火山方舟
火山方舟
文档指南
请输入
- 文档首页
火山方舟调用进阶使用深度思考
复制全文
下载 pdf深度思考
文档反馈
问问助手深度思考指模型在回答前，对问题进行分析及多步骤规划，再尝试解决问题。擅长处理编程、科学推理、智能体工作流等复杂及抽象场景。启用深度思考后，会在指定字段返回思维链内容，可基此观察和使用模型推导内容。
说明
快速开始
输入 | 思维链 | 回答 |
我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性 | 用户现在要做深度思考模型和非深度思考模型区别的课题，需要体现专业性。首先得明确，专业性体现在哪里？ ... 要在“深度思考模型与非深度思考模型区别”的课题中体现专业性，核心在于**严谨的概念界定、系统的对比框架、科学的方法论支撑、以及深度的理论与实践结合**。以下是具体的实施路径，从研究框架到细节落地，帮你构建专业的研究体系： | ### **一、第一步：明确概念边界——避免泛化，精准定义** 专业性的起点是**清晰的概念界定**，避免将“深度模型”等同于“深度思考模型”，也避免将“非深度模型”简化为“传统模型”。需基于学术共识和研究目标给出操作性定义： ... 通过以上路径，你的课题将从“表面对比”升级为“本质穿透”，充分体现专业性与研究深度。祝你研究顺利！ |
示例代码
curl https://ark.cn-beijing.volces.com/api/v3/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $ARK_API_KEY" \
-d '{
"model": "doubao-seed-2-1-pro-260628",
"messages": [
{
"role": "user",
"content": "我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性"
}
]
}'
- 您可按需替换 Model ID。Model ID 查询见模型列表。
import os
# Install SDK: pip install arkruntime
from arkruntime import Ark
client = Ark(
# The base URL for model invocation
base_url="https://ark.cn-beijing.volces.com/api/v3",
# Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
api_key=os.getenv('ARK_API_KEY'),
# Deep thinking takes longer; set a larger timeout, with 1,800 seconds or more recommended
timeout=1800,
)
completion = client.chat.completions.create(
# Replace with Model ID
model = "doubao-seed-2-1-pro-260628",
messages=[
{"role": "user", "content": "我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性"}
]
)
# When deep thinking is triggered, print the chain-of-thought content
if hasattr(completion.choices[0].message, 'reasoning_content'):
print(completion.choices[0].message.reasoning_content)
print(completion.choices[0].message.content)
package main
import (
"context"
"fmt"
"os"
"time"
"github.com/volcengine/ark-runtime-go/arkruntime"
"github.com/volcengine/ark-runtime-go/arkruntime/model/chat"
)
func main() {
client := arkruntime.NewClientWithApiKey(
// Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
os.Getenv("ARK_API_KEY"),
// The base URL for model invocation
arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
// Deep thinking takes longer; set a larger timeout, with 1,800 seconds or more recommended
arkruntime.WithTimeout(30*time.Minute),
)
ctx := context.Background()
req := &chat.ChatCompletionRequest{
// Replace with Model ID
Model: "doubao-seed-2-1-pro-260628",
Messages: []chat.ChatCompletionRequestMessage{
userMessage("我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性"),
},
}
resp, err := client.CreateChatCompletion(ctx, req)
if err != nil {
fmt.Printf("standard chat error: %v\n", err)
return
}
// When deep thinking is triggered, print the chain-of-thought content
if resp.Choices[0].Message.ReasoningContent.IsSet() {
fmt.Println(resp.Choices[0].Message.ReasoningContent.Or(""))
}
fmt.Println(resp.Choices[0].Message.Content)
}
func userMessage(content string) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestUserMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestUserMessage{
Role: chat.ChatCompletionRequestUserMessageRoleUser,
