FastDeploy/docs/zh/features/reasoning_output.md

思考链内容

思考模型在输出中返回 reasoning_content 字段，表示思考链内容,即得出最终结论的思考步骤.

##目前支持思考链的模型

模型名称	解析器名称	默认开启思考链
baidu/ERNIE-4.5-VL-424B-A47B-Paddle	ernie-45-vl	✓
baidu/ERNIE-4.5-VL-28B-A3B-Paddle	ernie-45-vl	✓

思考模型需要指定解析器,以便于对思考内容进行解析. 通过 "enable_thinking": false 参数可以关闭模型思考模式.

可以支持思考模式开关的接口:

1. OpenAI 服务中 /v1/chat/completions 请求.
2. OpenAI Python客户端中 /v1/chat/completions 请求.
3. Offline 接口中 llm.chat请求.

同时在思考模型中，支持通过 reasoning_max_tokens 控制思考内容的长度，在请求中添加 "reasoning_max_tokens": 1024 即可。

快速使用

在启动模型服务时, 通过 --reasoning-parser 参数指定解析器名称. 该解析器会解析思考模型的输出, 提取 reasoning_content 字段.

python -m fastdeploy.entrypoints.openai.api_server \
    --model /path/to/your/model \
    --enable-mm \
    --tensor-parallel-size 8 \
    --port 8192 \
    --quantization wint4 \
    --reasoning-parser ernie-45-vl

接下来, 向模型发送 chat completion 请求

curl -X POST "http://0.0.0.0:8192/v1/chat/completions" \
-H "Content-Type: application/json" \
-d '{
  "messages": [
    {"role": "user", "content": [
      {"type": "image_url", "image_url": {"url": "https://paddlenlp.bj.bcebos.com/datasets/paddlemix/demo_images/example2.jpg"}},
      {"type": "text", "text": "图中的文物属于哪个年代"}
    ]}
  ],
  "chat_template_kwargs":{"enable_thinking": true},
  "reasoning_max_tokens": 1024
}'

字段 reasoning_content 包含得出最终结论的思考步骤，而 content 字段包含最终结论。

流式会话

在流式会话中, reasoning_content 字段会可以在 chat completion response chunks 中的 delta 中获取

from openai import OpenAI
# Set OpenAI's API key and API base to use vLLM's API server.
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8192/v1"
client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)
chat_response = client.chat.completions.create(
    messages=[
        {"role": "user", "content": [ {"type": "image_url", "image_url": {"url": "https://paddlenlp.bj.bcebos.com/datasets/paddlemix/demo_images/example2.jpg"}},
        {"type": "text", "text": "图中的文物属于哪个年代"}]}
    ],
    model="vl",
    stream=True,
    extra_body={
      "chat_template_kwargs":{"enable_thinking": True},
      "reasoning_max_tokens": 1024
    }
)
for chunk in chat_response:
    if chunk.choices[0].delta is not None:
        print(chunk.choices[0].delta, end='')
        print("\n")