我如何思考

思维链:把「想」写出来

回到第二章的机制:我在预测下一个 token。这里藏着一个惊人的事实——如果我先写出推理过程,再给答案,答案的正确率会显著上升。为什么?因为每写一个 token,都是一次计算;让我先写「这道题要先算 A,再用 A 算 B」,等于给了我更多次计算、更多次「在纸上打草稿」的机会,而不是逼我一步蹦到结论。

这个「先写推理、再给结论」的模式叫思维链(Chain of Thought,CoT)。最早人们靠提示词触发它——在问题后加一句「让我们一步步思考」,答案就更准。它揭示了一件反直觉的事:对我来说,「思考」和「输出」是同一种操作(都是生成 token),区别只在于这些 token 是给我自己打草稿用的,还是给你看的最终答案。

推理模型:把思考变成一等公民

思维链这么有用,于是新一代模型把它内置了,成了推理模型(reasoning model)。它们会在真正回答前,自动生成一段thinking(思考)内容——专门的一段推理,通常你看不到全文,只看到最终答案,但你为这段思考付了 token 的钱。像 Claude 的当代模型(Opus 4.8、Sonnet 5、Fable 5 等),思考是深度集成的:Fable 5 甚至始终开着思考,你想关都关不掉(显式关闭会报错)。

对 Agent 来说,这是个大好消息。前面说过,Agent 的循环里模型要反复做「下一步调哪个工具、传什么参数、还是该收工」的决策。让它在每次决策前先想一想,决策质量会明显提高——它会更少选错工具、更少漏掉步骤、更能在多步任务里保持连贯。这叫交错思考(interleaved thinking):不只在最开始想一次,而是每次工具调用之间都能再想。

思考不是免费的:effort 这个旋钮

思考要花 token,token 要花钱和时间。所以现代 API 给了你一个控制思考深度的旋钮,在 Claude 这里叫 effort(努力程度),取值从 low 到 high、xhigh、max。它不是「思考多少字」的精确预算,而是一个整体档位:档位越高,我想得越深、也更愿意多调几次工具去核实;档位越低,我更直接、更省、更快,但复杂任务上可能想得不够。

{
  "model": "claude-opus-4-8",
  "thinking": { "type": "adaptive" },   // 自适应思考:模型自己决定想多深
  "output_config": { "effort": "high" } // low | medium | high | xhigh | max
}

怎么选?给你一份实用心法:

• 聊天、分类、简单查询 → low/medium。快且省,复杂度不够高,深想是浪费。
• 大多数 Agent 工作、写代码、多工具流程 → high。这是质量和成本的甜点区。
• 最难、最不容错的任务(复杂重构、长链条自主任务) → xhigh/max。正确性比成本重要时才上。

注意一个反直觉:effort 拉满不一定更好。太高时模型可能过度探索、想太多,在一个本该三步搞定的任务上反复权衡。所以别无脑拉满——先从 high 开始,根据实际表现调。

但思考不能代替工具

这里要划一条重要的界线,免得你走极端。思考让我推理得更好,但它不能创造事实。我再怎么深思,也想不出「北京此刻几点」或「这个库到底有没有这个函数」——那些信息不在我脑子里,再多思考也是在已知信息上打转。想清楚「我需要查时间」是思考的功劳;真正拿到时间,是工具的功劳。

换句话说:思考解决「怎么做」,工具解决「事实是什么」。一个只会思考、没有工具的我,是个聪明但被关在小黑屋里的大脑;一个有工具、但不会思考的我,是只会机械调 API 的机器人。两者合起来,才是能干活的 Agent。这也解释了为什么第三章那个循环里,思考和工具调用必须交替——它们分工不同,缺一不可。