面对现在的推理模型，应该用全新思维去向AI发起提问！
北京/UX设计师/1年前/46浏览
版权
面对现在的推理模型，应该用全新思维去向AI发起提问！
前言
现在由于deepseek推理模型的火爆，感觉受到了非常多使用者的好评，整体评价就是AI更聪明了！
看完了清华大学推出的DeepSeek从入门到精通的手册，我能明显感觉到，使用推理模型与非推理模型的差别。
手册链接: https://pan.baidu.com/s/17xLH-5vBiRbcRFcqIF6B6g?pwd=njx8提取码: njx8
我在使用推理模型一阵子之后，有个明显的感觉就是，提问的思路变了，现在完全不需要用之前那种非常复杂的提示词去控制AI的思路，才能得到自己想要的答案。
只需要提问的目标清晰，AI给出的答案就能八九不离十。
这个变化的差异，从Claude官方给出的提示词案例与deepseek官方给出的提示词案例，对比一下也能看出来，基本deepseek就是一句话的事，感觉这个提示词案例看了也没啥参考意义，但是就这样简单提问，效果也是出奇的好。
Claude官方提示词：https://docs.anthropic.com/zh-CN/prompt-library/meeting-scribeClaude官方提示词：https://api-docs.deepseek.com/zh-cn/prompt-library
造成这样的原因到底是什么？我们应该如何更好的使用推理模型？接下来会一一都会给大家讲解
推理模型的差异
了解原因，我们简单了解一下两个模型的差别就可以了：
•非推理模型：
它的思维方式更像是基于数据的“预测”。它根据输入的内容预测最有可能的答案，而不一定是深入思考该问题背后的逻辑关系。这种模型在面对开放性问题时表现更好，但在面对需要严格推理和分析的问题时，可能会出现不够准确或不合逻辑的答案。
推理模型
：
则像是一个理性思维的过程，模型需要理解问题的各个方面并逐步进行推理。它不只是根据表面数据做出判断，而是要通过系统的逻辑步骤，验证信息之间的关系，最后找到一个合理的推理链条。
1.更强的自我反思
通常做逻辑性强的工作，推理模型往往能做的很好，因为模型的自我反思与推理非常强。不像非推理模型模型即使说错了答案，也不自知
比如我们测试一个脑筋急转弯：
树上qi个猴，地上一个猴，一共几个猴？
推理模型在思考时，就会自测出，我们想要的答案可能是在一个幽默的答案，或者测试逻辑思维能力。这部分纯是模型的自我检测，会把这道题分成两个方向，来满足我们的需求。
细致程度真的超出我的想象，两个方向分析完了之后，还会分析其他可能存在读音，并分析可能性。
后面跟GPT-4o的回答一对比…直接给GPT-4o的回复给预判了，这是我没想到的。
分析的这个“起”字，直接就给GPT干爆了…
所以两篇回复，我们可以直接的感受到模型的差异。
2.事件关联性的挖掘能力
在回答问题时，他也会反复揣测，我们提出问题的关键点是什么，更需要什么。如果同意提问一个简单的问题，非推理模型只会简单的写一下背景与原因。对于我们参考并没有太大意义，也没有深度，如果想获取深度，还需要额外写提示词去要求它的分析处理任务的逻辑是什么，就比较麻烦。
而推理模型会附加上逻辑结构，事情的起因结果，有关联的事情，在自我思考的时候，都会考虑到，经济、政治、验证史实，这些我们都没有提出，但是推理模型却会自己思考出这些关联事项，所以回答的内容自然而然就会显得更聪明。
3.更强的推理能力与逻辑性
这点我感觉从上两个案例就能直观体会到，拿脑筋急转弯的案例就能感受到它有更强的推理能力，逻辑性也非常严谨，做逻辑性测试题也都非常准，光是这个思考过程，就已经是不错的学习内容了！
如何更好的使用推理模型
一、明确任务与目标
所以，我们在提问题的时候，就要改变思路。
我们之前，之所以要写那么复杂的提示词，就是因为非推理模型有一定的不可控性，主要以预测为主，信息越全预测肯定越准，所以需要附加上一堆条件去控制它。引导AI的推理步骤。以来提示词去补短板。
但是现在推理模型，有内化的推理逻辑，它自己反推自己执行的任务步骤，比我们自己写的一点不差，自然而然，我们也就不需要去引导，写那堆任务步骤、背景等信息了。只需要摆明自己的任务目标与需求就可以了，很简单。
二、表达需求的公式
