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：

1. 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]

2. 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 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。