文档反馈官招募中，报名立赚积分兑换代金券！> HOT
文档中心>大模型服务平台 TokenHub>调用指南>高级能力>交错式思考模式（Interleaved Thinking）

交错式思考模式（Interleaved Thinking）

最近更新时间：2026-04-23 21:13:11

我的收藏

本页目录：

功能概述

交错式思考模式，即将慢思考和工具调用能力相结合，模型在输出最终回答前，可先交错进行多轮次的思考和工具调用，以增强 Agent 工作场景下输出的稳定性与复杂任务的执行能力，并获得更高质量的回答。

适用场景

适用于需要慢思考（high/low）模式下，进行工具调用（tool call）的场景。
此场景下的调用模式如下图所示：


API 示例

以下以 Chat Completions API 协议 为例，介绍慢思考 + 工具调用（如各类 Agent 场景）下的 API 调用方式。

请求侧主要字段（常用）

model：模型名称，例如 hy3-preview。
messages：消息数组，支持 system/user/assistant/tool 等角色。
reasoning_effort：控制模型的思考深度与推理开销(high/low)，如您追求最佳效果，请务必设置为 high。
tool_choice：工具选择策略，当前仅支持 auto。
tools：传入工具定义列表。
stream：是否流式(true/false)。

响应侧主要字段（常用）

reasoning_content：推理内容，用于继续交错思考，延续模型的思维链，在慢思考结合工具调用的场景下，开发者需要在下次调用 API 时回填此内容。
content：最终回答内容。
tool_calls：模型输出的工具调用指令。

开发者调用流程

建议严格遵循此开发者调用流程：
step1：发起首次请求（仅包含 system/user 等内容）。
step2：API 输出 assistant 消息，其中可能包含：
tool_calls
reasoning_content
step3：业务方执行工具。
step4：将工具结果以 role=tool 回填，并将同一轮内的 reasoning_content 也回传到 API，使模型可以根据这些信息继续思考推理。
step5：在 step4 的基础上，模型可能继续发起新的 tool call 或输出最终用户答案；若模型发起新的 tool call，则继续重复步骤 3~5，直到模型输出最终用户答案。
注意：
step2 中输出的推理内容（reasoning_content）用于交错思考的必要信息，在多步调用时，必须回填给模型进行推理，否则将影响效果。

调用示例（慢思考 + 工具调用）

本示例仅用于说明完整流程与字段回传逻辑；实际使用时，请根据业务部署环境和业务字段调整具体值（此案例仅用于理解流程，不代表模型能力边界）。

1. 首次请求（用户提问）

请求：
说明：
请您将示例代码中的 YOUR_API_KEY 替换为您真实的 API Key。如您还没有 API Key，请参见 创建 API Key。
curl -X POST 'https://tokenhub.tencentmaas.com/v1/chat/completions' \\
  -H 'Content-Type: application/json' \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -d '{
    "model": "hy3-preview",
    "messages": [
      { "role": "system", "content": "你是一个 Agent，必须按步骤推理并调用工具完成任务。" },
      { "role": "user",   "content": "深圳今天天气怎么样？" }
    ],
    "stream": false,
    "tool_choice": "auto",
    "reasoning_effort": "high",
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_weather",
          "description": "获取某地天气信息，输入 location。",
          "parameters": {
            "type": "object",
            "properties": { "location": { "type": "string" } },
            "required": ["location"]
          }
        }
      }
    ]
  }'
响应：
{
    "id": "31be91fe574e41e49616352366b4fa1b",
    "object": "chat.completion",
    "created": 1776057110,
    "model": "hy3-preview",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "我来帮你查询深圳今天的天气情况。",
                "reasoning_content": "用户问的是“深圳今天天气怎么样？”，这是一个简单的天气查询请求。我需要使用get_weather函数来获取深圳的天气信息。根据函数描述，这个函数需要一个location参数，用户已经明确提供了“深圳”作为地点。所以，我应该直接调用get_weather函数，参数location设为“深圳”。不需要额外的推理步骤，因为用户的问题很直接。现在，我准备调用函数。",
                "tool_calls": [
                    {
                        "id": "chatcmpl-tool-b39c6375f812783a",
                        "type": "function",
                        "function": {
                            "name": "get_weather",
                            "arguments": "{\\"location\\": \\"深圳\\"}"
                        }
                    }
                ]
            },
            "finish_reason": "tool_calls"
        }
    ],
    "usage": {
        "prompt_tokens": 209,
        "completion_tokens": 111,
        "total_tokens": 320
    }
}

2. 回填工具结果（在同一轮中延续思维链）

假设工具执行返回的结果为：Cloudy，气温 7~13°C。您需要在请求中，回填工具执行结果，同时保留首次请求中响应体里获取的 reasoning_content。
请求：
说明：
请您将示例代码中的 YOUR_API_KEY 替换为您真实的 API Key。
curl -X POST 'https://tokenhub.tencentmaas.com/v1/chat/completions' \\
  -H 'Content-Type: application/json' \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -d '{
    "model": "hy3-preview",
    "messages": [
      { "role": "system", "content": "你是一个 Agent，必须按步骤推理并调用工具完成任务。" },
      { "role": "user",   "content": "深圳今天天气怎么样？" },
      {
        "role": "assistant",
        "content": "我来帮你查询深圳今天的天气情况。",
        "reasoning_content": "用户问的是“深圳今天天气怎么样？”，这是一个简单的天气查询请求。我需要使用get_weather函数来获取深圳的天气信息。根据函数描述，这个函数需要一个location参数，用户已经明确提供了“深圳”作为地点。所以，我应该直接调用get_weather函数，参数location设为“深圳”。不需要额外的推理步骤，因为用户的问题很直接。现在，我准备调用函数。",
        "tool_calls": [
          {
            "id": "chatcmpl-tool-b39c6375f812783a",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\\"location\\": \\"深圳\\"}"
            }
          }
        ]
      },
      {
        "role": "tool",
        "tool_call_id": "chatcmpl-tool-b39c6375f812783a",
        "content": "Cloudy，气温 7~13°C"
      }
    ],
    "stream": false,
    "tool_choice": "auto",
    "reasoning_effort": "high",
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_weather",
          "description": "获取某地天气信息，输入 location。",
          "parameters": {
            "type": "object",
            "properties": { "location": { "type": "string" } },
            "required": ["location"]
          }
        }
      }
    ]
  }'
响应：
之后，模型会根据实际推理结果继续输出（可能继续 tool_calls，也可能输出最终答案），在获得最终答案前，每次调用都需遵循上述流程，通过“保留 reasoning_content + 回填 tool 输出”以维持大模型的思维链。
{
    "id": "ae8941415e154a3c9749f0cf897469a4",
    "object": "chat.completion",
    "created": 1776057913,
    "model": "hy3-preview",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "根据查询结果，深圳今天的天气是**多云**，气温在 **7°C 到 13°C** 之间。今天天气比较凉爽，建议适当增添衣物，注意保暖哦！🧥",
                "reasoning_content": "用户询问深圳今天的天气，我已经调用了get_weather工具获取了深圳的天气信息。结果显示是\\"Cloudy，气温 7~13°C\\"。\\n\\n现在我需要用中文回复用户，告诉他深圳今天的天气情况。天气是多云（Cloudy），气温在7到13摄氏度之间。\\n\\n我应该简洁明了地回复用户。"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 340,
        "completion_tokens": 114,
        "total_tokens": 454
    }
}

中国站