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(content)),
},
),
}
}
package com.ark.sample;
import com.volcengine.ark.runtime.models.chat.*;
import com.volcengine.ark.runtime.service.ArkService;
import java.util.*;
import java.util.concurrent.TimeUnit;
import java.time.Duration;
public class ChatCompletionsExample {
public static void main(String[] args) {
// Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
String apiKey = System.getenv("ARK_API_KEY");
ArkService arkService = ArkService.builder()
.apiKey(apiKey)
.timeout(Duration.ofMinutes(30))// Deep thinking takes longer; set a larger timeout, with 1,800 seconds or more recommended
.baseUrl("https://ark.cn-beijing.volces.com/api/v3")
// The base URL for model invocation
.build();
List<ChatCompletionRequestMessage> chatMessages = new ArrayList<>();
ChatCompletionRequestMessage userMessage = ChatCompletionRequestUserMessage.builder()
.role(ChatCompletionRequestMessageType.USER)
.content(ChatCompletionMessageContent.ofString("我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性"))
.build();
chatMessages.add(userMessage);
ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder()
.model("doubao-seed-2-1-pro-260628")//Replace with Model ID
.messages(chatMessages)
.build();
try {
arkService.createChatCompletion(chatCompletionRequest)
.getChoices()
.forEach(choice -> {
if (choice.getMessage().getReasoningContent() != null) {
System.out.println(choice.getMessage().getReasoningContent());
}
System.out.println(choice.getMessage().getContent());
});
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
// Shut down the service executor
arkService.shutdownExecutor();
}
}
}
import os
from openai import OpenAI
client = OpenAI(
# Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
api_key=os.environ.get("ARK_API_KEY"),
base_url="https://ark.cn-beijing.volces.com/api/v3",
# Deep thinking takes longer; set a larger timeout, with 1,800 seconds or more recommended
timeout=1800,
)
completion = client.chat.completions.create(
# Replace with Model ID
model = "doubao-seed-2-1-pro-260628",
messages=[
{"role": "user", "content": "我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性"}
]
)
# When deep thinking is triggered, print the chain-of-thought content
if hasattr(completion.choices[0].message, 'reasoning_content'):
print(completion.choices[0].message.reasoning_content)
print(completion.choices[0].message.content)
模型及 API
支持的 API：
- Responses API：新推出的 API，简洁上下文管理，增强工具调用能力，缓存能力降低成本，新业务及用户推荐。
- Chat API：使用广泛的 API，存量业务迁移成本低。
基础使用
多轮对话
组合使用系统消息、模型消息以及用户消息，可以实现多轮对话。当需要持续在一个主题内对话，可以将历史轮次的对话记录输入给模型。
在构建多轮对话的上下文时：保留历史对话的 reasoning_content 字段，由模型自行判断是否将该字段加入到推理输入中。
流式输出
随着大模型输出，动态输出内容，无需等待模型推理完毕，即可看到中间输出过程内容。
预览 | 优势 |
Play
00:00
Fullscreen
Cssfullscreen
Click and hold to drag
|
|
通过配置 stream 为 true，来启用流式输出。
"model": "doubao-seed-2-1-pro-260628",
"messages": [
{"role": "user", "content": "深度思考模型与非深度思考模型区别"}
],
"stream": true
开启/关闭深度思考
提供 thinking 字段控制是否关闭深度思考能力，实现“复杂任务深度推理，简单任务高效响应”的精细控制，获得成本、效率收益。
- 取值说明：
- enabled：强制开启，强制开启深度思考能力。
- disabled：强制关闭深度思考能力。
- auto：模型自行判断是否进行深度思考。
- 示例代码：
