大佬,牛逼,看了你的这个又去网上搜了下,发现真香。
总结下就是,关于 thinking 模型的使用,不要把 gpt 的 o1,gemini 的 think,deepseek 的 r1 当作普通的模型进行对话,他们和之前用的 gpt-3.5 、gpt-4 、claude sonnet 是有区别的。
thinging 模型的重点在于对话过程中的思考,通过自己安排任务,来完成用户的需求。这个时候就需要用户,也就是屏幕前的你,完整,精确,直白的告诉他你想要什么。可以参考下面的 3 个点进行,以写代码为例。
1. 输入远超常规的上下文:完整代码库、业务背景、历史尝试的失败路径
2. 精确指定输出形态:『生成可复用的组件,避免引入新依赖』而非『写个登录页面』
3. 放弃渐进式对话:一次性提交完整信息后,让模型自主规划解决方案 实测在数据库优化/测试用例,这种『完整蓝图+明确交付标准』的模式显著优于传统聊天式交互。
实操方法论:2 个对话模型同时使用,普通对话模型用于构建起你想要的所有细节内容,通过不断对话,不断完善你想要的内容,然后把结果,发给 thinking 模型,让 thinking 模型一次性出结果。比不断在普通模型中来回拉扯的效果要好的多。