythagoras?" 是诱导性问题，"the student does not know how the teacher arrived at it"。（p.22）
5. "try to solve first some related problem; then you may find courage to attack your original problem again. Do not forget that human superiority consists in going around an obstacle that cannot be overcome directly."（p.114）
6. "everyone should know the work of George Pólya on how to solve problems."（Minsky, *Steps Toward Artificial Intelligence*, 1960）
7. "Programmers get a couple of books on their first day here. One of them, called How to Solve It… These two pages are important. The rest of the book just elaborates on these two pages. This is like a checklist for problem solving."（Charles Simonyi, *Programmers at Work*, 1986）
8. "there was a definite need for a book written in the spirit of Pólya's work, but translated into the computing science context."（Dromey, *How to Solve it by Computer* 前言, 1982）
9. "I believe the most important part of thinking that is developed in mathematics is the right attitude in tackling and solving problems… we have only one head, and therefore it is natural that there should be one general set of tactics to tackling all kinds of problems."（Pólya，1960 年代末访谈，转引 Nightingale）
10. "The first rule of discovery is to have brains and good luck. The second rule of discovery is to sit tight and wait till you get a bright idea."（词典 Rules of discovery 词条）
11. "And if you are inclined to be a pedant and must rely upon some rule learn this one: Always use your own brains first."（词典 Pedantry and mastery 词条）
12. "Teaching to solve problems is education of the will."（词典）
13. "Gyorgy Polya's How to Solve It stands as one of the most important contributions to the problem-solving literature in the twentieth century… Essentially, the book is an encyclopedia of problem-solving methods to be carried out by hand, but more than that, it is a treatise on how to think about framing and attacking problems."（Michalewicz & Fogel, *How to Solve It: Modern Heuristics* 序言，转引 Nightingale）

附：来源清单（本次会话实际精读）

1. Wikipedia — *How to Solve It*（全文抓取）：https://en.wikipedia.org/wiki/How_to_Solve_It
2. University of San Diego — "George Pólya's Four Steps to Problem Solving"（P. Myers 教学页，全文抓取）：https://home.sandiego.edu/~pmyers/foursteps.htm
3. Queen's University Student Academic Success Services — "Polya's Problem Solving Techniques" 4 页讲义（PDF，pypdf 全文提取；含第 2 版原文问题清单）：https://sass.queensu.ca/sites/sasswww/files/uploaded_files/Resource%20PDFs/polya.pdf
4. Chinmay Kakatkar — "Algorithmic Thinking for Data Scientists"（Medium/Data Science，2024-05-28，全文抓取）：https://medium.com/data-science/algorithmic-thinking-for-data-scientists-4601ac68496f
5. Jason Forrest — "How to Solve It – and by It – I Mean *Anything*"（Nightingale/DVS，2023-01-03，全文抓取；含词典词条摘录与 Polya 访谈引文）：https://nightingaledvs.com/how-to-solve-it-and-by-it-i-mean-anything/
6. Greg Michaelson & James Paterson — "Teaching Programming with Computational and Informational Thinking"（*Journal of Pedagogic Development* Vol.5 No.1，Heriot-Watt，15 页 PDF 全文提取；Dromey 谱系讨论）：https://www.macs.hw.ac.uk/~greg/publications/gjm.jpd15.pdf

未能获取（如实标注）：Schoenfeld 1987 原文（ResearchGate 403 / JSTOR 订阅墙）；原书全文 PDF（notendur.hi.is 链接 404）；Dromey 全书扫描版正文（无文本层）。