- curl https://ark.cn-beijing.volces.com/api/v3/chat/completions \-H "Content-Type: application/json" \-H "Authorization: Bearer $ARK_API_KEY" \-d '{"model": "doubao-seed-2-1-pro-260628","messages": [{"role": "user","content": [{"type":"text","text":"我要研究深度思考模型与非深度思考模型区别的课题，体现出我的专业性"}]}],"thinking":{"type":"disabled"}}'
- model：请变更为实际调用的模型。
- thinking.type：字段可以取值范围。
- disabled：强制关闭深度思考能力，模型不输出思维链内容。
- enabled：强制开启深度思考能力，模型强制输出思维链内容。
- auto：模型自行判断是否需要进行深度思考。
import os# Install SDK: pip install arkruntimefrom arkruntime import Arkclient = Ark(# The base URL for model invocationbase_url="https://ark.cn-beijing.volces.com/api/v3",# Get API Key: https://ark.volcengine.com/region:cn-beijing/apikeyapi_key=os.getenv('ARK_API_KEY'),# Deep thinking takes longer; set a larger timeout, with 1,800 seconds or more recommendedtimeout=1800,)# 创建一个对话请求completion = client.chat.completions.create(# Replace with Model IDmodel="doubao-seed-2-1-pro-260628",messages=[{"role": "user", "content": "我要研究深度思考模型与非深度思考模型区别的课题，体现出我的专业性"}],thinking={"type": "disabled", # 不使用深度思考能力# "type": "enabled", # 使用深度思考能力# "type": "auto", # 模型自行判断是否使用深度思考能力},)print(completion)package mainimport ("context""fmt""os""time""github.com/volcengine/ark-runtime-go/arkruntime""github.com/volcengine/ark-runtime-go/arkruntime/model/chat")func main() {client := arkruntime.NewClientWithApiKey(// Get API Key: https://ark.volcengine.com/region:cn-beijing/apikeyos.Getenv("ARK_API_KEY"),// The base URL for model invocationarkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),//深度思考耗时更长，请设置更大的超时限制，推荐为30分钟及以上arkruntime.WithTimeout(30*time.Minute),)// 创建一个上下文，通常用于传递请求的上下文信息，如超时、取消等ctx := context.Background()// 构建聊天完成请求，设置请求的模型和消息内容req := &chat.ChatCompletionRequest{// Replace with Model IDModel: "doubao-seed-2-1-pro-260628",Messages: []chat.ChatCompletionRequestMessage{userMessage("我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性"),},Thinking: chat.NewOptThinking(chat.Thinking{Type: chat.NewOptThinkingMode(chat.ThinkingModeDisabled)}),}// 发送聊天完成请求，并将结果存储在 resp 中，将可能出现的错误存储在 err 中resp, err := client.CreateChatCompletion(ctx, req)if err != nil {// 若出现错误，打印错误信息并终止程序fmt.Printf("standard chat error: %v\n", err)return}// 检查是否触发深度思考，触发则打印思维链内容if resp.Choices[0].Message.ReasoningContent.IsSet() {fmt.Println(resp.Choices[0].Message.ReasoningContent.Or(""))}// 打印聊天完成请求的响应结果fmt.Println(resp.Choices[0].Message.Content)}func userMessage(content string) chat.ChatCompletionRequestMessage {return chat.ChatCompletionRequestMessage{OneOf: chat.NewChatCompletionRequestUserMessageChatCompletionRequestMessageSum(chat.ChatCompletionRequestUserMessage{Role: chat.ChatCompletionRequestUserMessageRoleUser,Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(content)),},),}}package com.ark.sample;import com.volcengine.ark.runtime.models.chat.*;import com.volcengine.ark.runtime.service.ArkService;import java.time.Duration;import java.util.ArrayList;import java.util.List;/*** 这是一个示例类，展示了如何使用ArkService来完成聊天功能。