Reasoning mit DeepSeek

Arbeiten mit DeepSeek in Python

James Chapman

AI Curriculum Lead, DataCamp

Nächste Wörter vorhersagen
✅ Viele Einsatzbereiche
❌ Schwäche bei tiefen Mehrschritt-Aufgaben

Komplexe Aufgaben in Teilaufgaben zerlegen
✅ Besser bei komplexen Aufgaben
❌ Langsamer und teurer

Reasoning und Mathe

Ein Zug fährt 60 Meilen in 1,5 Stunden. Wenn er mit gleicher Geschwindigkeit weiterfährt, wie weit kommt er in 4 Stunden, und wann kommt er an, wenn er um 2:15 PM abfährt?

Ein Zug fährt auf einem Gleis.

Reasoning und Mathe

Ein Zug fährt 60 Meilen in 1,5 Stunden. Wenn er mit gleicher Geschwindigkeit weiterfährt, wie weit kommt er in 4 Stunden, und wann kommt er an, wenn er um 2:15 PM abfährt?

Geschwindigkeit berechnen (60 ÷ 1,5 = 40 mph)
Mit 4 Stunden multiplizieren, um die Strecke zu finden (40 × 4 = 160 Meilen)
4 Stunden zur Abfahrtszeit addieren (2:15 PM + 4 Stunden = 6:15 PM)
Ausgabe: „160 Meilen, Ankunft um 6:15 PM"

Über Reasoning nachdenken

Der High-Level-Reasoning-Workflow aus Denken, Handeln und Wissensaktualisierung.

Reasoning ist standardmäßig aktiv

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    messages=[{"role": "user", "content": train_problem}]
)

print(response.choices[0].message.content)

V4-Pro verwendet Reasoning standardmäßig → kein Extra-Parameter nötig

print(response.choices[0].message.content)

**Schritt 1 – Geschwindigkeit des Zugs**
Geschwindigkeit = 60 / 1,5 = **40 mph**

**Schritt 2 – Strecke in 4 Stunden**
Strecke = 40 × 4 = **160 Meilen**

**Schritt 3 – Ankunftszeit**
2:15 PM + 4 Stunden = **6:15 PM**

**Endergebnis:** 160 Meilen, Ankunft um 6:15 PM

Reasoning deaktivieren

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    extra_body={"thinking": {"type": "disabled"}},
    messages=[{"role": "user", "content": prompt}]
)

Thinking ist standardmäßig "enabled"; "disabled" übergeben, um es zu deaktivieren
Ohne Reasoning verhält sich das Modell wie ein normales Chat-Modell

Aufwand hochdrehen

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    reasoning_effort="max",
    messages=[{"role": "user", "content": train_problem}]
)

print(response.choices[0].message.content)

Standardaufwand ist "high" → für schwierigere Aufgaben "max" setzen
Mehr Reasoning-Aufwand erhöht die Kosten
Teste immer zuerst mit niedrigerem Reasoning-Aufwand

Lass uns üben!

Arbeiten mit DeepSeek in Python