การให้เหตุผลด้วย DeepSeek

การใช้งาน DeepSeek ใน Python

James Chapman

AI Curriculum Lead, DataCamp

chat_icon.png

  • ทำนายคำถัดไป
  • ✅ ใช้ได้หลากหลายงาน
  • ❌ ติดขัดกับงานที่ต้องคิดหลายขั้นตอน

reasoning_icon.png

  • แบ่งงานซับซ้อนเป็นงานย่อย
  • ✅ ทำงานซับซ้อนได้ดีขึ้น
  • ❌ ช้ากว่าและมีต้นทุนสูงกว่า
การใช้งาน DeepSeek ใน Python

การให้เหตุผลและคณิตศาสตร์

รถไฟวิ่ง 60 ไมล์ ใน 1.5 ชั่วโมง หากวิ่งด้วยความเร็วเท่าเดิม จะวิ่งได้ไกลแค่ไหน ใน 4 ชั่วโมง และจะถึงจุดหมายเมื่อใดหากออกเดินทางเวลา 2:15 PM?

รถไฟกำลังแล่นบนรางรถไฟ

การใช้งาน DeepSeek ใน Python

การให้เหตุผลและคณิตศาสตร์

รถไฟวิ่ง 60 ไมล์ ใน 1.5 ชั่วโมง หากวิ่งด้วยความเร็วเท่าเดิม จะวิ่งได้ไกลแค่ไหน ใน 4 ชั่วโมง และจะถึงจุดหมายเมื่อใดหากออกเดินทางเวลา 2:15 PM?

  1. คำนวณความเร็ว (60 ÷ 1.5 = 40 mph)

  2. คูณด้วย 4 ชั่วโมงเพื่อ หาระยะทาง (40 × 4 = 160 ไมล์)

  3. บวก 4 ชั่วโมงเข้ากับเวลาออกเดินทาง (2:15 PM + 4 ชั่วโมง = 6:15 PM)

  4. คำตอบ: "160 ไมล์ ถึงเวลา 6:15 PM"

การใช้งาน DeepSeek ใน Python

ทำความเข้าใจกระบวนการให้เหตุผล

ภาพรวมกระบวนการให้เหตุผล ประกอบด้วยการคิด การลงมือทำ และการอัปเดตความรู้

การใช้งาน DeepSeek ใน Python

การให้เหตุผลเปิดใช้งานโดยอัตโนมัติ

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 ให้เหตุผลเป็น ค่าเริ่มต้น → ไม่ต้องกำหนดพารามิเตอร์เพิ่ม
การใช้งาน DeepSeek ใน Python
print(response.choices[0].message.content)
**Step 1 - Find the train's speed**
Speed = 60 / 1.5 = **40 mph**

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

**Step 3 - Arrival time**
2:15 PM + 4 hours = **6:15 PM**

**Final Answer:** 160 miles, arriving at 6:15 PM
การใช้งาน DeepSeek ใน Python

การปิดใช้งานการให้เหตุผล

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Pro",
    extra_body={"thinking": {"type": "disabled"}},
    messages=[{"role": "user", "content": prompt}]
)
  • ค่าเริ่มต้นของ thinking คือ "enabled" ส่งค่า "disabled" เพื่อปิดใช้งาน
  • เมื่อปิดการให้เหตุผล โมเดลจะทำงานเหมือนโมเดล chat ทั่วไป
การใช้งาน DeepSeek ใน Python

การปรับระดับความพยายามในการให้เหตุผล

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)
  • ค่าเริ่มต้นคือ "high" → ตั้งเป็น "max" สำหรับโจทย์ที่ยากขึ้น
  • การเพิ่มระดับการให้เหตุผลจะเพิ่มต้นทุน
  • ควรทดสอบด้วยค่าการให้เหตุผล ต่ำกว่า ก่อนเสมอ
การใช้งาน DeepSeek ใน Python

มาฝึกกันเถอะ!

การใช้งาน DeepSeek ใน Python

Preparing Video For Download...