交错思考¶

简介¶

交错思考允许模型在工具调用之间进行推理，从而在获得工具结果后做出更复杂的决策。此功能有助于模型在多个工具调用之间插入推理步骤，并根据中间结果做出细致的决策。

重要提示：交错思考会增加令牌使用量和响应延迟。启用此功能时请考虑您的预算和性能要求。

交错思考的工作原理¶

通过交错思考，模型可以：

在决定下一步操作之前对工具调用的结果进行推理
在多个工具调用之间插入推理步骤
基于中间结果做出更细致的决策
为其工具选择过程提供透明的推理

支持的模型¶

vLLM 目前支持以下交错思考模型：

模型系列	推理解析器名称
moonshotai/Kimi-K2-Thinking	kimi_k2
MiniMaxAI/MiniMax-M2	minimax_m2

使用示例¶

要使用带有工具调用的交错思考，请指定支持此功能的模型，并在聊天完成请求中启用工具调用。以下是一个示例：

Code

"""
vllm serve MiniMaxAI/MiniMax-M2 \
  --tensor-parallel-size 4 \
  --tool-call-parser minimax_m2 \
  --reasoning-parser minimax_m2 \
  --enable-auto-tool-choice
"""
import json

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1",     api_key="dummy")


def get_current_weather(location: str, unit: "str"):
    """Get the current weather in a given location"""
    if unit == "celsius":
        return f"The current temperature in {location} is 22°C."
    else:
        return f"The current temperature in {location} is 72°F."


tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather in a given     location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "City and state, e.g.,     'San Francisco, CA'",
                    },
                    "unit": {"type": "string", "enum":     ["celsius", "fahrenheit"]},
                },
                "required": ["location", "unit"],
            },
        },
    }
]
messages = [{"role": "user", "content": "What's the weather in Fahrenheit like in San Francisco?"}]
response = client.chat.completions.create(
    model=client.models.list().data[0].id,
    messages=messages,
    tools=tools,
    tool_choice="auto",
)

tool_call = response.choices[0].message.tool_calls[0].function

messages.append(
    {
        "role": "assistant",
        "tool_calls": response.choices[0].message.tool_calls,
        "reasoning": response.choices[0].message.reasoning, # append reasoning
    }
)

# Simulate tool execution
available_tools = {"get_weather": get_current_weather}

completion_tool_calls = response.choices[0].message.tool_calls
for call in completion_tool_calls:
    tool_to_call = available_tools[call.function.name]
    args = json.loads(call.function.arguments)
    result = tool_to_call(**args)
    messages.append(
        {
            "role": "tool",
            "content": result,
            "tool_call_id": call.id,
            "name": call.function.name,
        }
    )
response_2 = client.chat.completions.create(
    model=client.models.list().data[0].id,
    messages=messages,
    tools=tools,
    tool_choice="auto",
)
print(response_2.choices[0].message.content)

此示例演示了如何使用天气检索函数设置带有工具调用的交错思考。模型在生成最终响应之前会对工具结果进行推理。