面向 OpenAI O1 与 O3-mini 推理模型的提示工程.docxVIP

面向OpenAIO1与O3-mini推理模型的提示工程

引言：?OpenAI的O1和?O3-mini?是先进的“推理”模型，它们与基础GPT-4（通常称为GPT-4o）在处理提示和生成答案的方式上有所不同。这些模型旨在花费更多时间“思考”复杂问题，模拟人类的分析方法。

本文深入探讨了针对OpenAI的?O1?和?O3-mini?推理模型的Prompt工程技术。然而，文中阐述的关于输入结构、推理能力、响应特征以及Prompt最佳实践等方面的洞见，?并非仅限于OpenAI的模型?。随着推理模型技术的蓬勃发展，涌现出如?DeepSeek-R1?等众多具备卓越推理能力的模型。?本文的核心原则和技巧同样可以作为宝贵的参考，帮助读者在使用?DeepSeek-R1?以及其他同类推理模型时，最大限度地发挥它们的潜力。?因此，在深入了解O1和O3-mini的?Prompt工程细节的同时，请读者思考如何将这些经验融会贯通，应用于更广泛的推理模型领域，以解锁更强大的AI应用能力。

?

O1/O3-mini与GPT-4o的区别

输入结构和上下文处理

内置推理vs.提示引导推理：?O1系列模型具有内置的思维链推理能力，这意味着它们在内部进行推理，无需提示词的额外引导。相比之下，GPT-4o在解决复杂问题时，通常需要“让我们逐步思考”之类的外部指令来引导，因为它不会自动进行相同程度的多步推理。对于O1/O3-mini，你可以直接提出问题；模型将自行深入分析。

对外部信息的需求：?GPT-4o拥有广泛的知识库，并且在某些部署中可以访问工具（例如浏览、插件、视觉），这有助于它处理各种主题。相比之下，O1模型在训练重点之外的知识库较窄。这意味着，使用O1/O3-mini时，如果任务超出常识范围，重要的背景信息或上下文应包含在提示中——不要假设模型知道小众事实。GPT-4o可能已经知道某个法律先例或晦涩的细节，而O1可能需要你提供该文本或数据。提示示例：

GPT-4o：?“分析最近美国最高法院关于堕胎权的裁决。”（GPT-4o可能已经具备相关知识）

O1：?“根据以下背景资料，分析堕胎权裁决对美国社会的影响：[粘贴相关新闻报道和法律文件摘要]。”（O1可能需要更详细的背景信息）

上下文长度：?推理模型具有非常大的上下文窗口。O1支持多达128k个token的输入，O3-mini接受多达200k个token（最多100k个token输出），超过了GPT-4o的上下文长度。这允许你将大量案例文件或数据集直接输入O1/O3。对于提示工程，清晰地组织大型输入（使用章节、项目符号或标题），以便模型可以导航信息。GPT-4o和O1都可以处理长提示，但O1/O3的更高容量意味着你可以在一次输入中包含更详细的上下文，这在复杂分析中非常有用。提示示例：

“根据下面粘贴的这份长篇法律文件，总结案件的核心争议点和法院的最终判决。[粘贴数万字的法律文件]”（O1/O3-mini可以有效处理如此长的输入）

推理能力和逻辑演绎

推理深度：?O1和O3-mini针对系统化、多步骤推理进行了优化。它们在回答之前确实“思考更长时间”，这会在复杂任务上产生更准确的解决方案。例如，O1-preview在一项具有挑战性的数学考试（AIME）中解决了83%的问题，而GPT-4o的解决率为13%，这证明了其在专业领域中卓越的逻辑演绎能力。这些模型在内部执行思维链，甚至自我检查其工作。GPT-4o也很强大，但倾向于更直接地生成答案；如果没有明确的提示，它可能不会进行详尽的分析，这可能导致在O1可以捕获的非常复杂的情况下出错。

处理复杂任务vs.简单任务：?由于O1系列模型默认为深度推理，它们在具有许多推理步骤的复杂问题（例如，多方面分析、长证明）上表现出色。事实上，在需要五个或更多推理步骤的任务中，像O1-mini或O3这样的推理模型比GPT-4的准确率高出16%以上。然而，这也意味着对于非常简单的查询，O1可能会“过度思考”。研究发现，在简单的任务（少于3个推理步骤）中，O1的额外分析过程可能成为劣势——在许多此类情况下，由于过度推理，它的表现不如GPT-4。GPT-4o可能会更直接、迅速地回答一个简单的问题，而O1可能会产生不必要的分析。关键区别在于O1针对复杂性进行了校准，因此对于琐碎的问答，它的效率可能较低。提示示例：

复杂任务（适合O1）：?“分析并总结气候变化对全球经济的长期影响，包括对不同行业、就业市场和国际贸易的潜在风险和机遇。”

简单任务（适合GPT-4o）：?“今天天气怎么样？”

逻辑演绎风格：?在处理谜题、演绎推理或逐步问题时，GPT-4o通常需要提示工程来逐步进行（否则它可能会跳到答案）。O1/O3