在使用智谱清言等大语言模型开展深度思维训练时，许多用户发现AI往往仅回答一轮便停止。要让模型持续围绕同一主题深入挖掘，仅靠单次提问远远不够。关键是要设计一套能够触发多轮追问的提示词结构，否则模型默认会终止推理链。

那么，具体应如何操作？

借助分步工作流强制AI实现自我追问

不妨从角色设定入手。在提示词开头便明确AI的角色与任务边界，例如“Role: 认知训练教练；Task: 对用户输入的概念进行三轮递进式追问，每轮聚焦一个认知维度”。这一步至关重要——若不明确轮次和维度，AI极易发散，训练将沦为无序的自由发挥。

接着，嵌入一项Workflow指令，清晰交代追问的逻辑路径。举例来说：“Workflow: 1、提取概念的核心定义与常见误解；2、针对定义漏洞设计反例性质疑；3、基于反例提出可验证的修正假设”。这相当于为AI绘制一张思考路线图。

但这仍不够。必须在每步结尾绑定输出动作。例如要求“第2步输出必须以‘如果……那么……是否成立？’句式呈现”。若缺乏这种格式约束，AI可能直接采用陈述句作答，而非提出新的追问，训练效果将大打折扣。

用约束条件封堵跳题漏洞

Constrains字段中必须包含三项硬性限制：不得引入新概念；每轮追问必须引用上一轮输出中的具体短语；追问问题末尾强制添加“请只回答问题，不解释”。

这招不灵？不妨一试。任何一条遗漏，AI都可能从第二轮开始突然“跑题”。譬如你原本想死磕“光反应阶段电子传递路径是否存在冗余步骤”这一要点，它却自动跳至“叶绿体进化史”。能够反复追问同一问题的能力，恰恰需要这些约束来保障。

利用模板锁定追问格式

有两种实现方法。第一种是在OutputFormat中指定输出格式，例如“输出为编号列表，格式：Q1：[问题] → A1：[用户回答占位符]；Q2：[问题] → A2：[用户回答占位符]”。第二种更直接——在提示词末尾追加一个真实示例，比如：“示例输入：‘惯性’；示例输出：Q1：物体保持静止状态，是否意味着它不受力？→ A1：；Q2：若受平衡力，其运动状态改变吗？→ A2：”。

这里有一个容易翻车的细节：示例必须使用真实的物理概念，不能敷衍地以“XXX”占位。否则AI会无视模板，直接按自身习惯自由发挥。

激活沉思模式以补足推理深度

Web端用户可以在提示词末尾加上[THINK]触发指令；若走API调用，则需在请求体中包含"strategy": "think"参数。

这一步若不做，容易吃亏。AI追问将一直停留在表面逻辑层，例如对“民主”仅问“是不是多数人说了算”。而启动沉思模式后，它会自动拆解出更深度的问题，例如“多数决机制如何防范暴政”“程序正义与实质正义冲突时优先级如何设定”这类二级追问。

需要提醒的是，沉思模式下首次响应会比普通对话多延迟3到5秒，但好处是后续追问会自动继承之前的推理上下文，无需重复输入背景信息。