导读：
去年 OpenAI 发布 o1 这样的推理模型，接着 DeepSeek 也发布了 DeepSeek R1 推理模型，推理模型和传统的生成式语言模型的差别在于，传统的生成式语言模型在收到 Prompt 后就会马上生成，如果生成出现错误或者质量不好，是没机会纠正的，只能继续生成下去或者后续纠正继续生成，但是推理模型可以在向用户输出内容之前，会先输出思维脸（Chain of Thought），对输入的 Prompt 思考验证完成后，再开始生成，这样可以保证有更好的质量，在 o1 中，OpenAI 因为怕别人偷了了他们的推理数据，所以可以隐藏了思维链的输出内容，但是 DeepSeek 的完整思考过程是可以直接看到的。

说回来提示词（Prompt），既然推理模型自己就会做思维链，这意味着以前在提示词中加入思维链的方式已经没必要了，因为大多数时候推理模型自己写的思维链质量就很好了。另外大部分时候也不需要复杂的角色扮演、示例，因为由于思维链的存在，推理模型的“智能”程度高了很多，不需要角色设置、示例也能很好的理解和跟随指令。

所以到了推理模型，已经不需要太复杂的提示词模板，大多数时候简单的提示词就可以很好的效果，但上下文（背景信息）依旧很重要。微软的工程师写了一篇文章，详细说明了在给推理模型写提示词应该注意的问题，推荐阅读。

为 OpenAI 的 O1 和 O3-mini 推理模型进行提示工程

概述

OpenAI 的 O1 和 O3-mini 是在处理提示与生成答案方面与基础版 GPT-4（常称为 GPT-4o）有所不同的高级“推理”模型。它们旨在在复杂问题上投入更多时间进行“思考”，模拟人类更细致的分析过程。

本部分将探讨 O1 和 O3-mini 与 GPT-4o 在输入处理、推理能力以及响应行为方面的差异，并总结相应的提示工程最佳实践，以充分发挥这些模型的性能。最后，我们会将这些最佳实践应用于法律案例分析的场景之中。

O1/O3-mini 与 GPT-4o 的区别

1. 输入结构与上下文处理

• • 内置推理 vs. 需要提示激发的推理
  O1 系列模型带有“内置的链式思考推理”功能，也就是说，它们在内部会自动进行多步推理，而无需在提示中特别引导。相比之下，GPT-4o 通常需要外部指令（例如“让我们一步步地思考”）来激发更深入的多步推理。如果使用 O1/O3，只要直接给出问题本身，模型就会自动进行深度分析。

• • 对外部信息的需求
  GPT-4o 在某些部署中可能具备广泛的知识库和对工具的访问权限（如浏览、插件、图像识别等），能处理各种主题；相比之下，O1 模型在其训练焦点之外的知识面更窄。例如，O1-preview 在推理任务中表现出色，但却无法回答有关自身的问题，因为缺乏相关的知识上下文。因此，当你使用 O1/O3-mini 处理超出常识范围的任务时，务必在提示中包含必要的背景信息或上下文，不要假设模型知道小众领域的事实。GPT-4o 可能已经了解某个法律先例或冷门细节，但 O1 可能需要你提供这些文本或数据。

• • 上下文长度
  这些推理模型拥有非常大的上下文窗口。O1 支持最长 128k 个 token 的输入，O3-mini 可接受最多 200k 个 token（且可输出高达 100k 个 token），这超过了 GPT-4o 的上下文长度。这样，你可以将更大规模的案例文件或数据集直接输入 O1/O3。在进行提示工程时，若输入非常庞大，应有条理地组织信息（使用章节、要点或标题），方便模型定位。虽然 GPT-4o 和 O1 都能处理长提示，但 O1/O3 更大的容量意味着你可一次性提供更详细的上下文——对复杂分析很有用。

