讓模型先想再答

"9.11 和 9.9 哪個大？"這個問題，小學生都能答對，大模型卻經常答錯。上一個模組的實驗裡，deepseek-flash 關掉思考時就答成了 9.11。

同一個模型，換一種問法就能答對：讓它先把推理過程寫出來，再給答案。這一課用實驗看看這招到底多有用、花多少錢，以及它和"思考模式"是什麼關係。

為什麼先寫過程有用

回憶第 01 模組第 2 課：模型一次只生成一個詞元，每個詞元都基於前面所有的內容。

如果要求"只回答答案"，模型必須在第一個詞元就給出結論。比較 9.11 和 9.9，它沒有地方"算"，只能憑直覺。而它的直覺可能被訓練資料裡大量的版本號帶偏了：在軟體版本里，9.11 確實比 9.9 新。

如果讓它先寫過程，比如"9.9 可以寫成 9.90，比較小數點後第一位，9 大於 1……"，這些推理步驟就成了後面詞元的輸入。等到寫結論時，它是在前面已經寫好的推理基礎上得出結論，而不是憑空猜。

所以，讓模型先想再答，本質上是給它地方打草稿。它能"想"多少，取決於它寫出來多少。

實驗：三種做法對比

我挑了 6 道容易錯的題：前面見過的比較小數、數字數、正方形面積、數字母，外加兩道新的：

• 一根繩子對摺三次，然後從正中間剪一刀，繩子變成了幾段？（答案是 9：對摺三次是 8 層，中間剪一刀有 16 個斷口，加上原來的兩個端頭，組成 9 段）
• 我有 3 個蘋果，吃掉 1 個，又買了 2 個，然後把一半送給朋友，還剩幾個？（答案是 2）

三種做法，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
]

每道題每種做法各跑 5 次，從回答裡取出"答案："後面的數字，和標準答案比對（完整程式碼見 code/02-prompting/reasoning.py）。我執行的結果：

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

讀結果

直接回答錯了 9 次。數字數的題 5 次全錯，而且錯得不一樣，有 11 也有 12。比較小數的題 5 次錯了 3 次。有意思的是，繩子和蘋果這兩道看起來更復雜的題，直接回答反而全對，可能是這類題在訓練資料裡見得多。

寫出推理過程，錯誤從 9 次降到 1 次。只是在提示詞里加了一句"先一步一步寫出推理過程"。剩下的一次錯誤還是 9.11 那道，說明寫了過程也不是萬無一失：如果推理的第一步就走偏了（比如一開始就認定"11 比 9 大"），後面的推理只會順著錯下去。

思考模式全對。思考模式其實做的是同一件事，只是做得更徹底：模型在 reasoning_content 裡先想一遍，這部分經過了專門的訓練，會自己檢查、發現矛盾時回頭重來。最後的 content 裡只放答案，我們處理起來也方便。

代價是詞元。直接回答平均只輸出 1 個詞元，寫推理過程要 244 個，開思考要 431 個。30 道題的花費從 0.0003 美元漲到 0.016 美元，是 50 多倍。響應時間也相應變長。

手動寫過程還是開思考

截至 2026 年 9 月，DeepSeek 的主力模型都支援思考模式，所以大多數情況下直接開思考就好，不用在提示詞裡手動要求"一步一步想"。

手動要求寫推理過程，在這些情況下仍然有用：

• 你用的模型不支援思考模式。
• 你想讓使用者看到推理過程，比如解題輔導、給出判斷依據。思考模式的 reasoning_content 是給開發者看的草稿，內容和格式都不受你控制，一般不直接展示給使用者。
• 你想控制推理的方式，比如要求"先列出已知條件，再列出要求的量，再逐步計算"。

用手動方式時要注意一點：要讓模型先寫過程，後寫答案。如果提示詞要求"先給答案，再解釋理由"，模型會先憑直覺給出答案，然後為這個答案編一套理由，那樣推理就白寫了。

什麼時候值得讓模型想

先想再答不是免費的。本實驗裡，思考讓花費增加了 50 多倍。

值得：多步計算、邏輯推理、需要仔細比對的任務、寫程式碼、複雜的規劃。這些任務答錯的代價通常遠高於多花的那點錢。

不值得：簡單的分類、翻譯、改寫、從文本里提取一個欄位、閒聊。這些任務模型憑"直覺"就能做好，思考只會增加延遲和費用。上一課的留言分類，關掉思考就答對了 20/20。

拿不準的時候，用第 01 模組第 6 課的方法：拿你的真實任務，開和不開各跑一遍，比較準確率和花費。

練習

1. 在 reasoning.py 的題目里加 3 道你覺得模型容易錯的題（比如"一個星期後的星期幾"、"兩個時間相差多少分鐘"），看看三種做法誰表現最好。
2. 把 STEP_BY_STEP 改成"先給出答案，再解釋你的理由"，最後一行仍然寫"答案："。跑一遍，準確率和原來比有什麼變化？
3. 開啟思考時，把 reasoning_content 打印出來，看看模型在 9.11 那道題上是怎麼想的。它有沒有中途改變主意？

自測

1. 為什麼要求模型"先寫推理過程再給答案"，能提高準確率？

模型每次只生成一個詞元，後面的內容以前面寫出的內容為基礎。要求直接給答案時，模型在第一個詞元就得下結論，只能憑直覺。先寫推理過程，這些步驟就成為後續生成的輸入，結論是在推理的基礎上得出的。相當於給了模型打草稿的地方。

2. 如果提示詞要求"先給出答案，再解釋理由"，會有什麼問題？

模型會先憑直覺寫出答案，後面的"理由"只是在為這個答案找依據，不會糾正它。推理必須寫在答案前面，才能幫助得出答案。

3. 你的應用要把使用者評論分成"好評""差評"兩類，每天處理 10 萬條。要不要開思考模式？

一般不需要。情感分類是簡單任務，不開思考通常就能做得很好，開了思考花費會成倍增加，延遲也更長。可以先用一小批真實評論，開和不開各測一次，如果準確率差別不大，就關掉思考。