在与类似DeepSeek类似的大语言模型交互时，你是否曾经遇到过这样的困惑：
DeepSeek-R1的思考过程是否可以去掉？
大多数情况下，我们希望AI能直接给出答案，而不是在输出中展示“思考过程”。DeepSeek-R1会在回答前生成一个<think>标签，表示其推理过程。如果这个过程过长，用户可能会感到冗余，甚至影响使用体验。
那么，能否去掉DeepSeek-R1的思考过程呢？
答案是肯定的。但与此同时，我们也要注意到：
- 去除思考过程可能会影响回答质量，因为模型的思考步骤有助于提高推理的准确性。
本文主要将介绍一种去除DeepSeek-R1的思考过程，而不考虑去掉思考过程后的回答质量。
背景知识：从补全模型到对话模型
在深度学习的发展历程中，文本生成任务经历了从“补全”到“对话”的演进。
早期的GPT模型（如GPT-2）主要基于文本补全，即根据已有的输入预测下一个最可能的单词或句子。
而ChatGPT等对话模型（如GPT-3.5、GPT-4）在此基础上引入了消息结构（messages），允许多轮交互，并优化了对话的连贯性，更符合人类的表述方式。
DeepSeek-R1是一款强大的对话模型，它采用类似ChatGPT的架构，同时引入了思考过程（thinking process），即在生成最终答案之前，模型会先进行推理，并将推理步骤以<think>标签的形式输出。
方法1：使用 Chat Prefix Completion
DeepSeek提供了Chat Prefix Completion (Beta)[1]功能，它允许我们通过特定的提示方式控制模型的输出格式。
可以通过以下方式去掉<think>标签，使模型直接给出答案：
curl https://api.deepseek.com/beta \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <API_KEY>" \
-d '{
"model": "deepseek-ai/DeepSeek-R1",
"messages": [{"role": "user", "content": "9.11和9.8哪个大"}, {"role": "assistant", "content": "<think>\n</think>\n\n"}],
"temperature": 0.6
}'
在这里，我们在messages参数中直接告诉模型，思考部分为空（<think>\n</think>\n\n），这样它就不会输出思考过程，而是直接给出答案。
注意，此方法仅适用于 DeepSeek 的官方 API。
方法2：使用 Completion API
除了Chat模式，OpenAI 的接口规范也支持补全模式（completion）。在补全模式下，我们可以根据不同模型的对话模板（chat template）直接调整prompt，让模型忽略<think>部分。
curl https://api.siliconflow.cn/v1/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <API_KEY>" \
-d '{
"model": "deepseek-ai/DeepSeek-R1",
"prompt": "<|begin▁of▁sentence|><|User|>1+2+3+..+100等于多少<|Assistant|><think>\n</think>\n\n",
"max_tokens": 7,
"temperature": 0.6
}'
或者使用Python API：
fromopenaiimportOpenAI
client = OpenAI(base_url="https://api.deepseek.com/beta", api_key=<API_KEY>)
client.completions.create(
model="deepseek-ai/DeepSeek-R1",
prompt="<|begin▁of▁sentence|><|User|>1+2+3+..+100等于多少<|Assistant|><think>\n</think>\n\n",
max_tokens=7,
temperature=0.6
)
通过这种方式，我们可以控制模型忽略<think>标签，直接生成答案。
可能存在的问题
尽管可以去除DeepSeek-R1的思考过程，但仍然有一些问题值得注意：
- 稳定性：不同的输入可能会导致模型仍然输出思考过程，因此需要进一步测试上述方法的稳定性。
- 回答质量：去除思考过程可能会影响回答的准确性，特别是在推理和计算任务中。
结论
去除DeepSeek-R1的思考过程是可行的，但需要权衡使用体验与回答质量之间的关系。如果你的应用场景对思考过程的可读性要求不高，而更倾向于直接获取答案，那么可以尝试上述方法来优化模型的输出。
同时，希望这篇文章能帮助你更好地理解补全（Completion）与对话（Chat Completion）之间的区别！
