让模型先想再答

"9.11 和 9.9 哪个大？"这个问题，小学生都能答对，大模型却经常答错。上一个模块的实验里，deepseek-flash 关掉思考时就答成了 9.11。

同一个模型，换一种问法就能答对：让它先把推理过程写出来，再给答案。这一课用实验看看这招到底多有用、花多少钱，以及它和"思考模式"是什么关系。

为什么先写过程有用

回忆第 01 模块第 2 课：模型一次只生成一个词元，每个词元都基于前面所有的内容。

如果要求"只回答答案"，模型必须在第一个词元就给出结论。比较 9.11 和 9.9，它没有地方"算"，只能凭直觉。而它的直觉可能被训练数据里大量的版本号带偏了：在软件版本里，9.11 确实比 9.9 新。

如果让它先写过程，比如"9.9 可以写成 9.90，比较小数点后第一位，9 大于 1……"，这些推理步骤就成了后面词元的输入。等到写结论时，它是在前面已经写好的推理基础上得出结论，而不是凭空猜。

所以，让模型先想再答，本质上是给它地方打草稿。它能"想"多少，取决于它写出来多少。

实验：三种做法对比

我挑了 6 道容易错的题：前面见过的比较小数、数字数、正方形面积、数字母，外加两道新的：

• 一根绳子对折三次，然后从正中间剪一刀，绳子变成了几段？（答案是 9：对折三次是 8 层，中间剪一刀有 16 个断口，加上原来的两个端头，组成 9 段）
• 我有 3 个苹果，吃掉 1 个，又买了 2 个，然后把一半送给朋友，还剩几个？（答案是 2）

三种做法，都用 deepseek-flash：

DIRECT = "只回答最终答案，一个数，不要任何解释。"
STEP_BY_STEP = "先一步一步写出推理过程，最后单独一行写“答案：”加上一个数。"

METHODS = [
    ("直接回答", DIRECT, False),        # 关掉思考
    ("先推理再回答", STEP_BY_STEP, False),  # 关掉思考，但要求在回答里写推理过程
    ("开启思考", DIRECT, True),         # 打开思考模式，回答里只要答案
]

每道题每种做法各跑 5 次，从回答里取出"答案："后面的数字，和标准答案比对（完整代码见 code/02-prompting/reasoning.py）。我运行的结果：

直接回答：21/30 正确，平均输出 1 词元，共 0.0003 美元
    9.11 和 9.9 哪个大？（正确答案 9.9）→ ['9.11', '9.11', '9.11', '9.9', '9.9']
    “秋天的叶子一片片落下”这句话有几个字？（正确答案 10）→ ['11', '11', '11', '11', '12']
    单词 raspberry 里有几个字母 r？（正确答案 3）→ ['3', '2', '3', '3', '3']
先推理再回答：29/30 正确，平均输出 244 词元，共 0.0091 美元
    9.11 和 9.9 哪个大？（正确答案 9.9）→ ['9.11', '9.9', '9.9', '9.9', '9.9']
开启思考：30/30 正确，平均输出 431 词元，共 0.0160 美元

读结果

直接回答错了 9 次。数字数的题 5 次全错，而且错得不一样，有 11 也有 12。比较小数的题 5 次错了 3 次。有意思的是，绳子和苹果这两道看起来更复杂的题，直接回答反而全对，可能是这类题在训练数据里见得多。

写出推理过程，错误从 9 次降到 1 次。只是在提示词里加了一句"先一步一步写出推理过程"。剩下的一次错误还是 9.11 那道，说明写了过程也不是万无一失：如果推理的第一步就走偏了（比如一开始就认定"11 比 9 大"），后面的推理只会顺着错下去。

思考模式全对。思考模式其实做的是同一件事，只是做得更彻底：模型在 reasoning_content 里先想一遍，这部分经过了专门的训练，会自己检查、发现矛盾时回头重来。最后的 content 里只放答案，我们处理起来也方便。

代价是词元。直接回答平均只输出 1 个词元，写推理过程要 244 个，开思考要 431 个。30 道题的花费从 0.0003 美元涨到 0.016 美元，是 50 多倍。响应时间也相应变长。

手动写过程还是开思考

截至 2026 年 9 月，DeepSeek 的主力模型都支持思考模式，所以大多数情况下直接开思考就好，不用在提示词里手动要求"一步一步想"。

手动要求写推理过程，在这些情况下仍然有用：

• 你用的模型不支持思考模式。
• 你想让用户看到推理过程，比如解题辅导、给出判断依据。思考模式的 reasoning_content 是给开发者看的草稿，内容和格式都不受你控制，一般不直接展示给用户。
• 你想控制推理的方式，比如要求"先列出已知条件，再列出要求的量，再逐步计算"。

用手动方式时要注意一点：要让模型先写过程，后写答案。如果提示词要求"先给答案，再解释理由"，模型会先凭直觉给出答案，然后为这个答案编一套理由，那样推理就白写了。

什么时候值得让模型想

先想再答不是免费的。本实验里，思考让花费增加了 50 多倍。

值得：多步计算、逻辑推理、需要仔细比对的任务、写代码、复杂的规划。这些任务答错的代价通常远高于多花的那点钱。

不值得：简单的分类、翻译、改写、从文本里提取一个字段、闲聊。这些任务模型凭"直觉"就能做好，思考只会增加延迟和费用。上一课的留言分类，关掉思考就答对了 20/20。

拿不准的时候，用第 01 模块第 6 课的方法：拿你的真实任务，开和不开各跑一遍，比较准确率和花费。

练习

1. 在 reasoning.py 的题目里加 3 道你觉得模型容易错的题（比如"一个星期后的星期几"、"两个时间相差多少分钟"），看看三种做法谁表现最好。
2. 把 STEP_BY_STEP 改成"先给出答案，再解释你的理由"，最后一行仍然写"答案："。跑一遍，准确率和原来比有什么变化？
3. 开启思考时，把 reasoning_content 打印出来，看看模型在 9.11 那道题上是怎么想的。它有没有中途改变主意？

自测

1. 为什么要求模型"先写推理过程再给答案"，能提高准确率？

模型每次只生成一个词元，后面的内容以前面写出的内容为基础。要求直接给答案时，模型在第一个词元就得下结论，只能凭直觉。先写推理过程，这些步骤就成为后续生成的输入，结论是在推理的基础上得出的。相当于给了模型打草稿的地方。

2. 如果提示词要求"先给出答案，再解释理由"，会有什么问题？

模型会先凭直觉写出答案，后面的"理由"只是在为这个答案找依据，不会纠正它。推理必须写在答案前面，才能帮助得出答案。

3. 你的应用要把用户评论分成"好评""差评"两类，每天处理 10 万条。要不要开思考模式？

一般不需要。情感分类是简单任务，不开思考通常就能做得很好，开了思考花费会成倍增加，延迟也更长。可以先用一小批真实评论，开和不开各测一次，如果准确率差别不大，就关掉思考。