启用 deepseek 的深度思考能力需显式操作：网页/app端点击“深度思考(r1)”按钮；api调用须设model为"deepseek-reasoner"且extra_body={"thinking": true}；本地部署需加--think参数；提示词可用#debug等前缀或分步指令触发。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在调用 DeepSeek 的 deepseek-reasoner 模型时，显式启用其深度思考能力，否则模型会退化为普通 V3 行为，不输出 reasoning_content，也不执行多步推理链——尤其在 API 场景下，仅改模型名不足以激活 R1 推理路径。
网页端/APP端：按钮即开关
这一步操作起来很简单，直接点击就能生效，不需要输入任何指令或配置参数。
打开 https://chat.deepseek.com 或启动 DeepSeek 官方 APP → 在输入框正下方找到并点击“深度思考(R1)”按钮 → 确认按钮高亮或显示对勾图标 → 输入问题后点击蓝色上箭头↑发送。
注意：未点击该按钮时，即使你提问的是数学证明或代码调试类问题，模型也默认走 V3 轻量路径，不会生成 reasoning_trace。
API 调用：必须显式传参
使用 OpenAI SDK（≥1.60.2）调用时，【model 必须设为 "deepseek-reasoner"】，且需在 extra_body 中传入 thinking=True。旧版配置中残留的 temperature、top_p 等参数将被完全忽略，但若仍留在请求体里，可能干扰你对实际生效参数的判断。
方法一：标准非流式调用
from openai import OpenAI
client = OpenAI(api_key="sk-xxx", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
model="deepseek-reasoner",
messages=[{"role": "user", "content": "请推导斐波那契第50项的奇偶性规律"}],
extra_body={"thinking": True}
)
reasoning_content = response.choices[0].message.reasoning_content
content = response.choices[0].message.content
方法二：兼容旧 SDK 的 fallback 写法（适用于尚未升级至 1.60.2 的环境）
在 JSON body 中直接添加字段：
{"model": "deepseek-reasoner", "messages": [...], "thinking": true}
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
【关键陷阱】 如果你在后续轮次中把上一轮返回的 reasoning_content 直接拼进 messages 发送，API 会立即返回 400 错误。必须只保留 content 字段用于上下文续聊。
命令行本地部署：加 --think 参数
第一步：确认已安装 ollama 并拉取 deepseek-r1 镜像
ollama pull deepseek-r1:latest
第二步：运行时强制启用思考模式
ollama run deepseek-r1:latest --think
第三步：输入问题，观察终端是否输出带 step_id 和 verified 标记的结构化推理块——若只返回单段结论，说明 --think 未生效或镜像版本不支持。
提示：deepseek-r1:1.5 及以上版本才完整支持 reasoning_content 字段输出；低于此版本的镜像即使加 --think，也不会返回 reasoning_trace。
提示词辅助触发：前缀+结构化指令
方法一：用符号前缀绕过界面依赖
在问题开头加 #debug、@web 或 !analyze 中任意一个，系统会自动识别并切换至 R1 推理路径。例如：
#debug 为什么这段 Python 代码执行后 list 始终为空？请分三步复现、定位、修复。
方法二：嵌入强制分步指令
在问题末尾写：“请严格按以下步骤执行：① 列出所有可能原因；② 对每个原因进行反向证伪；③ 输出最终结论，并标注置信度。”
方法三：绑定真实约束条件
“我要用 Python 给财务部写一个自动校验发票金额的脚本，要求能处理 Excel 和 PDF 两种格式，运行时间不超过 3 秒，但担心 OCR 识别精度不足——请给出带 fallback 机制的完整方案。”