2. 推理能力与逻辑推导

• • 推理深度
  O1 和 O3-mini 专门针对“方法性、多步推理”进行了优化，可以在回答之前进行更多层次的分析，从而在复杂任务上给出更精确的结果。例如，O1-preview 在一个较难的数学考试（AIME）中能够解对 83% 的题目，而 GPT-4o 仅能解对 13%，这反映了 O1 在特定专业领域中更出色的逻辑推导能力。这些模型会在内部执行链式思考并自我检查。GPT-4o 本身也很强大，但若不进行显式的逐步引导，对非常复杂的问题往往不会分析得那么深入，而 O1 则能更容易发现这种复杂性并做出正确推理。

• • 复杂任务 vs. 简单任务
  由于 O1 系列模型默认会进行深度推理，因此在需要多步推理（如多方面分析、长论证）的复杂问题上，它们表现尤为出色。一些研究表明，当任务需要 5 步或以上推理时，O1-mini 或 O3 这类推理模型比 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“想得太多”。研究发现，在只需少于 3 步推理的简单任务上，O1 过度推理反而会拖累表现，GPT-4o 更可能迅速给出直接答案，而 O1 有可能产生不必要的冗长分析。换言之，O1 的优点在于更好地处理复杂度，而对于琐碎的问答，它在效率上可能稍逊。

• • 逻辑推导风格
  在解谜、演绎推理或逐步分解问题时，GPT-4o 通常需要我们在提示里“强制”它逐步进行推理，否则它可能迅速跳到结论。O1/O3 则不然：它们在内部会模拟对话或“草稿思维”。对用户而言，O1 的最终答案往往更有理有据，不易出现逻辑漏洞，因为它在内部做了多步验证。就提示角度来说，一般不需要特意告诉 O1 “请解释或检查你的逻辑”，它会自动这么做；如果是 GPT-4o，你可能会在提示中加入“先列出假设，然后得出结论”一类的引导。对 O1 来说，这些指令往往是多余甚至会产生干扰。

3. 响应特征与输出优化

• • 细节与冗长度
  因为进行的是深入推理，O1 和 O3-mini 在回答复杂问题时常会生成细致且结构化的答案。例如，O1 可能将数学解题分解为多个步骤，或针对一个战略方案逐步阐述理由；而 GPT-4o 在默认情况下往往更简练，或只提供概览，除非在提示中要求它进一步展开。因此，在提示工程上，O1 的回答可能更长、更技术化。你可以通过指令来控制它的回答长度和形式——如果你希望它简明扼要，就要明确告知（对 GPT-4 也同理）；如果你希望输出一步步的解释，GPT-4o 需要被特别指示，O1 通常只要被要求，就会开心地给出（而且事实上它内部总是在这么做）。

• • 准确性与自我检查
  这些推理模型具备一定的自我事实核查机制。OpenAI 指出，O1 在生成响应的过程中更善于发现并纠正错误，因此在复杂回答上有更高的准确率。虽然 GPT-4o 一般也相当准确，但在没有提示的情况下，它有时会自信地给出错误信息或幻觉出事实；O1 通过“思维”过程减少了这一风险。实践表明，在棘手的问题上，O1 的回答通常更少出现明显错误，而 GPT-4o 往往需要一些提示技巧（例如让它批评或验证自己的答案）才能达到同样的把握度。因此，如果使用 O1/O3 直接提问，就可在复杂任务上获得更可靠的结果，而对 GPT-4o 则可能要加上类似“请检查答案是否与上述事实一致”的指令。不过，任何模型都非完美，对于关键性的答案仍需用户核实。