*/public class ChatCompletionsExample {public static void main(String[] args) {// 从环境变量中获取API密钥String apiKey = System.getenv("ARK_API_KEY");// 创建ArkService实例ArkService arkService = ArkService.builder().apiKey(apiKey).timeout(Duration.ofMinutes(30))// 深度思考耗时更长，请设置更大的超时限制，推荐为30分钟及以上// The base URL for model invocation.baseUrl("https://ark.cn-beijing.volces.com/api/v3").build();// 初始化消息列表List<ChatCompletionRequestMessage> chatMessages = new ArrayList<>();// 创建用户消息ChatCompletionRequestMessage userMessage = ChatCompletionRequestUserMessage.builder().role(ChatCompletionRequestMessageType.USER) // 设置消息角色为用户.content(ChatCompletionMessageContent.ofString("我要研究深度思考模型与非深度思考模型区别的课题，怎么体现我的专业性")) // 设置消息内容.build();// 将用户消息添加到消息列表chatMessages.add(userMessage);ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder().model("doubao-seed-2-1-pro-260628")//Replace with Model ID.messages(chatMessages) // 设置消息列表.thinking(Thinking.builder().type(ThinkingMode.DISABLED).build()).build();// 发送聊天完成请求并打印响应try {// 获取响应并打印每个选择的消息内容arkService.createChatCompletion(chatCompletionRequest).getChoices().forEach(choice -> {// 校验是否触发了深度思考，打印思维链内容if (choice.getMessage().getReasoningContent() != null) {System.out.println("推理内容: " + choice.getMessage().getReasoningContent());} else {System.out.println("推理内容为空");}// 打印消息内容System.out.println("消息内容: " + choice.getMessage().getContent());});} catch (Exception e) {System.out.println("请求失败: " + e.getMessage());} finally {// 关闭服务执行器arkService.shutdownExecutor();}}}import osfrom openai import OpenAIclient = OpenAI(# 从环境变量中读取方舟API Keyapi_key=os.environ.get("ARK_API_KEY"),base_url="https://ark.cn-beijing.volces.com/api/v3",# 深度思考耗时更长，避免连接超时导致失败，请设置更大的超时限制，推荐为1800 秒及以上timeout=1800,)completion = client.chat.completions.create(# Replace with Model IDmodel = "doubao-seed-2-1-pro-260628",messages=[{"role": "user","content": "我要研究深度思考模型与非深度思考模型区别的课题，体现出我的专业性",}],extra_body={"thinking": {"type": "disabled", # 不使用深度思考能力# "type": "enabled", # 使用深度思考能力# "type": "auto", # 模型自行判断是否使用深度思考能力}},)print(completion)
- 支持模型：
- doubao-seed-evolving：支持 enabled（默认）、disabled。
- doubao-seed-2-1-pro-260915：支持 enabled（默认）、disabled。
- doubao-seed-2-1-lite-260915：支持 enabled（默认）、disabled。
- doubao-seed-2-1-pro-260628：支持 enabled（默认）、disabled。
- doubao-seed-2-1-turbo-260628：支持 enabled（默认）、disabled。
- doubao-seed-2-0-lite-260428：支持 enabled（默认）、disabled。
- doubao-seed-2-0-mini-260428：支持 enabled（默认）、disabled。
- doubao-seed-2-0-pro-260215：支持 enabled（默认）、disabled。
- doubao-seed-2-0-lite-260215：支持 enabled（默认）、disabled。
- doubao-seed-2-0-mini-260215：支持 enabled（默认）、disabled。
- doubao-seed-2-0-code-preview-260215：支持 enabled（默认）、disabled。
- glm-5-3-flash-260828：支持 enabled（默认）。(始终启用思考，不再支持禁用思考。)
- glm-5-2-260617：支持 enabled（默认）、disabled。
- doubao-seed-character-260628：支持 enabled（默认）、disabled。
- deepseek-v4-1-flash-260910：支持 enabled（默认）、disabled。
- deepseek-v4-pro-ga-260813：支持 enabled（默认）、disabled。
- deepseek-v4-flash-ga-260731：支持 enabled（默认）、disabled。
- deepseek-v4-pro-260425：支持 enabled（默认）、disabled。
- 更多说明
- Responses API 使用说明请参见控制深度思考。
- 深度思考会影响续写模式，详细信息请参见续写模式。
设置最大输出长度
模型输出内容由思维链（Chain of Thought, COT） 和最终回答（Answer） 两部分组成。合理控制模型输出长度，平衡效果、速度、成本与稳定性。
调节思考长度
提供字段 reasoning_effort（Chat API）、reasoning.effort（Responses API）调节思维链长度，平衡不同场景对效果、时延、成本的需求。取值如下：
