DeepSeek के साथ तर्क करना

Python में DeepSeek के साथ काम करना

James Chapman

AI Curriculum Lead, DataCamp

चैट आइकन

अगले शब्दों की भविष्यवाणी
✅ कई तरह के उपयोग के मामले
❌ गहरे मल्टी-स्टेप कार्यों में कठिनाई

रीज़निंग आइकन

जटिल कार्यों को सब-टास्क में तोड़ें
✅ जटिल कार्यों पर बेहतर परफॉर्मेंस
❌ धीमा और अधिक महंगा

तर्क और गणित

एक ट्रेन 60 miles दूरी 1.5 hours में तय करती है। यदि गति समान रहे, तो 4 hours में कितनी दूर जाएगी, और यदि वह 2:15 PM पर निकलती है, तो किस समय पहुँचेगी?

पटरी पर चलती ट्रेन।

तर्क और गणित

एक ट्रेन 60 miles दूरी 1.5 hours में तय करती है। यदि गति समान रहे, तो 4 hours में कितनी दूर जाएगी, और यदि वह 2:15 PM पर निकलती है, तो किस समय पहुँचेगी?

गति निकालें (60 ÷ 1.5 = 40 mph)
दूरी पाने के लिए 4 hours से गुणा करें (40 × 4 = 160 miles)
डिपार्चर टाइम में 4 hours जोड़ें (2:15 PM + 4 hours = 6:15 PM)
रिटर्न: "160 miles, arrival at 6:15 PM"

Reasoning पर reasoning

सोचने, करने और नॉलेज अपडेट करने का हाई-लेवल reasoning वर्कफ़्लो।

Reasoning डिफॉल्ट रूप से ऑन है

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 डिफॉल्ट रूप से तर्क करता है → अतिरिक्त पैरामीटर की जरूरत नहीं

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

**Step 1 - ट्रेन की गति निकालें**
Speed = 60 / 1.5 = **40 mph**

**Step 2 - 4 hours में दूरी**
Distance = 40 × 4 = **160 miles**

**Step 3 - आगमन समय**
2:15 PM + 4 hours = **6:15 PM**

**Final Answer:** 160 miles, arriving at 6:15 PM

Reasoning को डिसेबल करना

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

Thinking डिफॉल्ट रूप से "enabled" रहता है; बाहर निकलने के लिए "disabled" पास करें
बिना reasoning के, मॉडल एक स्टैंडर्ड चैट मॉडल जैसा व्यवहार करता है

Effort बढ़ाना

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)

डिफॉल्ट effort "high" है → कठिन समस्याओं के लिए "max" सेट करें
reasoning effort बढ़ाने से कॉस्ट बढ़ती है
हमेशा पहले _कम_ reasoning effort पर टेस्ट करें

अभ्यास करते हैं!

Python में DeepSeek के साथ काम करना