我们在表达需求的时候，这个表格就非常具象，也把推理模型与通用模型的特点写出来了，我们可以直观感受到各种需求类型中在俩种模型之间的差异，选择适合自己的解题思路去提问，就会非常完美。
提示词写起来也并不复杂，看一眼案例，相信大家都能搞定，主药拿捏思路就行🤏
三、提示次效果倍增的秘籍
写提示词的时候，多注意这四点，基本你的提示词就不会太差。
策略一：
提出明确精简的要求，控制提示语长度
问问题要清晰，明确好自己的核心问题就可以，不需要多余的信息了，控制提示词长度，不要繁琐重复。
普通示范
你的任务是审查提供的会议记录并创建一个简明的摘要，捕捉基本信息，重点关注会议期间分配给特定个人或部门的关键要点和行动项目。使用清晰专业的语言，通过适当的格式如标题、副标题和项目符号来有逻辑地组织摘要。确保摘要易于理解，并提供会议内容的全面但简洁的概述，特别注重清楚地指出谁负责每个行动项目。
优化方案
审查会议记录并生成一份精炼的摘要，着重提取关键信息和行动项目。摘要应采用专业且结构化的格式，适当的标题和分点说明，确保内容清晰易读。注意标注各项任务的负责人或部门。
策略二：拆解任务
复杂问题要拆解，一个工作，可能工作流非常长，写一套完整的工作流提示词，AI一次回复的提示词长度有限，肯定会压缩答案回复，就会造成每个环节的回复非常简单，所以想要得倒高质量的回复，就需要我们拆解任务，分步去执行。
�KTT的理论基础：KTT基于认知科学中的迁移学习理论和组织学习理论。 提出了以下关键步骤：
策略三：创造式完成任务
提供目标时，可以让R1具备一定的思考空间去帮助执行，而非提供一个机械化执行指令。应该像产品经理提需求般描述「要什么」，而不是像程序员写代码般规定「怎么做」。
普通示范
优化下面这段录音转录的文字稿，删掉语气词，按时间分段，每段加小标题
优化方案
优化下面这段录音转录的文字稿，需要整理成可供新员工快速理解的会议纪要，重点呈现功能迭代决策与风险点
策略四：封闭式完成任务
相反，我们也可以设定清晰的约束条件，激发AI在限制中寻求突破。通过设置明确且富有挑战性的限制条件，AI能够主动识别各种约束之间的关系，并提出创新性的解决方案。这种方法不仅能让AI探索如何巧妙地满足所有要求，还能激发它重新思考和定义这些约束的方式。
案例
任务：用多重约束策略来设计一款创新的智能家居产品。 （1）核心问题：设计一款多功能智能家居设备 （2）约束条件： ▪ 产品体积不能超过一个标准鞋盒 ▪ 必须同时满足5个不同的家居需求 ▪ 产品售价不超过100美元 ▪ 使用100%可回收材料制造 ▪ 适用于从儿童到老年人的所有年龄段
四、减少AI幻觉的方法
这个表格我觉得总结的非常好，非常直观，感觉造成AI回复出现幻觉的原因无非就这些..
所以我们在提问时，多多注意这几点因素就可以了！
就比如AI有自己的知识结点，2023年以后的事实不太清楚了，就需要我们打开联网，或提供内容，让他学习。
文档内其实还有非常多具体的提示次案例，与编写的方法论，非常值得学习，现在我们写提示次主要还是要多了解好的提问思路，而不是僵硬的模板。现在AI已经很智能了，不需要我们过度培养了，所以现在使用AI的思路很重要，希望大家多多了解，为了工作也好，学习也好，帮助都是很大的
五、不适用推理模型的提示词思维
还有一些之前的提示词思维，不太适用于推理模型了
1、思维链提示在R1中已不再必要 - R1的强化学习能力使其自然形成最优的思维过程，无需我们指导其思考步骤。
2、结构化提示词的重要性已大幅降低。虽然markdown格式仍可用于提高可读性，但由于所需提示更简洁，这种结构化的必要性已显著减少。
3、专家角色设定现已变得多余。R1本身就具备专业水准的思维能力，只需在必要时指明特定学科视角即可。
4、使用奖励等激励策略已不再有效。R1的性能足够成熟，这类技巧反而可能影响其正常发挥。
5、示例提示（few-shot）不再推荐。根据DeepSeek团队的技术报告，清晰表达需求比提供示例更为重要。
6、角色扮演并非R1的强项。特别是在情感化对话方面，R1更适合理性思考而非直觉互动。
7、无需解释已知概念。当要求R1模仿特定风格时，它能够自主理解并深入解构相关概念，不需要额外说明。
2
举报
声明
2
分享
相关推荐
评论你的想法~
表情
喜欢TA的作品吗？喜欢就快来夸夸TA吧！
推荐素材
你可能喜欢
相关收藏夹
登录注册
2登录即可同步推荐记录哦
2登录即可加入我的收藏
评论登录即可评论想法
分享分享
1