构建一个数学训练器

Math Toucan Core 是一款掌中大小的数学训练器，基于 M5Stack Core2 和本地 LLM 单元构建。只需轻按一个按钮，它就会生成一道简单的数学题：思考问题，尝试自己解决，待准备就绪后，再按下另一个按钮即可查看答案。

这款微型设备专为通过快速、重复性的练习来保持大脑活跃而设计——无需网络，无外界干扰，纯粹是脑力训练。无论你只有十分钟还是十个小时，Math Toucan Core 都能帮助你一步步保持数学思维的活力。

理念与目标

Math Toucan Core 是一个独特的项目，将两个看似毫无关联的世界连接在一起：微控制器的世界与大型语言模型(LLM)的世界。这种结合正是系统令人兴奋之处，因为它展示了LLM的灵活性——它不仅可作为答题机器，更可成为创意伙伴，创造新的思维挑战，激发大脑潜能。Math Toucan Core 有一个明确的目标：激发用户思考。

它不再重复教科书中的固定数学练习，而是持续生成新的问题。有些简单，有些令人意外，甚至有些略显奇特。

系统鼓励用户先在脑海中独立完成任务，然后再向大语言模型(LLM)寻求帮助。这种模式营造出个人认知努力与机器辅助之间的自然节奏。系统因此成为一种心理锻炼工具：

•它挑战你

•它让你感到惊喜

•它迫使你重新思考

•它让大脑保持活跃

由于任务并非来自静态的目录，而是动态生成的，训练过程始终充满变化和吸引力。

从技术角度来看，Math Toucan Core 展示了大语言模型如何与微控制器协同工作。通常，微控制器被视为结构僵化的系统：

•内存有限

•计算能力受限

•功能定义明确

但通过与大语言模型连接，这一僵化系统突然变得灵活。微控制器转变为一个平台，负责发送LLM请求、生成任务、处理答案，并与用户进行交互。

该项目展示了：

•大语言模型如何让小型设备变得更智能

•微控制器如何生成动态内容

•传统嵌入式系统如何通过大语言模型(LLM)扩展

•编程如何借助LLM变得更加灵活和富有创意

因此，Math Toucan Core 是一个典型例子，展示了LLM如何突破传统硬件的边界。

用户交互

设备开机后，将显示启动界面。在设置阶段，LLM单元会朗读欢迎信息、操作说明以及开始提示。初始化完成后，界面将切换至主菜单页面，用户可开始与系统进行交互。

用户在启动页面上看到四个按钮，每个按钮都会触发LLM并提供特定的提示：

•1 至 100 s：写出一道非常简单的数学题，仅使用加法或减法运算，数字范围为1到100。题目应简短且易于理解，只写题目，不写答案。

•1 至 100 w & s：写出一道非常简单的数学题，仅使用加法或减法运算，使用日常物品及1到100之间的数字。题目应简短且易于理解，只写题目，不写答案。

•1 到 100 d：写出一个非常简单的数学题，仅使用加法或减法运算。使用 1 到 100 之间的数字。题目要简短且易于阅读。只写题目，不要写答案。

•1 到 100 w & d：写出一个非常简单的数学题，仅使用加法或减法运算。使用日常物品和 1 到 100 之间的数字。题目要简短且易于阅读。只写题目，不要写答案。

按下按钮后，界面将切换到题目页面，在那里会显示由大语言模型生成的数学问题，并进行朗读。由于模型需要时间生成练习题，生成过程可能稍有延迟，最终题目才会出现。

如需显示并朗读数学题的解答，请按中间的红色按钮。根据所选的问题类别，Math Toucan Core 将生成简单或详细的解答。它会使用以下两种提示之一：

•为小学学生编写一个简单的解法。仅提供解答。

•为小学学生编写一个简单的解法。解答应包含一至四句话。请提供解答。右侧的红色按钮可生成下一个数学问题，为用户提供新的挑战。左侧的红色按钮可返回主页面，在那里可以访问Math Toucan Core的所有核心功能。

在主页面上，按下左侧的红色按钮会触发系统朗读介绍文字和开始说明，使用户清楚了解整个系统的运作方式。当按下中间的红色按钮时，Math Toucan Core将朗读由大语言模型(LLM)生成的加减法定义——每次根据LLM对提示的理解情况略有不同地表述。

结论与问题

Math Toucan Core展示了将大语言模型(LLM)集成到现代项目中变得多么简单，以及这如何从根本上改变了用户交互方式。不再需要手动编程每一个可能的应用场景，LLM已接管了大部分内容逻辑，并能灵活响应用户的操作行为。这种动态方法使系统更加灵活且富有吸引力：大语言模型能够自适应、重新表述内容、生成随机任务，并将一个简单的微控制器功能远远扩展到传统固定功能之外。

一个关键点是：大语言模型并不总是提供正确的答案。

有时计算出错，有时解释不完整，有时任务本身也略显奇怪。但这些并非缺陷，而是一种特性，它向用户展示了大语言模型的局限性：

•数学精度无法保证

•逻辑错误可能发生

•AI可能出现计算失误

•某些任务可能不够清晰

正是这种不足让系统变得弥足珍贵。用户必须进行批判性思考、核实和质疑——而这将进一步增强大脑能力。

本文编译自hackster.io