现在不少 AI 产品的输入框旁边多了一个「深度思考」开关。打开它再提问，AI 不会马上回答，而是先展开一段「思考过程」：理解题意，列出条件，试一种解法，发现不对再推翻重来……过一会儿才给出最终答案。
慢是慢了，可遇到数学题、逻辑题、复杂分析，答案往往明显更靠谱。这是为什么？什么时候该开、什么时候不必开？这一节讲清楚。
从「脱口而出」到「先打草稿」
先回忆大模型的工作方式：根据前文，一个 Token 一个 Token 地往下写。普通模式下，你一问完，它就直接开始写答案。
对简单问题，这没毛病。但遇到一道多步骤的应用题，直接写答案，就相当于让人不用草稿纸、心算一道复杂应用题，然后马上报出结果——中间任何一步出错，答案就错了，而且没有机会发现。
研究者发现了一个简单有效的办法：让模型「一步一步地想」，先写出推理过程，再给答案，数学和逻辑题的正确率会明显提高。这种做法叫「思维链」（Chain of Thought）。
为什么写出步骤就会更准？关键在于：模型是根据前文生成后文的。它写下的每一步中间结果，都会变成后面计算时可以「看着」的上下文。这就像有了一张草稿纸：先算出第一步，写下来；再看着第一步算第二步……每一步都踩在前一步的结果上，不必把所有东西憋在一口气里完成。
也可以借用心理学里「快思考」与「慢思考」的说法：普通模式更像快思考，凭直觉脱口而出；深度思考更像慢思考，一步步推敲。
举一个经典的例子：「一个球拍和一个球一共 1.1 元，球拍比球贵 1 元，球多少钱？」很多人的第一反应是 0.1 元——这就是快思考。可如果球是 0.1 元，球拍就是 1.1 元，加起来是 1.2 元，不对。慢下来列个式子才会发现：球是 0.05 元，球拍是 1.05 元。人会被直觉带偏，只会「脱口而出」的模型也一样；多一步推演，就多一次发现错误的机会。
推理模型是怎么来的
光靠在提示词里说一句「请一步步思考」，效果有限。于是，研究者开始专门训练「推理模型」。
大致思路是：拿大量有标准答案、能自动判断对错的题目（比如数学题、编程题）让模型练习。模型先写出一长段思考，再给出答案；答对了就得到奖励，答错了就没有。反复训练之后，模型逐渐学会了一些「好的思考习惯」：拆解问题、尝试不同解法、检查中间结果，发现矛盾时会说「等等，这里不对」，然后回头修改。
OpenAI 的 o 系列、DeepSeek 的 R1 都是这类模型中广为人知的例子。如今不少主流模型家族都提供了「思考模式」或单独的推理版本，有的还能让你调节「想多久」。
这背后有一个重要的转变：以前提升模型能力，主要靠把模型做得更大、训练得更久；推理模型提供了另一条路——在回答时多花一些计算，用「思考时间」换准确率。
什么时候该开「深度思考」
| 适合开启 | 不太需要开启 |
|---|---|
| 数学题、应用题、需要多步计算的问题 | 闲聊、打招呼 |
| 逻辑推理、找规律、谜题 | 简单的事实查询 |
| 写代码、找 bug | 翻译一句话、润色一段文字 |
| 多约束条件的安排：排班、行程、预算分配 | 改写语气、换个说法 |
| 复杂方案的比较与权衡 | 需要快速回复的简单任务 |
| 长合同、长报告的逐条分析 | 头脑风暴式的创意发散（不一定更好） |
深度思考不是免费的午餐，它有三个代价：
- 更慢： 要等它想完，复杂问题可能要等上一阵。
- 更费 Token: 思考过程也是一个 Token 一个 Token 生成的，通常要计入消耗，还会占用上下文窗口。
- 可能「想太多」： 简单问题被复杂化，绕了一大圈，有时反而把本来对的直觉答案改错。
所以合理的用法是：默认用普通模式，遇到需要「算」和「推」的问题再打开。
怎么看待「思考过程」
推理模型展示的思考过程很有用：你可以检查它有没有读错题、有没有漏掉条件、有没有做出你不认可的假设。发现它理解跑偏了，直接指出来，比只看最终答案更容易纠正。
但也要清醒地知道两点：
- 思考过程不等于正确的保证。 推理链条看起来严丝合缝，前提错了，结论照样错。推理模型在数学和逻辑上进步很大，但在事实性知识上依然会出现幻觉。
- 展示出来的过程不一定完整。 研究者发现，模型写出来的思考过程，不一定完整反映它内部真正依据了什么；有些产品展示的也只是思考过程的摘要。
小贴士：看思考过程时，重点看它对题目的「理解」和「假设」，这是最容易跑偏、也最容易被你发现的地方。
和推理模型说话的技巧
对普通模型，在提示词里加一句「请一步步思考」常常有帮助。比如你用的是普通模式，又要解一道多步骤的题，可以这样写：「请先列出已知条件和解题步骤，逐步计算，最后单独一行给出答案。」这就是「手动版」的思维链。
但推理模型自己就会想，你不必、也最好不要规定它每一步怎么想。更重要的是把目标、条件、约束和判断标准说清楚。
错误示范：
帮我安排一下下周的值班。先列出所有人，然后一个一个试，
第一步先排周一，第二步再排周二……每一步都要写出来。正确示范：
请帮我安排下周一到周五的值班表。
人员：A、B、C、D、E 五人。
要求：每天 2 人；每人至少 1 天、最多 3 天；
A 周三请假；B 和 C 不能排在同一天。
输出：一张表格，并在表格下方逐条核对每个要求是否满足。正确示范没有教它「怎么想」，而是把「要什么」说得清清楚楚，并要求它最后自查。这正是推理模型最能发挥的地方。
本节要点
- 推理模型先写出思考过程再回答，把中间结果当「草稿纸」，所以多步计算和逻辑问题更准。
- 推理能力来自专门训练：在能判断对错的题目上反复练习，学会拆解、尝试、检查和回头修改。
- 深度思考更慢、更费 Token，还可能想太多，适合数学、逻辑、编程和多约束规划，简单任务不必开。
- 思考过程能帮你发现理解偏差，但不保证结论正确，推理模型依然会有事实性幻觉。
- 对推理模型，与其规定思考步骤，不如把目标、条件、约束和输出要求说清楚。
