为什么 AI 钩针图解需要针数校验，而不只是“看起来像”

让通用聊天机器人写一份玩偶图解，它通常能给出很像样的结果：标题、材料清单、一列缩写、方括号里的针数，看起来已经完成了。

然后你开始织。

问题通常出在算术

最常见的错误不是术语，也不是文风，而是圈与圈之间的针数对不上。

• 一圈从 18 针开始，做 6 次加针，却标成 [22]，而不是 [24]。
• 减针圈要求的减针次数，超过了当前针数能支撑的数量。
• 重复写的是 x 5，但括号里的总数是按 x 6 算的。
• 头和身体各自规划，最后尺寸根本不匹配。

这些错误在屏幕上都不显眼。等你织到一半，形状开始歪、缝合口合不上时，它们就全都暴露了。

语言模型不是计算器

LLM 预测的是“下一个最像样的词”。它很擅长生成一份图解的外形：正确的缩写、正确的节奏、正确的语气。但它不是可靠的账本。

所以，让模型在同一个回答里“自己检查一遍算术”并不够。那次检查也只是生成的文本，可能和原图解错得一模一样，而且同样自信。

把创意和计数分开

解决这个问题的架构并不复杂：

1. 模型负责规划。 把想法变成结构化的设计简报：主体、配色、部件、形状、尺寸、装配说明。
2. 编译器负责计数。 确定性代码把每个形状展开成圈，决定加针、直织、减针的数量。
3. 校验器负责检查。 每一圈都和上一圈对账：消耗多少针、产生多少针、减针是否越界、总数是否闭合。
4. 最后才渲染成人话。 只有通过校验，系统才生成用户看到的逐圈指令。

最终针数永远不由模型拍板。这正是关键。

校验器到底检查什么

对每个部件，一份合格的图解应该能证明：

• 第一圈从明确的环或锁针开始。
• 每一圈消耗的针数，正好等于上一圈留下的针数。
• 结束针数 = 开始针数 + 加针数 - 减针数。
• 指令里写的数字与账本一致。
• 不存在“减针超过了可用针数”的情况。
• 引用的部件和颜色都真实存在。

任何一项不通过，这份图解就不会以完整状态展示。它会被修复、用兼容形状重新生成，或者直接拒绝。失败的图解永远不会被售卖。

对手作玩家意味着什么

你仍然需要匹配针距、选择合适的线材，重要作品还要先织小样。数学不能保证成品一定和你想象的一样好看。

但数学可以保证：指令本身是自洽的——只要你照着织、数对了，这一圈就一定能闭合。这消除了最令人沮丧的一类失败：你根本不知道错在自己，还是错在图解。

这就是我们说“每一圈都算得对”的意思。