当下，推理模型的使用门槛越来越低，普通用户也能轻松上手。然而，其应用过程中仍有一些“问题”，像使用成本居高不下，时不时还会遭遇“服务器繁忙，暂无法响应”的状况。
提示词技巧
要是打算让原本不具备推理功能的 AI 拥有推理本领，实现途径其实也很简单：
通过利用像<thinking>和<answer>这样的XML标签，把推理的步骤与最后的答案区分开，即可对 AI 的回复内容进行优化。
这个方法，我在之前写的提示词创作指南这篇文章中也有介绍。
以写一篇文章的提示词举例如下：
对以下资料展开剖析，提炼关键要点，并梳理其中的关联：
[需要分析的资料]
接下来，将这些信息整合，围绕以下主题创作出一篇结构严谨、语言流畅的文章：
[文章主题]
先结合上下文仔细思考如何整理这些信息，并将思考过程呈现在`<thinking>`标签内。思考过程应包含以下内容：
- 分析任务目标
- 将任务分解为多个步骤
- 回顾任务内容，补充缺失的信息
随后，在`<article>`标签中撰写最终的文章。
提示词包含两个部分：
-
任务和上下文：简单明确地描述出AI需要完成的任务，并提供上下文参考，以帮助AI更好地理解问题。 对以下资料展开剖析，提炼关键要点，并梳理其中的关联：
[需要分析的资料]
接下来，将这些信息整合，围绕以下主题创作出一篇结构严谨、语言流畅的文章：
[文章主题] -
思考要求：要求 AI 进行思考，并输出思考过程。 先结合上下文仔细思考如何整理这些信息，并将思考过程呈现在`<thinking>`标签内。思考过程应包含以下内容：
- 分析任务目标
- 将任务分解为多个步骤
- 回顾任务内容，补充缺失的信息
随后，在`<article>`标签中撰写最终的文章。注意：一定要让 AI 在
<thinking>标签内输出思考过程，而不是直接输出最终的文章。
应用示例
以下示例采用 Qwen2.5-Max[1] 模型，关闭了深度思考能力，如果用不了推理模型，不妨试试这个方法。
