Bernalar dengan DeepSeek

Bekerja dengan DeepSeek di Python

James Chapman

AI Curriculum Lead, DataCamp

Ikon percakapan

Memprediksi kata berikutnya
✅ Banyak kasus penggunaan
❌ Kesulitan pada tugas multi-langkah mendalam

Ikon penalaran

Memecah tugas kompleks jadi sub-tugas
✅ Kinerja lebih baik pada tugas kompleks
❌ Lebih lambat dan lebih mahal

Penalaran dan matematika

Sebuah kereta menempuh 60 miles dalam 1,5 jam. Jika kecepatannya sama, berapa jauh jarak yang ditempuh dalam 4 jam, dan jam berapa tiba jika berangkat pukul 2:15 PM?

Sebuah kereta melaju di rel.

Penalaran dan matematika

Sebuah kereta menempuh 60 miles dalam 1,5 jam. Jika kecepatannya sama, berapa jauh jarak yang ditempuh dalam 4 jam, dan jam berapa tiba jika berangkat pukul 2:15 PM?

Hitung kecepatan (60 ÷ 1,5 = 40 mph)
Kalikan 4 jam untuk mendapat jarak (40 × 4 = 160 miles)
Tambahkan 4 jam ke waktu berangkat (2:15 PM + 4 jam = 6:15 PM)
Keluaran: "160 miles, tiba pukul 6:15 PM"

Bernalar tentang penalaran

Alur kerja penalaran tingkat tinggi: berpikir, melakukan, dan memperbarui pengetahuan.

Penalaran aktif secara default

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

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

V4-Pro bernalar secara default → tidak perlu parameter tambahan

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

**Langkah 1 - Cari kecepatan kereta**
Kecepatan = 60 / 1,5 = **40 mph**

**Langkah 2 - Jarak dalam 4 jam**
Jarak = 40 × 4 = **160 miles**

**Langkah 3 - Waktu tiba**
2:15 PM + 4 jam = **6:15 PM**

**Jawaban Akhir:** 160 miles, tiba pukul 6:15 PM

Menonaktifkan penalaran

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

Thinking "enabled" secara default; gunakan "disabled" untuk menonaktifkan
Tanpa penalaran, model bertindak seperti model chat standar

Meningkatkan upaya

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

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

Upaya default "high" → setel ke "max" untuk soal lebih sulit
Menaikkan upaya penalaran menaikkan biaya
Selalu uji dulu dengan nilai upaya penalaran yang lebih rendah

Ayo berlatih!

Bekerja dengan DeepSeek di Python