> ## Documentation Index
> Fetch the complete documentation index at: https://docs.siliconflow.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 交错思考

## 重要提示

⚠️ **部分模型引入了新的「交错思考（Interleaved Thinking）」行为。**\
在 SiliconFlow 上，通过 Serverless 模型 API 使用 **DeepSeek V3.2** 和 **GLM-4.7** 时，模型可能会输出与交错思考相关的结构化内容——最常见于 **工具调用（tool-calling）** 流程。\
为确保正确性、稳定性与最佳性能，请遵循以下指南。

***

## 概览

在 SiliconFlow 上，目前支持 **交错思考（Interleaved Thinking）** 的模型包括：

* **DeepSeek V3.2**
* **GLM-4.7**

交错思考尤其适用于：

* Agent 式编排
* 工具调用场景
* 编码与调试
* 需要利用工具中间结果推进的多步骤任务

***

## 1. 什么是交错思考（Interleaved Thinking）？

在 **交错思考** 模式下，模型可以：

1. 判断是否需要调用工具
2. 调用工具
3. 接收工具返回结果
4. 基于中间输出继续推进
5. 决定下一步（继续调用工具或输出最终答案）

这使得多步骤执行更加稳健：工具输出能够影响并驱动后续步骤。

### 示意图：包含工具结果的 Turn/Step 结构

下图展示了单个 **Turn** 如何包含多个 **Step**，以及模型在收到工具结果之后（即你发送 `role="tool"` 消息后）仍可能继续生成 `reasoning_content`。\
为保证工具调用行为正确，必须在整个链路中**按原样保留并回放**模型返回的 `reasoning_content`。

<img src="https://mintcdn.com/siliconflowcom/xMhiL6IrozjDHfUC/images/guides/interleaved-thinking/interleaved-thinking.png?fit=max&auto=format&n=xMhiL6IrozjDHfUC&q=85&s=e74e2ea6fd4cd811f7be6718fdde38ae" alt="交错思考（Turn/Step、工具调用/结果、reasoning_content）" width="2679" height="1848" data-path="images/guides/interleaved-thinking/interleaved-thinking.png" />

***

## 2. 工具调用：必须遵守的规则（不可妥协）

在 **DeepSeek V3.2** 或 **GLM-4.7** 的 **工具调用（tool calling）** 场景中，API 可能会在专用字段中返回额外的结构化输出：

* `reasoning_content`

✅ **你必须将 `reasoning_content` 按原样保留，并在后续请求中不做任何修改地回传。**

### 必须保留的内容（包括工具结果之后）

需要明确：必须保留的不仅是 **用户消息之后** 产生的 `reasoning_content`，还包括 **工具结果之后** 产生的 `reasoning_content`。

在启用工具的流程中，模型可能在以下阶段产生推理内容：

* 在任何工具调用之前
* 在多次工具调用之间
* **在接收工具结果之后**（即你发送 `role="tool"` 消息后，模型继续生成）

你必须对上述产生的 **所有** `reasoning_content` 做到**按生成结果原样保留并回放**。

包括但不限于：

* 工具调用前输出的内容
* 工具调用之间输出的内容（多步骤工具链）
* **工具结果之后输出的内容**
* 跨多个轮次产生的所有 `reasoning_content` 片段（**必须保持原始顺序**）

### 禁止行为

❌ **不要**：

* 修改文本
* “清理”或做任何后处理
* 合并或拆分片段
* 调整片段顺序
* 丢弃 `reasoning_content`，只保留普通 assistant 文本

否则可能导致：

* 与工具相关的多步骤行为被破坏
* 跨工具调用表现不稳定
* 缓存效率下降、输出质量劣化

***

## 3. 客户端处理清单（推荐）

接收响应时：

* 从 `content`（或流式场景下的 `delta.content`）累积普通 assistant 文本
* 从 `reasoning_content`（或流式场景下的 `delta.reasoning_content`）累积交错思考文本
* 从 `tool_calls`（或流式场景下的 `delta.tool_calls`）收集工具调用请求

将 assistant 消息回传给模型时，需要一并包含：

* `content`
* `reasoning_content`（原样、完整，且顺序与生成一致）
* `tool_calls`（按返回结果回传）

\*\*说明：\*\*该规则同时适用于 **流式** 与 **非流式**。流式仅影响字段读取方式（`delta.*`），不影响必须保留与回传的内容要求。

***

## 4. 示例：交错思考 + 工具调用（DeepSeek V3.2）

该示例演示在 SiliconFlow 上使用 **DeepSeek V3.2**。\
同样的处理模式也适用于 **GLM-4.7**。

```python theme={null}
from openai import OpenAI
import json

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.siliconflow.com/v1/"
)

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get weather information",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string"}
            },
            "required": ["city"]
        }
    }
}]

messages = [
    {"role": "system", "content": "You are an assistant"},
    {"role": "user", "content": "What's the weather like in America?"}
]

# Round 1：模型推理并调用工具
response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3.2",
    messages=messages,
    tools=tools,
    stream=True  # 可选；同样规则适用于非流式
)

reasoning_content = ""
content = ""
tool_calls = []

for chunk in response:
    delta = chunk.choices[0].delta

    if getattr(delta, "reasoning_content", None):
        reasoning_content += delta.reasoning_content

    if getattr(delta, "content", None):
        content += delta.content

    if getattr(delta, "tool_calls", None):
        tool_calls.extend(delta.tool_calls)

# 🔑 原样保留 reasoning_content（Round 1）
messages.append({
    "role": "assistant",
    "content": content,
    "reasoning_content": reasoning_content,
    "tool_calls": tool_calls
})

# 工具执行结果（示例）
messages.append({
    "role": "tool",
    "tool_call_id": tool_calls[0]["id"],
    "content": json.dumps({"weather": "Sunny", "temp": "25°C"})
})

# Round 2：在工具结果之后，模型可能产生新的 reasoning_content
response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3.2",
    messages=messages,
    tools=tools,
    stream=True  # 可选
)

reasoning_content_2 = ""
content_2 = ""
tool_calls_2 = []

for chunk in response:
    delta = chunk.choices[0].delta

    if getattr(delta, "reasoning_content", None):
        reasoning_content_2 += delta.reasoning_content

    if getattr(delta, "content", None):
        content_2 += delta.content

    if getattr(delta, "tool_calls", None):
        tool_calls_2.extend(delta.tool_calls)

# 🔑 原样保留 reasoning_content（Round 2，即工具结果之后）
messages.append({
    "role": "assistant",
    "content": content_2,
    "reasoning_content": reasoning_content_2,
    "tool_calls": tool_calls_2
})
```

***

## 5. 改用 GLM-4.7

若要将示例切换为 **GLM-4.7**，将：

```python theme={null}
model="deepseek-ai/DeepSeek-V3.2"
```

替换为：

```python theme={null}
model="zai-org/GLM-4.7"
```

交错思考的保留规则完全一致，包括必须保留 **工具结果之后** 产生的 `reasoning_content`。

***

## 总结

在 SiliconFlow 上使用 **DeepSeek V3.2** 与 **GLM-4.7** 时：

1. **交错思考支持多步骤、面向工具的执行**
2. 在 **工具调用** 场景下，必须 **按原样保留并回放 `reasoning_content`**——包括 **工具结果之后** 产生的推理内容
3. 严禁对 `reasoning_content` 进行修改、丢弃、合并/拆分或重排

遵循以上规则可确保工具使用稳定、多步骤行为一致，并获得更佳的整体效果与性能表现。