Raciocinando com DeepSeek

Trabalhando com DeepSeek em Python

James Chapman

AI Curriculum Lead, DataCamp

Ícone de chat

  • Predizer as próximas palavras
  • ✅ Muitos casos de uso
  • ❌ Dificuldade em tarefas longas e complexas

Ícone de raciocínio

  • Quebrar tarefas complexas em subtarefas
  • ✅ Melhor desempenho em tarefas complexas
  • ❌ Mais lento e mais caro
Trabalhando com DeepSeek em Python

Raciocínio e matemática

Um trem percorre 60 miles em 1.5 hours. Se mantiver a mesma velocidade, qual distância percorrerá em 4 hours, e a que horas chegará se partir às 2:15 PM?

Um trem viajando nos trilhos.

Trabalhando com DeepSeek em Python

Raciocínio e matemática

Um trem percorre 60 miles em 1.5 hours. Se mantiver a mesma velocidade, qual distância percorrerá em 4 hours, e a que horas chegará se partir às 2:15 PM?

  1. Calcular a velocidade (60 ÷ 1.5 = 40 mph)

  2. Multiplicar por 4 horas para encontrar a distância (40 × 4 = 160 miles)

  3. Somar 4 horas ao horário de partida (2:15 PM + 4 hours = 6:15 PM)

  4. Retornar: "160 miles, chegada às 6:15 PM"

Trabalhando com DeepSeek em Python

Raciocinando sobre o raciocínio

O fluxo de trabalho de alto nível de raciocinar, executar e atualizar o conhecimento.

Trabalhando com DeepSeek em Python

Raciocínio ativado por padrão

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 raciocina por padrão → sem parâmetro extra
Trabalhando com DeepSeek em Python
print(response.choices[0].message.content)

**Etapa 1 - Encontrar a velocidade do trem**
Velocidade = 60 / 1.5 = **40 mph**

**Etapa 2 - Distância em 4 horas**
Distância = 40 × 4 = **160 miles**

**Etapa 3 - Hora de chegada**
2:15 PM + 4 hours = **6:15 PM**

**Resposta final:** 160 miles, chegando às 6:15 PM
Trabalhando com DeepSeek em Python

Desativando o raciocínio

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    extra_body={"thinking": {"type": "disabled"}},
    messages=[{"role": "user", "content": prompt}]
)
  • O "thinking" vem "enabled" por padrão; passe "disabled" para desativar
  • Sem raciocínio, o modelo age como um chat padrão
Trabalhando com DeepSeek em Python

Aumentando o esforço

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)
  • O esforço padrão é "high" → use "max" para problemas mais difíceis
  • Aumentar o esforço de raciocínio aumenta os custos
  • Sempre teste primeiro com valores mais baixos de esforço
Trabalhando com DeepSeek em Python

Vamos praticar!

Trabalhando com DeepSeek em Python

Preparing Video For Download...