• • 速度与成本
  O1 模型的一个显著区别在于：它的推理更深入，但响应速度更慢、费用更高。O1 Pro 甚至为长时间查询配备了进度条。而 GPT-4o 在处理一般查询时速度更快。O3-mini 则面向更快且更省成本的推理场景——它的每个 token 费用比 O1 或 GPT-4o 都要低，延迟也更短。但由于 O3-mini 的模型规模更小，虽然在 STEM 领域推理表现不俗，但在通用知识或极度复杂的推理上可能不及 O1 或 GPT-4。因此，在进行响应性能优化的提示工程时，需要在推理深度与速度之间做平衡：O1 可能答得更深入，但也更慢。如果延迟是重点、任务并不需要极度复杂的推理，O3-mini 或 GPT-4o 可能更合适。OpenAI 的官方建议是，GPT-4o 在大多数场景下依然是“最佳通用选择”，而 O1 则适合在诸如战略、数学、编程等高难度任务中发力。总之，要针对任务选择合适的模型；若你选择 O1，要心理准备它输出更慢，并相应调整用户预期或系统的超时时间。

最大化模型性能的提示工程技巧

要想有效地运用 O1 和 O3-mini，需要采用不同于 GPT-4o 的提示方法。以下是一些核心技巧和最佳实践，可帮助你从这些推理模型中获取最佳结果：

1. 保持提示简洁明确

使用简洁直接的指令。 由于 O1 和 O3 会进行深入的内部推理，它们更适合于专注且不含多余信息的问题或任务。OpenAI 及近期的研究都建议，对这些模型避免过于复杂或带有倾向性的提示。在实践中，只需简明扼要地陈述问题、并提供必须的细节即可；无需添加太多冗长的描述或重复性的询问。
例如，不必写成「“这个难题很有挑战性，请你仔细推理每一步并得出正确的解答，让我们一步步来……”」，只需写「“请解答以下难题 [附上题目] 并解释推理过程。”」即可。模型在内部已经会分步骤推理并给出解释，过多指令反而可能让模型思路变得冗杂——研究还发现对 O1 提供过多上下文或范例常常降低了它的表现。
要点： 对复杂问题先尝试零样例提示（只给问题描述），只有在结果不能满足需求时再添加额外指令或信息。对于 O1/O3，这种简洁提示通常能获得最佳表现。

2. 避免不必要的 Few-Shot 示例

在 GPT-3/4 时代，我们常借助少量示例（few-shot）来帮助模型学习；但对于 O1/O3 而言，少就是多。O1 系列明确训练时就不依赖示例驱动的提示，甚至在测试中发现，加入示例往往会降低它们的性能。
原因在于：O1 的内部推理机制在看到示例时容易受到限制或分心。OpenAI 也给出类似建议，最好尽量少提供示例或上下文。
因此，最佳实践是零样例或只在极少数情况下用一个示例。如果必须用示例，也要确保示例十分简洁且与任务高度相关。比如在法律分析场景里，你通常不需要在提示前置一整段示例案例，只需直接询问要分析的新案例；只有在模型无法遵循任务格式时，才给出一个简短示例作指导。否则，它自带的推理能力已经够用，无需过多干预。

3. 巧用系统/开发者指令设定角色与格式

通过 API 或对话式系统的“system message（系统消息）”等方式，你可以简短地给模型设定角色或风格。例如：
「你是一名资深科学研究员，回答问题时会逐步阐述解决思路。」
O1 和 O3-mini 会尊重这些角色设定，并根据其进行相应的推理。
然而，请记住它们已经能够处理复杂任务，所以这样的指令重点应当放在想要什么样的输出，而不是告诉它“怎么去想”。常见用法包括：

• • 规定任务范围或人设：如「你是一名法律分析师」或「你是一名给学生讲解的数学教师」，从而影响回答的口吻和专业程度。

• • 指定输出格式：如果希望答案是特定结构（如要点、表格、JSON），要在提示中明示，比如：「请用要点列出你的结论。」O1 尤其擅长遵循格式化要求，这在需要大量一致性输出时很实用。

• • 设定边界：如「只根据给定信息作答，不要做超出信息范围的假设」或「分析内容请保持简要，不要展开与题无关的内容」。这能避免模型跑题或捏造事实。
  在不同对话轮次中，如果你有固定要求（如角色或格式），记得每次都带上，以免模型在后续轮次中失去该上下文。

