推理模型时代，如何写好提示词？DeepSeek-R1 与 OpenAI o1/o3-mini 实践指南

DeepSeek-R1 和 OpenAI 的 o1/o3-mini 等推理模型代表了人工智能领域的重大飞跃。与传统的生成式语言模型（立即产生输出且容易出错）不同，推理模型在生成响应之前会进行内部的“思维链”过程。这使得模型在处理复杂任务时，能够产生更高质量、更准确、更可靠的输出。本文将探讨如何为这些强大的模型编写有效的提示词，重点介绍与传统提示词工程的关键区别，并提供实用技巧以最大程度地发挥其潜力。我们将涵盖最佳实践、常见陷阱，以及一个法律案例分析的真实示例。

理解“思维链”与提示词工程的新范式

对于推理模型的提示词工程，一个关键的结论是：在提示词中明确包含思维链指令通常是不必要的，甚至可能适得其反。这些模型的设计初衷就是自动执行这种内部推理，而且在许多情况下，它们内部生成的推理过程优于用户可能提供的。试图强加特定的思维链可能会限制模型并导致次优结果。

同样，对于传统语言模型常用的复杂角色扮演和大量少样本示例，对于推理模型通常效果较差。它们固有的推理能力使它们能够在最少的提示下理解和遵循指令。虽然系统指令（例如，“你是一名法律分析师”）仍然可用于设置语气和输出格式，但通常不需要精心设计的角色扮演场景。

向推理模型的转变简化了提示词设计。复杂的模板通常是不必要的；简洁而直接的提示通常更有效。然而，提供相关的上下文（背景信息）仍然至关重要，特别是对于需要专业知识的任务。[微软文章链接] 详细讨论了这些注意事项。 (此处插入微软文章的链接)

O1/O3-mini 与 GPT-4o 的关键区别（以及对提示词的影响）

理解 OpenAI 的推理模型（O1/O3-mini）和基础 GPT-4o 模型之间的差异对于有效的提示词工程至关重要。以下是关键区别及其影响的细分：

1. <