#2. 推理模型

推理模型指的是 DeepSeek-R1，对应 DeepSeek 网页端的「深度思考」模式与 V4 系列的「思考模式」（Thinking Mode）。R1 在生成最终答案之前，会先输出一段思维链（Chain-of-Thought），完成问题拆解、假设推演、自我检验之后再给出结论。这一机制让它在数学、逻辑、复杂代码、多步规划、严谨论证等任务上表现远超非推理模型，但同时也意味着——R1 的提示词写法，与 V4 非推理模型截然不同。

很多用户把 V4 的提示词直接套用到 R1 上，结果反而拿不到好答案。原因在于：非推理模型需要提示词替它"想清楚"，而 R1 会自己想清楚，过度结构化的提示词反而会束缚它的推理路径。理解这一点，是写好 R1 提示词的前提。

下面分别介绍 R1 提示词的核心原则、典型写法、常见陷阱，以及不同任务场景下的实战模板。

#推理与非推理模型的提示词差异

在动手写提示词之前，需要先理解两类模型的本质差异。这一差异直接决定了提示词写作策略的不同。

简单概括：对 V4 要"喂得细"，对 R1 要"问得准"。

提示：这一节的所有建议，主要面向"问问题"和"做任务"的常规使用场景。如果你在做复杂的 Agent 工作流编排（例如让 R1 在多步工具调用中担任决策节点），仍然需要相对详细的指令——这不属于本节讨论范围。

#R1 提示词的核心原则

原则一：聚焦"问什么"，不要纠缠"怎么想"

R1 的强项在于自主推理。提示词的任务是把问题说清楚，而不是替它规划推理步骤。下面是一组对比：

不推荐写法（过度引导推理过程）：

请帮我分析这道题。
第一步，先理解题目；
第二步，列出已知条件；
第三步，推导关键变量；
第四步，进行计算；
第五步，验证答案。
题目：……

推荐写法（直接陈述问题）：

题目：……

请给出完整的解题过程与最终答案。

R1 在思维链中会自动完成"理解—列条件—推导—计算—验证"的全过程，提示词里再写一遍反而会让模型机械地填表，损失推理灵活性。

原则二：避免冗余的"思维链触发语"

诸如「让我们一步一步思考」（Let's think step by step）、「请仔细推理」「请深度思考」这类在 GPT-4 时代非常有效的 CoT 触发语，对 R1 几乎没有正向作用，有时反而会让模型重复表达"思考"这件事本身，浪费 token 预算。

R1 默认就会进行链式推理，不需要人为唤醒。

原则三：示例（few-shot）通常不必要

对于非推理模型，给出 1 至 3 个输入输出示例（few-shot prompting）是提升输出质量的常用技巧。但对 R1 而言，已有研究与社区实践都表明：zero-shot 通常优于 few-shot。

原因在于，R1 会基于示例反向推断"任务隐含的解题模板"，而这个模板未必是最优的。直接陈述问题，让 R1 自己设计解题路径，效果往往更好。仅在以下两种情况下建议给示例：

• 输出格式高度特殊，必须严格匹配某个模板（如生成符合特定 Schema 的 JSON）
• 任务本身有约定俗成但模型未必知晓的领域规范（如某个行业的特殊表格写法）

原则四：角色设定要克制

V4 时代盛行的"你是一位拥有十年经验的资深 XX 专家"开场白，对 R1 的增益有限。R1 已经具备很强的领域知识，强行加角色容易让它的语气偏向角色扮演而非分析。

如果确实需要某种专业视角，建议在任务描述中带出来，而不是单独立一段角色设定。例如：

不推荐：

你是一位资深劳动法律师，请回答以下问题：……

推荐：

请从中国劳动法实务的角度，分析以下情形中员工的维权空间：……

原则五：约束在结尾，目标在开头

R1 的提示词建议遵循"开头点明任务，结尾交代约束"的结构。开头让模型立刻锁定问题本质，结尾的格式与字数要求则不会干扰其推理过程。

中间不要塞入与推理无关的修饰语，例如"这个问题对我很重要""请认真对待"等，这类话术对 R1 几乎无效。

#R1 提示词的基础结构

综合上述原则，R1 提示词的推荐结构非常简洁：

【问题/任务】
直接、完整地陈述问题，包含所有必要的事实与约束。

【背景信息】（可选）
如果有领域背景、特殊设定、相关数据，附在这里。

【输出要求】（可选）
对最终答案的格式、长度、必备要素提出要求。

注意三个部分都不需要硬性的标签，自然语言陈述即可。R1 不依赖结构化标记来理解任务。

一个最小化的示例

某公司有 A、B、C 三条生产线，月产能分别为 1000、1500、2000 件。
三条生产线的单件成本分别为 12 元、10 元、9 元。
本月需交付订单 4000 件，客户要求每件成本不超过 10 元。