4. 用指令控制回答长度与深入程度

虽然 O1 和 O3-mini 天生会进行深度思考，但你可以决定输出要呈现多少分析。若你想要详细解释，就提示它（例如「请在答案中展示每个推理步骤」）；模型本身并不需要提示就会执行链式推理，但若想看到过程，你得告诉它。如果你觉得模型回答过于冗长或过于专业，则可以告诉它尽量简洁，或者只聚焦于某些部分。
例如：「请用两三段文字简要概括最关键的要点」。模型一般会听从这类关于长度或侧重点的要求。别忘了，O1 默认倾向于给出尽可能详尽的分析——若你只想要精炼版，要直接说明。

对于 O3-mini，OpenAI 还提供了“推理努力程度（reasoning effort）”的可调参数（低、中、高），可以让你决定模型投入多少“思考”。如果通过 API 或其他方式能访问该参数，可以针对任务复杂度来调节：越高则答案更详尽但更耗时，越低则更迅速但可能不够精确。若你的系统不支持直接设置这个参数，你也能通过在提示中对模型做相似的暗示来实现，比如「给我一个快速回答，不必太深入分析」（相当于低努力），或「请尽可能详细且确保所有推理步骤正确，即便答案较长也没关系」（相当于高努力）。

5. 在复杂任务中确保准确性

要让模型在困难问题上给出最准确的回答，要善用其推理优势。由于 O1 会自我检查，你可以在提示里利用这一点：例如「综合所有事实，并再次确认结论与前述信息是否一致」。虽然 O1 默认也会这样做，但强化此类指令会让它更谨慎。
值得注意的是，O1 一般已经在内部进行事实核查，你大可不必像对 GPT-4o 那样专门写「请验证每一步」——那更适合后者。对 O1 来说，更重要的是提供完整且清晰的信息。如果题目或任务里可能存在歧义，你需要在提示里明确说明，或者指示模型先列出假设。这可以防止它做出错误猜测。

• • 引用信息与数据：如果需要分析特定数据（如文档、数字等），请确保在提示中有条理地列出这些信息。O1/O3 会仔细使用你提供的数据。如果你的任务需要严格避免“臆造”（例如在法律环境下需要保证模型不能编造法条），可在提示里明确说明「只允许使用给定信息和常识，不得杜撰细节」。这些推理模型一般擅长遵守此类限制，且通过明确指令可以进一步降低幻觉风险。

• • 多次验证与交叉检查：对于极为重要或高风险的任务（如复杂的法律推理或关键工程计算），一种提示工程策略是对模型的回答做“集成（ensemble）”或多次比对。具体做法可能是：多次询问模型（或请模型思考不同方案），再比较其输出是否一致。由于模型在每次对话时会存在一定的随机性，这样可以比较不同思路是否都指向相同结论；也可使用追问的方式「再检查一下，是否还有其他可能？」。这种方法对 GPT-4o 同样适用，但对 O1 尤其有效，以最大程度利用它的深度推理来提升准确度。

同时要记住，选择合适的模型也是提示工程的一部分：如果问题本身并不需要 O1 级别的推理复杂度，使用 GPT-4o 可能更划算并且足够准确。OpenAI 建议只在真正需要高难度推理时才使用 O1。换言之，在你决定用 O1 之前先评估一下问题的复杂度：若是简单场景，可以只用 GPT-4o 或仅对 O1 做简洁提示，以免它过度分析；若是复杂场景，则充分发挥 O1 的能力，上述技巧能帮助你获得更高质量的结果。

