Skłanianie modelu do myślenia
DeepSeek V4-Pro domyślnie korzysta z rozumowania! Przy zadaniach czatowych, które wykonywałeś do tej pory, model zwraca gotową, końcową odpowiedź. Natomiast przy bardziej złożonych zadaniach, takich jak analiza danych, debugowanie kodu, matematyka czy praca badawcza, przechodzi przez problem krok po kroku, zanim udzieli odpowiedzi.
W tym ćwiczeniu wyślesz do V4-Pro typowe zadanie matematyczne, jakie mógłby dostać uczeń liceum, i pozwolisz, by domyślne rozumowanie modelu wykonało za ciebie całą pracę.
> math_problem
Calculate the area of a house in m^2 comprised of two rooms of sizes 3mx2m and 4mx5m.
To ćwiczenie jest częścią kursu
Praca z DeepSeek w Pythonie
Instrukcje do ćwiczenia
- Utwórz zapytanie, które wyśle prompt
math_problemdo modelu"deepseek-ai/DeepSeek-V4-Pro-0813"za pomocą endpointu Chat Completions.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")
# Create a request to the model — reasoning runs by default
response = client.chat.completions.____(
model="deepseek-ai/____",
max_tokens=400,
messages=[
{"role": "user",
"content": ____}]
)
print(response.choices[0].message.content)