AI工坊AI工坊

1. 深度思考

image-20260505164545450

深度思考是 DeepSeek 最具代表性的核心功能之一。点击输入框下方的「深度思考」按钮后，DeepSeek 会切换到 DeepSeek-R1 推理模型，在给出最终答案之前，会先思考一段时间。就像一个学生在解题时先打草稿、逐步推演，最后给出经过严格论证的答案。

R1 模型采用了强化学习（RL）和思维链（Chain-of-Thought）技术，能够对问题进行多角度分析，构建清晰的逻辑链，特别擅长处理以下类型的任务：数学题与逻辑推理、复杂代码分析与调试、学术论文分析与总结、多步骤决策与规划、需要严格推理的专业问题。

思考过程

image-20260505163020552

深度思考模式下，回复左侧会出现灰色推理区域，可点击展开查看完整思考过程。

使用技巧

由于服务器负载等原因，DeepSeek-R1 有时会缩短思考时间，导致输出深度不足。若需要更深入的推理，可在提示词末尾加上以下任意一句：

1.请批判性思考至少10轮，务必详尽

2.请从反面考虑你的回答至少10轮

3.请对你的回答进行复盘至少10轮

这样可以将思考时间从默认的几秒延长至一分钟以上，大幅提升回答深度。

注意事项

开启深度思考虽然能大幅提升回答质量，但也要注意以下几点：

  • 响应时间长：DeepSeek-R1 需要先完成推理链才输出答案，等待时间通常在 30 秒至数分钟，简单的问题没必要使用深度思考
  • 推测性内容增加：深度思考会尝试填补知识空白，在问题描述模糊时，可能生成缺乏依据的推测内容
  • 资源消耗较高：高峰期使用更容易遇到服务器繁忙提示

示例一：

解决以下数学题：

一列火车以 60km/h 的速度从A城出发，另一列火车以 90km/h 的速度从B城出发，两城相距 450km。
两列火车同时出发，相向而行，请问几小时后相遇？相遇地点距A城多少公里？

请逐步推导，每一步都给出计算依据。

输出结果示例：

image-20260403104737017

示例二：

帮我分析这道逻辑题：

有A、B、C三个人，其中一个是医生，一个是律师，一个是工程师。
已知：
1. A不是医生
2. B不是律师
3. 如果A不是律师，那么C不是工程师
4. B不是工程师

请推理出每个人的职业，并展示完整的推理过程。

示例三：

请帮我深度分析以下代码存在的问题，并给出修复方案：

def calculate_average(numbers):
    total = 0
    for num in numbers:
        total = total + num
    return total / len(numbers)

result = calculate_average([])
print(result)

示例四：

我需要在一个月内学会基础 Python 编程，我每天只有 1 小时。
请用深度思考模式为我制定一个详细的学习计划，包括：
- 每天具体学什么
- 推荐的学习资源
- 如何检验学习效果
- 可能遇到的困难和应对方法

示例五：

请对以下商业决策进行深度分析（请批判性思考至少10轮）：

我计划开一家线上英语辅导机构，主要面向K12学生。
初始资金50万元，希望在6个月内实现盈亏平衡。
请分析这个计划的可行性，包括潜在风险和成功概率。

评论

0 条
还没有评论，来写第一条吧