新闻详情

新闻详情

首页 / 资讯中心 / 详情

The reasoning_content in the thinking mode must be passed back to the API

发布时间:2026/11/15 6:44:50来源:尧图网络
The reasoning_content in the thinking mode must be passed back to the API
遇到的这个reasoning_content错误是 DeepSeek 思考模式Thinking Mode与 OpenAI 兼容客户端如 Codex集成时的一个经典“协议摩擦”。 错误原因多轮工具调用中的“上下文丢失”根本原因是DeepSeek 要求在多轮工具调用Tool Calls对话中必须原样回传上一轮 Assistant 消息中的reasoning_content字段但 Codex 的 OpenAI 兼容层在构造下一轮请求时会把这个 DeepSeek 特有的字段“过滤”掉。具体流程如下DeepSeek V4 在思考模式下如果决定调用工具tool_calls其返回的 assistant 消息会包含一个reasoning_content字段其中记录了模型的推理过程。DeepSeek 的 API 要求在后续的每一轮请求中这个带有tool_calls的 assistant 消息必须完整保留reasoning_content字段一并回传。然而Codex 作为一个为 OpenAI 模型设计的客户端其内部的消息序列化逻辑只保留 OpenAI 标准的字段如content、tool_calls会自动丢弃reasoning_content这类非标准字段。当 Codex 带着缺失reasoning_content的历史记录再次请求 DeepSeek 时DeepSeek 的服务器校验失败返回 400 错误。 解决方案目前这个问题需要通过在 Codex 和 DeepSeek API 之间引入一个本地代理Proxy来解决。这个代理会缓存reasoning_content并在后续请求中将其“补回”到消息历史里。方案一使用专为 Codex 设计的修复工具推荐有开发者专门为 Codex 接入 DeepSeek 的场景开发了修复工具。你可以尝试使用codex-bridge这个项目。根据社区信息它专门用于中转 Codex 到 DeepSeek 的 API 请求并处理reasoning_content的回传问题。从 GitHub 获取项目https://github.com/wujfeng712-ui/codex-bridge根据项目文档启动本地代理服务然后将 Codex 的base_url指向这个本地代理的地址例如http://127.0.0.1:8787/v1。方案二使用通用的 DeepSeek 兼容性代理如果上述工具不适用可以使用更通用的deepseek-compat-kit或deepseek-lane。在终端运行npx deepseek-compat-kit proxy --port 8787将 Codex 配置中的base_url修改为http://127.0.0.1:8787/v1。这些代理的原理都是在本地维护一个推理内容缓存当检测到后续请求缺失reasoning_content时自动从缓存中取出并注入。方案三在 config.toml 中调整wire_api值得一试在修改配置前可以先检查一下 Codex 的~/.codex/config.toml文件中DeepSeek provider 的wire_api设置。如果当前是wire_api chat可以尝试将其改为wire_api responses。有信息表明保持 Codex 在 Responses 客户端表面wire_api responses可能有助于绕过 Chat Completions 端点上的reasoning_content校验路径。⚠️ 一个不太理想的备选方案如果以上代理方案都难以配置你可以考虑临时关闭 DeepSeek 的思考模式。但这会牺牲模型的推理能力对于复杂编码任务可能不是最佳选择。 总结这个问题的本质是DeepSeek 的思考模式协议与 OpenAI 兼容客户端之间的不匹配。最彻底的解决方案是等待 Codex 官方修复其序列化逻辑但在那之前通过本地代理进行字段回填是目前最有效的变通方法。建议优先尝试codex-bridge它的定位最契合你的场景。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