大多数人卡在难题上，是因为一上来就想「答案是什么」。波利亚说：先别急着算，先问对问题。他把解题拆成四个阶段：①理解——未知是什么？已知是什么？条件够不够？②制定计划——我见过类似的题吗？能不能先解一个更简单的版本？③执行——一步步走，每一步都检查它真的成立。④回顾——答案对吗？换个方法能得到吗？这个方法还能解什么别的题？
关键不是这四个词，而是它把「灵感」这种看似不可控的东西，拆成了可以反复练习的动作。卡住时，你不再干瞪着题发呆，而是有一张清单可以自问：我在哪一步？我漏了哪个条件？
它的美在于把「怎么想」本身变成了研究对象——这是元认知（metacognition）的胜利。波利亚发现，数学家解题时反复使用一小撮通用套路：类比、特殊化、一般化、反向工作、找辅助问题。这些套路不属于任何一个数学分支，却在所有分支里都管用。它揭示了一件深刻的事：发现不是纯粹的运气，而是一门可以传授的手艺。
这四步几乎就是现代 AI agent 的规划循环：理解任务 → 分解为子目标 → 逐步执行并调用工具 → 反思与自我纠错。大语言模型的思维链（chain-of-thought）本质是让模型显式走完「制定计划、执行」两步；ReAct、Reflexion 等框架则加上了波利亚的第四步「回顾」——让模型检查自己的答案并重试。软件工程里的调试、科研中的实验设计，走的都是同一张流程图。
数学家几乎从不「从零解决」一个问题。他们做的是：把陌生问题变形，直到它长得像一个已经会解的问题。波利亚管这叫「你能把它化归成一个已知的问题吗？」笛卡尔更激进——他梦想把一切问题化归成方程，再把方程化归成代数。
一个生活化的比喻：你要去一个没去过的城市开会。你不会研究「如何抵达这个特定地址」，你把它化归成两个已解决的子问题——「如何到那座城市」（订机票）和「如何在城里找地址」（打开地图）。化归 = 不重复发明轮子，而是把问题接上已有的轮子。
化归揭示了知识的网络结构：无数看似孤立的问题，其实通过「A 可化归为 B」的箭头连成一张巨网。一旦某个核心问题被攻破，所有能化归到它的问题同时被解决。这是一种杠杆——用一个支点撬动一整片。数学的累积性、复利式的力量，正来自于此。
化归是计算复杂性理论的灵魂。「NP 完全」的定义就是：所有 NP 问题都能在多项式时间内化归到它。于是证明一个新问题「难」，不必从头分析，只需把一个已知的难题（如 3-SAT）化归给它——这套多米诺骨牌撑起了整个理论计算机科学。算法里的分治法（把大问题化归为同类小问题）、编译器把高级语言化归为机器码、机器学习把「预测」化归为「优化一个损失函数」，都是化归。
面对一个允许你反复操作的系统（下棋、拼图、状态机），最锋利的问题是：无论怎么操作，什么东西始终不变？这个「不变的东西」就是不变量。它像一条守恒律，把无穷多种可能的走法一刀切成两类：能到达的 和 永远到不了的。
经典例子——残缺棋盘：把 $8\times 8$ 棋盘对角的两个格子挖掉，能用 31 张多米诺骨牌（每张盖两格）铺满吗？直接试排会陷入无穷情形。但注意：每张骨牌必盖一黑一白，所以不变量 = 黑格数与白格数必须相等。而对角两格同色，挖掉后黑白数差了 2——不变量被破坏，所以绝无可能。一句话，胜过千万次试排。
不变量把「证明某事做不到」这件本来很难的任务，变成了「指出一个守恒量」这件优雅的任务。要证明「能做到」，给一个例子即可；但要证明「永远做不到」，你必须一次性排除无穷多种尝试——不变量就是那把万能钥匙。物理学里，这正是诺特定理的精神（Day 18）：每一条守恒律背后都是一个对称性。不变量 = 数学与物理共享的最深美感之一。
程序验证的核心是循环不变式（loop invariant）：一个在每次循环后都保持为真的命题，用它就能证明算法正确。数据库的 ACID、分布式系统的一致性，本质都是「在并发操作下维持某个不变量」。物理中的能量、动量、电荷守恒是不变量；机器学习里追求对旋转/平移不变的特征（等变网络 equivariant networks），也是同一思想——找出「变换下不改变的量」。
当一个问题涉及一堆对象、你不知从哪个下手时，有个惊人有效的招：盯住那个「最极端」的——最大的、最小的、最左边的、最靠近某点的。极端的对象往往被「无路可退」地逼出特殊性质，成为整个证明的突破口。
比方说要证「一群人里必有两人朋友数相同」：直接找很难。但考虑朋友最多的那个人——他的朋友数最多是 $n-1$，最少是 $0$，而「有人一个朋友都没有」和「有人跟所有人都是朋友」不可能同时发生……极端者把可能取值卡死，鸽笼原理随即收网。极端点没有退路，所以它开口说话。
它的美是一种以退为进的智慧：面对茫茫一片对象，你不去平均地处理它们，而是精准地押注在边界上。这与优化理论遥相呼应——凸问题的最优解总在极端处（顶点、边界）。极端原理还常与「无穷递降法」联手：假设存在一个「最小的反例」，再从它构造出一个更小的反例，矛盾——于是反例不存在。费马正是用无穷递降证明了 $x^4+y^4=z^4$ 无正整数解。从「最小」出发，推翻「存在」。
算法设计里，贪心法每一步都选当前的极端（最短边、最早截止、最大收益）——Kruskal 最小生成树、Huffman 编码都是极端原理的算法化。线性规划的单纯形法沿着可行域的顶点（极端点）游走求最优。博弈与安全分析中的最坏情况（worst-case）思维，就是盯住对手能造成的最极端结果。极端图论（extremal graph theory）整门学科都在问：某性质在「最密/最稀」时会发生什么。