Open AI 居然更新了他们的推理模型使用指南
#AI创造营#
#ai#
前几周一堆所谓的“一文精通Deepseek”很流行，结果打开全是提示词示例，而且很多还是非推理模型的
不如看看最懂推理模型的公司是怎么用的
- 推理模型和非推理模型的区别
- 什么时候应该使用推理模型
- 使用推理模型的时候应该如何写提示词
推理模型 VS 非推理模型
o 系列模型（“规划者”）
在复杂任务上更深入、更长时间地思考，使它们在制定策略、规划复杂问题解决方案以及基于大量模糊信息做出决策方面表现出色。
GPT 模型（“主力军”）
延迟更低、成本效益更高，专为直接执行而设计。
如何选择
速度与成本 → GPT 模型速度更快且成本更低
执行明确定义的任务 → GPT 模型能很好地处理明确定义的任务
准确性和可靠性 → o 系列模型是可靠的决策者
复杂问题解决 → o-series 模型在模糊和复杂中运作
什么时候使用推理模型：
处理模糊任务：擅长处理有限信息或零散信息
大海捞针：擅长理解并提取出最相关的信息回答问题
在大型数据集中发现关系和细微差别
多步骤Agents的规划
视觉推理任务：结构模糊的图表和表格或质量差的照片
审查、调试和改进代码质量
评估和基准测试其他模型响应
推理模型如何写提示词：
最新版o1推理模型开始支持开发者消息而非系统消息
保持提示简单直接，应该发出简短、清晰的指令
避免思维链提示，不要指导模型逐步思考和给出思考步骤
使用分隔符以提高清晰度，比如Markdown和XML标签标识提示词各部分
优先尝试零样本提示，需要时再使用少样本（样本这里指给模型举例）
提供具体指导，明确限制模型的响应结果
明确说明最终目标，尽量为成功的响应提供非常具体的参数
Markdown格式，o1新版将避免使用Markdown格式响应，如果你需要的话得加参数
前几周一堆所谓的“一文精通Deepseek”很流行，结果打开全是提示词示例，而且很多还是非推理模型的
不如看看最懂推理模型的公司是怎么用的
- 推理模型和非推理模型的区别
- 什么时候应该使用推理模型
- 使用推理模型的时候应该如何写提示词
推理模型 VS 非推理模型
o 系列模型（“规划者”）
在复杂任务上更深入、更长时间地思考，使它们在制定策略、规划复杂问题解决方案以及基于大量模糊信息做出决策方面表现出色。
GPT 模型（“主力军”）
延迟更低、成本效益更高，专为直接执行而设计。
如何选择
速度与成本 → GPT 模型速度更快且成本更低
执行明确定义的任务 → GPT 模型能很好地处理明确定义的任务
准确性和可靠性 → o 系列模型是可靠的决策者
复杂问题解决 → o-series 模型在模糊和复杂中运作
什么时候使用推理模型：
处理模糊任务：擅长处理有限信息或零散信息
大海捞针：擅长理解并提取出最相关的信息回答问题
在大型数据集中发现关系和细微差别
多步骤Agents的规划
视觉推理任务：结构模糊的图表和表格或质量差的照片
审查、调试和改进代码质量
评估和基准测试其他模型响应
推理模型如何写提示词：
最新版o1推理模型开始支持开发者消息而非系统消息
保持提示简单直接，应该发出简短、清晰的指令
避免思维链提示，不要指导模型逐步思考和给出思考步骤
使用分隔符以提高清晰度，比如Markdown和XML标签标识提示词各部分
优先尝试零样本提示，需要时再使用少样本（样本这里指给模型举例）
提供具体指导，明确限制模型的响应结果
明确说明最终目标，尽量为成功的响应提供非常具体的参数
Markdown格式，o1新版将避免使用Markdown格式响应，如果你需要的话得加参数
