2-2 提示詞基礎：傳統模型 vs. 思考模型，什麼時候選哪一個?

在這個單元，我們會談在使用 Cursor 時，該選推理或非推理模型。

什麼是推理模型？

首先，我們來談談推理模型的定義。摘錄自 Open AI 的文件，推理模型就是在回答問題前會先進行思考。它會在內部生成一連串的思考鏈，通過推理步驟，最後才給出回覆。這種模型特別適合用來解決複雜問題。

非推理模型與推理模型的例子

目前業界中有許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。這些模型的製造商也推出了對應的推理模型，比如 Open AI 的 o1 推理模型，以及 DeepSeek 的 r1 推理模型。

以具體的例子來比較，當問某個問題後

非推理模型：會直接根據問題給出答案，快速回覆。
推理模型：模型會先花數秒進行思考，過程包括規劃和推理等階段，最後才給出最終回覆。

在 Cursor 中選擇模型

回到我們課程的主題 Cursor。在 Cursor 的設定檔案中，可以看到一個模型選擇清單，包含剛剛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)

這時，大家可能會問：在實際使用 Cursor 時，什麼時候該選哪種模型？

什麼時候用非推理模型？

我們建議在大部分情況下，預設使用非推理模型，例如 Claude 3.7 Sonnet 或 GPT-4o 這類傳統模型。

原因如下：

在簡單任務中，非推理模型的表現已經非常出色。
如果你想快速得到答案，或請 AI 修改一段相對簡單的程式碼，非推理模型就足夠了。

舉例來說，如果你問推理模型「JavaScript 中的 this 是什麼？」它可能會思考 19 秒才回覆，但最終答案和非推理模型的直接回覆差異不大。在這種定義清楚、簡單的任務中，用推理模型反而像「殺雞用牛刀」，浪費時間。因此，對於快速回答或簡單程式碼修改，推薦使用非推理模型，效率更高，品質也不會差太多。

什麼時候用推理模型？

但有些情境，推理模型會更適合，例如：

複雜的多步驟任務：難解的 bug 或需要多階段規劃的功能實作。
問題定義不清楚時：推理模型會在回答前進行思考、規劃，甚至可能反問你以獲取更多資訊，逐步理清問題。

在傳統非推理模型中，處理複雜問題可能需要搭配 Chain of Thought 提示詞，而推理模型在訓練時已內建了這種推理過程，能省去繁瑣的提示工程。當遇到難解的 bug 或複雜功能時，推理模型往往表現更佳。此外，若問題模糊，非推理模型可能直接給出「幻覺」答案，而推理模型會先拆解問題，給出更精確的回覆。

因此，我們推薦在 Cursor 中根據任務需求，靈活切換模型並多加嘗試：

簡單問題：用非推理模型試幾次，若覺得推理模型花太多時間，可能就不划算，未來遇到類似情況就知道選非推理模型。
困難問題：用非推理模型屢試不果後，換成推理模型若能快速精準解決，就能明白在類似情境下該選推理模型。

多試幾次後，你會逐漸培養出直覺，知道什麼時候該用哪種模型。

此系列文章為 《給工程師的 Cursor 工作流 — 透過 AI 代理全方位提升開發生產力》 搭配的教材。希望透過這系列文章，將過去協助導入 AI 工具及使用 Cursor 的經驗擴展並分享給想提升生產力的讀者。如果對課程感興趣的讀者，可以加入 E+ 成長計畫，觀看影片學習。