目前，像 OpenAI o1 这类推理模型确实大幅降低了使用门槛，让普通用户也能轻松调取。但在实际使用中，一些问题依然突出——成本居高不下，高峰时段还经常弹出“服务器繁忙，暂无法响应”的提示。显然，这并非所有用户都能接受的常态。

那么，有没有办法让那些不具备原生推理能力的普通 AI 模型，也拥有类似的结构化推理能力呢？答案是肯定的，而且实现方式比想象中更简单。

提示词技巧

核心在于通过 XML 标签将推理步骤与最终答案清晰分离。具体而言，利用 和 这类标签，让模型先进行内部思考，再输出结论。这一方法在之前的提示词创作指南文章中已有详细介绍。

以撰写一篇结构完整的文章为例，提示词可以这样组织：

对以下资料进行深入分析，提取关键要点，并理清它们之间的逻辑关系：

[需要分析的资料]

接下来，将这些信息整合起来，围绕以下主题创作一篇结构严谨、语言流畅的文章：

[文章主题]

请先结合上下文仔细思考如何整理这些信息，并将思考过程呈现在 `` 标签内。思考过程应包含以下内容：
- 分析任务目标
- 将任务分解为多个步骤
- 回顾任务内容，补充缺失的信息

随后，在 `` 标签中撰写最终的文章。

这个提示词包含两个核心部分：

1. 任务和上下文：用简洁明确的语言说明 AI 需要完成的任务，并提供充足的背景信息，帮助模型理解要做什么。

   对以下资料进行深入分析，提取关键要点，并理清它们之间的逻辑关系：
   
   [需要分析的资料]
   
   接下来，将这些信息整合起来，围绕以下主题创作一篇结构严谨、语言流畅的文章：
   
   [文章主题]

2. 思考要求：明确要求 AI 先进行内部推理，并将推理过程输出在 标签中，再输出最终文章。

   请先结合上下文仔细思考如何整理这些信息，并将思考过程呈现在 `` 标签内。思考过程应包含以下内容：
   - 分析任务目标
   - 将任务分解为多个步骤
   - 回顾任务内容，补充缺失的信息
   
   随后，在 `` 标签中撰写最终的文章。

   注意：务必让 AI 在 标签内输出思考过程，而不是直接输出最终文章。

应用示例

来看看实际效果。以下示例采用 Qwen2.5-Max 模型，并关闭了其深度思考能力。如果你暂时用不上推理模型，或者想降低成本，不妨试试这种方法。

通过上述提示词模板，即使是非推理模型的 AI，也能先对问题进行拆解、规划步骤，再输出条理清晰的回答。这相当于手工为模型搭建了一个“思维脚手架”，有效弥补了原生推理能力的缺失。