O1/O3 与 GPT-4o 在逻辑推理上的差异

这些推理模型在处理逻辑问题时与 GPT-4o 有根本不同，对应的提示方式也要做相应调整：

• • 内部链式思考
  O1 和 O3-mini 在解答问题时，实际上会在内部进行对话式或逐步的推理过程；GPT-4o 如果没有显式引导，则未必会全面展开每一步推理。比如，在解逻辑谜题或文字题时，GPT-4o 可能很快给出听起来可信但缺乏完整步骤的结论，而 O1 会自动把问题拆解、从多个角度审视，再得出答案，这就是它在逻辑强度测试中表现优异的原因。
  对提示的影响：不要对 O1 说“请一步步思考”之类的话，除非你确实想在输出里看到所有步骤。对于 GPT-4o，我们常使用链式思考提示来提升推理质量，但对 O1 这属于冗余甚至可能导致混乱。你只需清晰描述问题，让 O1 自行推理即可。

• • 应对歧义
  在逻辑推理中，如果题目信息不完备或存在不确定性，GPT-4o 往往会直接做出假设，而 O1 则倾向于首先指出这些不明确之处，或者同时考虑多种可能性。这是其更深层思考的结果。若你希望模型列出“存在哪些歧义，并说明解决路径”，在 GPT-4o 上你得特别要求，而 O1 大概率会在未被明确要求的情况下也会对不确定点保持谨慎。因此，对 O1，你可以写「如果存在任何不确定性，请列出后再解题」，它会更自然地遵守。相比之下，GPT-4o 需要更多这方面的引导。

• • 是否输出逐步推理
  有时你可能需要完整的推理过程（如教学或透明度需求）。对于 GPT-4o，你必须显式提出“请展示所有推理步骤”；O1 在问题足够复杂时常常会自发展示一部分推理，但也不会列得太细，除非你要求。若想看 O1 的详细思路，只要提示里说「请显示你的推理步骤」就可以。与此同时，如果你并不想看到过多细节，只要告诉它「只给出最终答案」即可，这样就能避免冗长的过程描述。

• • 逻辑严谨与创造性
  GPT-4（含 4o 版本）在一定程度上具备创意能力，有时在逻辑题中会“发散思维”或“想象场景”，这并不总是理想的；O1 更专注于严格的推理，不会轻易编造或发挥。如果你的任务结合了推理和创造性（比如破案类题目，需要既有演绎又有叙事），GPT-4 可能在编故事方面更灵活，而 O1 会在逻辑上更谨慎。如果想兼顾两者长处，你可以先用 O1 获得准确结论，再用 GPT-4 做润色。如果只用 O1/O3，也可以在提示中显式要求它添加创意元素，因为默认它会更倾向于逻辑和正确性。

简而言之，若要充分发挥 O1/O3 在逻辑推理中的优势，请直接提供完整、清晰的问题，让它们在内部推理即可。与 GPT-4o 相比，无需用“分步骤思考”这类提示去“哄”它展开推理。但在 GPT-4o 中，这些技巧反而可能必不可少。根据场景灵活选择、匹配提示风格，才能获得最佳输出。

提示工程最佳实践总结

以下是为 O1 或 O3-mini 设计提示时的操作要点清单，帮助你充分利用其推理特长：

1. 1. 保证提示清晰且具体
   明确说明你想让模型完成什么。避免不相关的信息。如果问题复杂，可直接简要陈述，不要同时抛出多个话题或做过多背景描述。

2. 2. 必要的上下文要提供，不相关的要省略
   包含模型所需的领域信息或数据（如案例、事实），因为模型未必具备最新或小众知识；但别堆砌与任务无关的材料或一堆示例，以免干扰。

3. 3. 尽量零示例或极少示例
   优先采用零示例模式。只有当模型理解有误或者格式不对时，才加入简短的示例作为演示。O1/O3 本身不需要像旧版 GPT 那样大量示例来引导。

4. 4. 使用 System/Developer 指令定位角色与风格
   比如「你是一位法律分析师」，或「请做一名数学老师给学生讲解」，从而设置合适的专业度和语气；再如「请用条列式列出答案」，指定输出结构。

5. 5. 通过指令控制回答长度与详细程度
   若要简短回答，就写「限一段话内给出结论」；若要详细分析，就写「请详述你的推理过程」。O1 默认会倾向详尽，但你可以覆盖该默认。