- none：关闭思考。
- minimal：关闭思考，直接回答。
- low：轻量思考，侧重快速响应。
- medium：均衡模式，兼顾速度与深度。
- high：深度分析，处理复杂问题。
- xhigh：更高强度思考。
- max：最高强度思考，适配高难度推理任务。
下表展示支持调节思考长度的模型，以及各模型对 reasoning_effort（Chat API）、reasoning.effort（Responses API）的默认取值与兼容映射规则。所有支持该字段的模型均接受全部 7 档取值，部分取值将按表中规则自动映射至等效档位。
支持模型 | 默认取值 | 兼容映射 |
| high |
|
| medium |
|
glm-5-3-flash-260828 | max |
|
glm-5-2-260617 | high |
|
deepseek-v4-1-flash-260910 | high |
|
| high |
|
* deepseek-v4-pro-260425 | high | * 传入 minimal：将关闭思考 |
输出思考内容摘要
支持模型
- doubao-seed-evolving
- doubao-seed-2-1-pro-260915
- doubao-seed-2-1-lite-260915
- doubao-seed-2-1-pro-260628
- doubao-seed-2-1-turbo-260628
- doubao-seed-2-0-lite-260428
-
使用说明
默认会开启 thinking summary 能力，不会输出模型原始的思考内容，会返回模型思考内容摘要（choices.message.reasoning_content）、思考内容加密原文（choices.message.encrypted_content）。
说明
默认开启 thinking summary 能力后，可能会有较高的包间延迟，请调大请求超时时间（timeout），并做好兼容适配。
字段说明：
- reasoning_effort：仅作用于模型的原始思考内容，不适用于思考摘要。
- usage.completion_tokens_details.reasoning_tokens：为原始思考内容的 tokens，计费仍然按原始思考内容 token 计算。
回传思考内容
- 回传 encrypted_content、reasoning_content 字段： encrypted_content 字段优先级高，会忽略 reasoning_content 中的内容。其中 encrypted_content 内容必须为有效内容，如果被篡改则无法还原。
- 仅回传 reasoning_content 字段：使用思考内容摘要参与模型推理。在多轮工具调用场景（如 agent 场景），如果没有回传 encrypted_content 字段，将导致模型推理效果下降。
- 未回传思考内容相关字段：不会报错。
工具调用
说明
推荐在 Responses API 中使用 previous_response_id，平台自动保存历史对话的上下文，并在多轮交互中回传给推理服务。
回传思考内容加密原文
doubao-seed-evolving、doubao-seed-2-1-pro-260915、doubao-seed-2-1-pro-260628、doubao-seed-2-1-turbo-260628、doubao-seed-2-0-lite-260428 及后续版本默认会开启 thinking summary 能力，不会输出模型原始的思考内容。以下是在工具调用场景，回传思考内容加密原文的示例。其中使用 Responses API 推荐使用 previous_response_id 自动获取原始思考内容并回传给模型参与推理。
回传原始思考内容
部分模型开启深度思考后，默认输出模型原始的思考内容。以下是在工具调用场景，回传原始思考内容的示例。
使用说明
工作原理
- 多轮对话场景
- 流程图说明
- 在每一轮对话过程中，深度思考模型会输出思维链内容（COT）和最终回答（Answer）。
- 在下一轮对话中，之前输出的思维链内容不会被拼接到上下文中。
思维链内容展现的是模型处理问题的过程，包括将问题拆分为多个问题进行处理，生成多种回复综合得出更好回答等过程。
- 工具调用场景
- 工具调用场景中开启深度思考后，为给出更详尽准确的回答，将不会直接丢弃思维链内容，历史轮次的思维链内容按需（模型自主判断）参与推理。在整个请求过程中，用户回传完整上下文即可，由服务端自行判断，是否保留思维链内容。未输入给模型的思维链内容，不会计算 token 用量。代码示例参见工具调用。
- 流程图说明
- 回答问题 1 时（请求 1.1 - 1.2），模型进行多次思考 + 工具调用后给出答案，方舟会输入完整上下文包括思维链内容给模型处理。
- 开始回答问题 2 时（请求 2.1），方舟会自行判断并删除之前上下文中的思维链，输入给模型。
减少请求超时失败
深度思考模型使用思维链输出内容，导致回复篇幅更长、速率更慢，所以极易因超时导致任务失败。尤其在非流式输出模式下，任务未完成时断开连接，未输出内容，又产生 token 用量费用。
可使用流式输出或设置更长超时时间，减少超时失败：
- 使用流式输出（推荐）：通过分块即时返回生成内容，可有效维持连接活性（避免因长时无响应导致的连接中断），是高效且可靠的输出方式（示例代码及说明参见流式输出）。若当前应用使用非流式输出，可改造为：通过流式接口获取内容，实时拼接完整结果后再统一输出，从而显著降低请求超时失败风险。
- 调大超时时间参数：非流式输出场景下，推荐将 timeout 参数设置为 30 分钟以上，并根据超时触发概率进一步调整超时时间。另需注意网络链路中的 TCP Keep-Alive 设置（tcp_keepalive_time 参数），避免因长时间无数据传输导致连接被系统、防火墙、路由器等中断。
方舟 Go SDK 特殊说明：无论是否使用流式输出，均需将 SDK 超时参数设置为 30 分钟以上。
使用批量推理获得更高吞吐
当您的业务需要处理大量的数据，且对于模型返回及时性要求不高，您可使用批量推理获取最低 10B token/天的配额以及批量推理的成本降低。批量推理支持任务的方式以及类似 Chat 的接口调用方式，使用批量推理，详细说明请查看批量推理。
提示词优化建议
深度思考模型会自行分析和拆解问题（思维链），与普通模型相比，提示词侧重点有所不同。
- 提示词除了待解决问题，应该更多补充目标和场景等信息。如使用英语，用 Python 等语言要求；面向小学生、向领导汇报等阅读对象信息；完成论文写作、完成课题报告、撰写剧本等场景信息；体现我的专业性、获得领导赏识等目标信息。
- 减少或者避免对问题的拆解描述，如分步骤思考、使用示例等，这样会限制住模型的推理逻辑。
- 减少使用系统提示词，所有提示词信息直接通过用户提示词（role: user）来提问。
常见问题
最近更新时间：2026.09.22 16:52:16
这个页面对您有帮助吗？
有用
有用
无用
无用