在大语言模型（LLM）应用中，模型的思考过程对提升回答质量至关重要。DeepSeek-R1的输出能力较弱，幻觉率非常高。常用R1参与工作学习的人经常能看到其思考时分析地头头是道，输出的效果却非常差。不过其作为一个专注于推理能力的模型，可以作为"思考引擎"辅助其他模型生成更高质量的回答，以此来获得远超R1以及其使用的目标模型的能力。本文将详细介绍如何在API调用层面实现这一能力增强方案。 核心思路 实现思路直接而有效：使用两次独立的API调用，第一次调用DeepSeek-R1进行深度思考，第二次调用目标模型生成最终回答，同时将DeepSeek-R1的思考过程作为助手（Assistant）消息上下文传递给目标模型。 技术实现 1. DeepSeek-R1思考阶段 首先，调用DeepSeek-R1模型进行推理思考： async function getReasoning(prompt) { const response = await fetch('https://api.deepseek.com/v1/chat/completions', { method: