什么时候值得等这几十秒
判断标准可以很简单:这道题你自己要不要动笔。要列式、要画图、要一步步推的,就打开深度思考;扫一眼能答的、查个事实、改段文字,用普通模式更快,也省得对着一段长推理发呆。
它擅长的是把题目拆开、试几种思路、中途发现自己算错再改回来。你能在回答里看到这段过程,这比只给一个结果有用——结果错了不知道错在哪,过程摆出来至少能定位。反过来,它不擅长补你没给的信息:题目里缺的条件不会凭空变出来,问实时数据也不会因为“想得久”就更新。 要留意的是,思考过程只是模型的推演,不是标准答案。看着条理清晰,也可能从头就理解偏了。
把条件一次给全
推理模型最怕挤牙膏。同样一道行程题,“甲乙两地相距 240 公里”后面把速度、出发时间、中途休息、是否往返一次说完,比分三四轮补充效果好得多。追问时模型容易沿用上一轮已经写错的假设,越补越乱。
最容易漏的往往不是大条件,是口径:单位是不是统一、金额含不含税、百分比的基数是哪个、结果要不要取整、时间算不算首尾。数据表格直接贴文本,公式用 LaTeX 或纯文本写清楚,别只写“按老规矩算”。
某工厂三条产线的日产量分别是 1200、850、950 件,良品率分别为 98%、95%、99%。计算整体良品率,给出计算步骤,最后指出哪条产线对整体良品率影响最大。
像上面这样,在提问里顺手要一句“给出计算步骤、标明单位”,思考过程和最终答案都会更完整,也方便你回头核。要它按固定格式交付也一样,直接写“先列式、再代数值、最后给结论”,比事后让它重排省事。
借思考过程查错
答案出来先别急着抄,按这个顺序过一遍。
先看题意。它把哪些数当成了已知,有没有把“增加到”读成“增加了”、把“至少”读成“恰好”。理解错在第一步,后面算得再整齐也是错的。
再看中间步骤。抽两处代入值自己按一下计算器,检查单位换算和基数。多步题最常错在中间某一步把上一步的结果抄错,而不是公式不会。
最后看结论。用常识或边界值反推:算出来的良品率是不是落在三条产线之间,人数是不是冒出了小数,增长率有没有离谱到不可能。
如果发现它在思考里就把条件理解偏了,不用重开对话,在同一轮直接点出来:“第二条产线的 95% 是良品率不是合格率,按题目原意重算。”基于修正后的条件重来,比新开一轮更省上下文。要是它连着两次都在同一个地方拐弯,多半是题目本身有歧义,先把题目改清楚再问。
几个容易踩的坑
别把“深度思考”当成“更不会编事实”。它推理更细,但事实性内容、最新数据、具体产品行为仍然要回到原始来源核对,思考写得越长不代表出处越可靠。
也别用它处理需要查资料才能答的问题。这类题缺的是信息不是推理,先搜到材料、把材料贴进来再让它算,顺序反过来会得到一段逻辑自洽但无根的推导。
等待时间是实打实的成本,一条回答可能几十秒到几分钟。批量处理时,把几道同类题整理成一次提问、让它统一给步骤,比一道一道开着等更划算。涉及客户数据、未公开财务或私人信息的题目,先确认所在组织允许把内容发到云端,再决定要不要贴原题。
小结
深度思考的价值不在替你算,而在把过程摊开让你能查。题给全、要求写清、按“题意—步骤—结论”核一遍,这三步做到,它比普通模式稳得多。想练手,去 chat.deepseek.com 打开开关,拿一道你本来就要动笔的题试一次,比看十篇说明管用。
