2-2 提示词基础：传统模型 vs. 思考模型，什么时候选哪一个?

在这个单元，我们会谈在使用 Cursor 时，该选推理或非推理模型。

什么是推理模型？

首先，我们来谈谈推理模型的定义。摘录自 Open AI 的文件，推理模型就是在回答问题前会先进行思考。它会在内部生成一连串的思考链，通过推理步骤，最后才给出回覆。这种模型特别适合用来解决复杂问题。

非推理模型与推理模型的例子

目前业界中有许多大家熟知的非推理模型，例如 GPT-4.5、Claude 3.7 Sonnet，或是 DeepSeek 的 V3。这些模型的制造商也推出了对应的推理模型，比如 Open AI 的 o1 推理模型，以及 DeepSeek 的 r1 推理模型。

以具体的例子来比较，当问某个问题后

非推理模型：会直接根据问题给出答案，快速回覆。
推理模型：模型会先花数秒进行思考，过程包括规划和推理等阶段，最后才给出最终回覆。

在 Cursor 中选择模型

回到我们课程的主题 Cursor。在 Cursor 的设定档案中，可以看到一个模型选择清单，包含刚刚提到的非推理模型和推理模型。例如：

Claude 3.7 Sonnet (非推理模式)
Claude 3.7 Sonnet Thinking (推理模式)

这时，大家可能会问：在实际使用 Cursor 时，什么时候该选哪种模型？

什么时候用非推理模型？

我们建议在大部分情况下，预设使用非推理模型，例如 Claude 3.7 Sonnet 或 GPT-4o 这类传统模型。

原因如下：

在简单任务中，非推理模型的表现已经非常出色。
如果你想快速得到答案，或请 AI 修改一段相对简单的程式码，非推理模型就足够了。

举例来说，如果你问推理模型「JavaScript 中的 this 是什么？」它可能会思考 19 秒才回覆，但最终答案和非推理模型的直接回覆差异不大。在这种定义清楚、简单的任务中，用推理模型反而像「杀鸡用牛刀」，浪费时间。因此，对于快速回答或简单程式码修改，推荐使用非推理模型，效率更高，品质也不会差太多。

什么时候用推理模型？

但有些情境，推理模型会更适合，例如：

复杂的多步骤任务：难解的 bug 或需要多阶段规划的功能实作。
问题定义不清楚时：推理模型会在回答前进行思考、规划，甚至可能反问你以获取更多资讯，逐步理清问题。

在传统非推理模型中，处理复杂问题可能需要搭配 Chain of Thought 提示词，而推理模型在训练时已内建了这种推理过程，能省去繁琐的提示工程。当遇到难解的 bug 或复杂功能时，推理模型往往表现更佳。此外，若问题模糊，非推理模型可能直接给出「幻觉」答案，而推理模型会先拆解问题，给出更精确的回覆。

因此，我们推荐在 Cursor 中根据任务需求，灵活切换模型并多加尝试：

简单问题：用非推理模型试几次，若觉得推理模型花太多时间，可能就不划算，未来遇到类似情况就知道选非推理模型。
困难问题：用非推理模型屡试不果后，换成推理模型若能快速精准解决，就能明白在类似情境下该选推理模型。

多试几次后，你会逐渐培养出直觉，知道什么时候该用哪种模型。

此系列文章为 《给工程师的 Cursor 工作流 — 透过 AI 代理全方位提升开发生产力》 搭配的教材。希望透过这系列文章，将过去协助导入 AI 工具及使用 Cursor 的经验扩展并分享给想提升生产力的读者。如果对课程感兴趣的读者，可以加入 E+ 成长计划，观看影片学习。