6. 6. 在 O3-mini 上使用“推理努力程度”参数
   （若 API 允许）根据任务需求设置低/中/高，以在速度与准确性之间做平衡。

7. 7. 避免重复的“逐步思考”指示
   不必告诉 O1/O3「让我们一步步思考」，因为它们已在内部做链式推理；这类指令对 GPT-4o 更有效。只有当你想要输出“所有中间步骤”时才额外声明。

8. 8. 测试和迭代
   如果初始回答不理想，可以改变提示表述或更精确地说明需求。虽然 O1/O3 通常一次就能给出高质量解答，但微调提示仍能进一步提升可读性或输出形式。

9. 9. 对重要结论做验证
   对于需要高可靠度的回答，可进行追问或多次查询，并对比不同答案或让模型自检，以增强对结果的信心。即便是 O1 也有可能出错，务必审慎使用。

通过这些方法，你能更好地发挥 O1 和 O3-mini 的长处，并获得最优质的答案。

在法律案例分析中的运用示例

最后，以法律案例分析为例说明如何运用上述提示工程原则。法律分析往往需要复杂的推理，是 O1 可大显身手的领域，但前提是我们要用好提示。

1. 1. 组织输入
   先将案件的主要事实、法律问题用简明扼要的方式列出，如用要点或简短段落描述，然后明确提出要解决的法律问题，例如「基于上述事实，判断 A 方是否违反了美国合同法？」。这种结构让模型易于提取关键信息，也不会漏掉重点。

2. 2. 提供相关法条或背景
   如果涉及特定法条、判例或定义，请在提示中附上或简要引用。由于 O1 无法实时浏览信息，也不一定记得所有小众法律，如果你的分析依赖某项法规文本，请放进提示；如「根据[某法条摘要]……请将该法适用于本案。」

3. 3. 在 System 消息中设定角色
   例如：「你是一名法律分析师，需要在论述中阐明法律与事实的适用过程。」这样能确保 O1 的语气和分析框架更贴近法律专业，引用事实时更严谨。

4. 4. 无需多个范例案例
   不要像在 GPT-4o 提示中那样放一堆案例做参考。O1 不需要示例就能进行深入推理。不过你可以简单说明输出格式，如「请按照 IRAC（Issue, Rule, Analysis, Conclusion）结构陈述你的论点。」来保证回答的可读性。

5. 5. 控制答案长度
   如果你想要完整又详细的意见，让 O1 自由发挥，它可能会写好几段，覆盖所有细节。如果嫌太长，可以说「请用简短的评述就此案做出总结。」如果初次答案太概括，就追问「请更详细地说明将法律如何应用于具体事实。」模型会基于已完成的深层推理，进一步展开。

6. 6. 确保准确性与逻辑一致
   法律问题尤其注重严谨性。O1 在推理过程中倾向于自我纠错，但仍要核对关键引文和具体法律主张。可以在提示最后加一句「请确保在分析中没有遗漏任何与本案事实相关的要素，并再次确认结论与法律条款的一致性。」——因为 O1 擅长自检，这样会使它更加谨慎。

7. 7. 使用追问
   在法律场景下，你很可能需要围绕一个结论进一步发问，比如「如果在合同中有另一条终止条款，会如何影响分析？」O1 可以持续保持对上下文的理解并给出扩展性的解答。只要在对话中维持相关背景信息不丢失，模型就能依照之前的推理基础展开细节。

通过这些方法，就能让 O1 或 O3-mini 在法律分析中展现其深度推理优势：明确地给出案件信息、设定所需的分析框架、无需多余示例或提示，只需补充与法条或判例相关的必要资料，就能得到结构化、层次分明、且相对精准的法律意见。与官方所说的 O1 在研究、战略等高难领域表现卓越相呼应，法律分析也是类似的高复杂度推理任务——只要理解并利用好 O1/O3 与 GPT-4o 的差异，就能收获更精准、条理清晰的结果。