OpenAI官方博客发布了推理类模型的最佳实践，指导大家如何更好的使用o1、o3这类推理模型，当然也可以应用在deepseek r1上。

这里摘录一下比较重要的原则：

⭐什么时候适合用推理模型？

1. 处理模糊任务
推理模型特别擅长利用有限的信息或不同的信息片段，并通过简单的提示理解用户的意图，并处理指令中的任何空白。 事实上，推理模型通常会在做出不成熟的猜测或试图填补信息空白之前提出澄清问题。

2. 大海捞针
当您传递大量非结构化信息时，推理模型非常擅长理解并仅提取最相关的信息来回答问题。

3.在大型数据集中寻找关系和细微差别
我们发现推理模型特别擅长对具有数百页密集、非结构化信息的复杂文档进行推理——例如法律合同、财务报表和保险索赔。 这些模型特别擅长在文档之间建立联系，并根据数据中未言明的真相做出决策。
推理模型还擅长对细致的政策和规则进行推理，并将它们应用于手头的任务，以得出合理的结论。

4. 多步骤智能体规划
推理模型对于智能体规划和战略制定至关重要。 当推理模型用作“规划者”时，我们已经看到了成功，它可以为问题生成详细的多步骤解决方案，然后根据高智能还是低延迟最重要来选择和分配正确的 GPT 模型（“执行者”）用于每个步骤。

5.视觉推理 （o1、QvQ等视觉推理模型专享功能）

⭐怎么有效地用推理模型？

1. 保持提示简单直接： 这些模型擅长理解和响应简洁、清晰的指令。
2. 避免思维链提示： 由于这些模型在内部执行推理，因此提示它们“逐步思考”或“解释你的推理过程”是不必要的。
3. 使用分隔符以提高清晰度： 使用分隔符（如 Markdown、XML 标签和章节标题）来清楚地指示输入的不同部分，这有助于模型正确地解释各个部分。
4. 首先尝试零样本，如果需要再尝试少样本： 推理模型通常不需要少样本示例（few-shot examples）就能产生好的结果，所以首先尝试编写没有示例的提示。 如果你对期望的输出有更复杂的要求，在提示中包含一些输入和期望输出的示例可能会有所帮助。但要确保示例与你的提示指令非常一致，因为两者之间的差异可能会导致不良结果。
5. 提供具体的指导方针： 如果你想明确地限制模型的响应（例如“提出一个预算低于 500 美元的解决方案”），请在提示中明确地列出这些约束条件。
6. 非常明确地说明你的最终目标： 在你的指令中，尝试为成功的响应提供非常具体的参数，并鼓励模型持续推理和迭代，直到符合你的成功标准。

原文：https://platform.openai.com/docs/guides/reasoning-best-practices

(文/开源中国)