AI 推理模型开发

System 1 / System 2 的 AI 类比，o1 发布的冲击，思维链与答案分离，推理 Token 的本质，与普通 LLM 的本质区别。

Zero-shot CoT（"Let's think step by step"），Few-shot CoT 示例设计，Self-Consistency 多数投票，Tree-of-Thought 树状搜索。

GRPO 算法原理，Group Relative Policy Optimization，Cold Start 数据，Aha-Moment 涌现，与 o1 的技术路线对比。

extended_thinking 参数配置，budget_tokens 控制思考深度，流式思考输出解析，thinking block 与 text block 结构，成本计算。

推理模型的提示差异（不需要 CoT 触发词），System Prompt 设计准则，约束输出格式而不限制推理，难题分解策略。

使用推理模型做规划层，普通模型做执行层，ReWOO 框架解耦规划与执行，推理 Agent 的工具调用策略，避免 over-thinking。

推理模型的结构化输出挑战，thinking 与 JSON 输出的解耦方案，Instructor 库集成，复杂 schema 下的推理稳定性。

MATH / AIME / GSM8K / HumanEval 基准解读，LLM-as-Judge 评估方案，构建领域特定评估集，pass@k 采样策略。

budget_tokens 对质量与成本的影响曲线，Prompt Caching 缓存推理上下文，问题难度分级路由，何时不应该用推理模型。

集成 Claude Extended Thinking，多步数学推理器，代码执行反馈循环，自动评分与错误分析，完整端到端推理 Agent。