请问应如何分配三条生产线的产量？给出最优方案与计算过程，
最终答案用一个表格汇总各生产线的产量与总成本。

这条提示词没有角色设定、没有思维链触发、没有示例，但 R1 会自动完成约束建模、求解、验证、汇总的全流程。

#不同任务场景提示词写法

场景一：数学与逻辑推理

这类任务是 R1 的主场。提示词的关键是把题目说完整、说精确，避免歧义。

写作要点：

• 数值、单位、约束条件全部写清楚，不要让模型猜
• 如果有多种合理解读，提前指定一种
• 复杂题目可以要求"分别给出每一步的依据"

示例：

五个工人在 6 天内完成一项工程的 60%。如果再增加两名同等效率的工人，
且工作时间延长至每天 10 小时（原本每天 8 小时），剩余 40% 的工程
还需要多少天完成？

请给出完整的推导过程，每一步标注所使用的关系式。
最终答案保留两位小数。

场景二：复杂代码分析与调试

R1 在代码任务上的优势在于能够"读懂"代码意图、识别隐藏 bug、推断异常根因。提示词需要做的是提供完整上下文，包括代码、报错信息、运行环境与预期行为。

写作要点：

• 粘贴完整代码，不要只给片段（除非问题明确局限于片段）
• 报错信息要原样粘贴，包括 traceback 全文
• 明确说明"代码做了什么"与"期望做什么"两者的差距
• 指明运行环境（Python 版本、关键库版本、操作系统）

示例：

以下是一段使用 Python 3.11 + asyncio + aiohttp 实现的并发请求代码，
预期是对 1000 个 URL 发起并发请求并收集结果，但实际运行中前
50 个请求正常返回，之后开始大量出现 ClientConnectorError。

代码：
[粘贴完整代码]

报错信息：
[粘贴完整 traceback]

运行环境：
- Python 3.11.5
- aiohttp 3.9.1
- macOS 14.2

请分析根因，并给出修复方案。如果修复涉及架构调整，请说明取舍。

场景三：多步骤决策与方案分析

涉及商业决策、产品规划、战略选择的任务，R1 的优势在于能够同时考虑多重约束并给出权衡分析。提示词的关键是把所有约束与偏好交代清楚。

写作要点：

• 列出所有已知条件：预算、时间、资源、市场环境等
• 说明决策者的核心偏好（更看重速度还是稳健、更看重规模还是利润）
• 明确希望得到"单一推荐"还是"多方案对比"
• 如果有禁选项（已经排除的方案），也要说明

示例：

我计划在二线城市开一家社区咖啡店，已有以下条件：

- 启动资金 80 万元，可承担前 6 个月运营亏损
- 目标在 12 个月内实现盈亏平衡
- 我有 3 年餐饮品牌运营经验，但没有咖啡专业背景
- 选址倾向于成熟住宅区，避开商圈
- 不考虑加盟连锁品牌，希望做独立品牌

请分析这个计划的可行性，重点回答以下三个问题：
1. 12 个月内实现盈亏平衡的关键变量是什么？
2. 在我的资源约束下，独立品牌相比加盟模式的主要风险是什么？
3. 如果只能优先解决一个问题，应该是什么？

最终请给出"建议推进 / 建议调整 / 建议放弃"三选一的明确判断，
并说明判断依据。

场景四：学术分析与论证写作

R1 在论证类任务上能够生成结构严谨、引证清晰的内容。提示词需要交代论题、立场、读者、深度这四个要素。

写作要点：

• 论题尽量收窄，不要写"分析人工智能的影响"这种过宽的题目
• 如果对立场有要求（支持、反对、中立），明确指出
• 说明目标读者的专业背景，决定术语深度
• 指定大致字数与结构，避免输出失控

示例：

请就以下论题撰写一篇分析文章：

论题：在中国一线城市，"四天工作制"在 2030 年前大规模落地的可能性。

要求：
- 立场：批判性中立，既不预设支持也不预设反对
- 读者：商业媒体的财经版块读者，具备基本经济学常识
- 篇幅：1500 字左右
- 结构：现状—影响因素—可能路径—结论
- 论证中至少涉及劳动力市场、产业结构、政策环境三个维度
- 结论部分给出明确的概率判断（高、中、低）并说明依据

场景五：信息抽取与归纳

虽然 R1 比较"重"，但对于复杂的信息抽取任务（涉及推断、消歧、跨段落关联），R1 的输出准确率往往明显高于 V4。

写作要点：

• 明确说明要抽取哪些字段
• 对模糊字段给出判断规则（例如"金额"是否包含税费）
• 指定输出格式，最好直接给出空白模板
• 对"找不到"的情况说明如何处理（留空、写"未提及"、还是给出推断）

示例：

请从以下并购协议文本中抽取关键条款，输出为如下 JSON 结构：

{
  "交易双方": {"收购方": "", "被收购方": ""},
  "交易对价": {"金额": "", "币种": "", "支付方式": ""},
  "交割条件": [],
  "竞业限制": {"是否存在": "", "期限": "", "范围": ""},
  "违约责任": [],
  "争议解决": {"管辖地": "", "方式": ""}
}

抽取规则：
- 文中明确写明的内容，原文照填
- 文中未提及的字段，填写 "未提及"
- 涉及金额的字段，统一保留到万元单位
- 列表类字段（如交割条件）每条不超过 30 字

协议文本：
[粘贴文本]

#R1 提示词的常见陷阱

以下几种写法在 R1 上效果不佳，建议避免：

陷阱一：堆砌"思考触发词"

请深度思考，仔细分析，多角度推理，全面考虑，从专业角度……

这类词对 R1 没有增益，且会占用 token。R1 默认就在深度思考。

陷阱二：要求模型"先列大纲再写正文"

对非推理模型这是好习惯，对 R1 则没有必要。R1 在思维链中已经完成了大纲规划，再要求一次会让最终答案与思维链高度重复。

陷阱三：把推理过程写进输出格式要求

要求输出包含：思考过程、推理依据、自我反思、最终答案……

R1 的思维链已经在灰色推理区域单独展示，再要求把它复制到答案里既冗余又会让正式答案变得啰嗦。思维链的归思维链，正式答案的归正式答案。

陷阱四：用大量"激励性话术"

这个问题对我非常重要，请你务必认真对待，我会给你小费……

R1 对这类话术不敏感，写了也是无效输入。问题本身的清晰度才是决定输出质量的关键。

陷阱五：在简单问题上启用 R1

R1 单次响应通常需要 30 秒至数分钟，且消耗资源更多。问"今天星期几""帮我把这段话改通顺"这类任务，用 V4 快速模式即可，启用深度思考反而是对资源的浪费。

提示： 一个简单的判断标准是——如果你能在 10 秒内口头说出答案大致方向，那这个问题不需要 R1；如果你需要在纸上画一画、算一算才能回答，R1 就有用武之地。

#进阶技巧：延长思考时间

在 DeepSeek 网页端，R1 偶尔会因为服务器负载等原因主动缩短思考时间，导致输出深度不够。如果遇到这种情况，可以在提示词末尾追加以下任意一句来引导更充分的推理：

1. 请批判性思考至少 10 轮，务必详尽。
2. 请从反面角度审视你的回答至少 10 轮。
3. 请对你的回答进行复盘至少 10 轮。

这类提示能将思考时间从默认的几秒延长至一分钟以上，特别适合用于：

• 复杂的商业决策分析
• 需要识别多重风险的方案评估
• 容易陷入定式思维的创意类任务
• 高风险论断（医疗、法律、财务）的反向验证

注意： 这类技巧不应作为常规写法滥用。对于本身简单的问题强行延长思考，反而会让 R1 在冗长的自我对话中偏离主题。建议仅在你认为标准 R1 输出不够深入时再启用。

进阶示例：商业决策的反向审视

我计划将公司的核心业务从 B2B 软件销售转向 SaaS 订阅模式，
预计在 18 个月内完成转型。背景信息如下：

- 目前 B2B 销售年收入 1.2 亿元，毛利率 65%
- 老客户续约率 78%，但获客成本逐年上升 15%
- 公司账上现金可支撑 24 个月零收入运营
- 核心团队 60 人，其中销售团队 25 人

请分析这个转型计划。要求：
1. 给出完整的可行性分析
2. 重点识别我可能忽视的风险

请从反面角度审视你的回答至少 10 轮，特别要警惕"路径依赖"
与"幸存者偏差"两类思维误区。