核心用法
Adaptive Reasoning 是一种元认知技能，在每次收到用户请求时自动执行快速复杂度评估（0-10分制），根据得分动态决定是否启用扩展推理模式：
- ≤2分：快速响应，无推理
- 3-5分：标准响应，轻度内部思考
- 6-7分：静默启用推理模式，响应末尾标注 🧠
- ≥8分：深度推理模式，响应末尾标注 🧠🔥
评估维度涵盖多步逻辑（+3）、模糊性/权衡（+2）、代码架构（+2）、数学/形式推理（+2）、新问题（+1）、高风险（+1），并扣除常规/重复任务（-2~-3）的分数。
显著优点
1. 成本效益：避免对所有问题过度思考，显著节省 token 消耗
2. 体验优化：简单问题秒回，复杂问题自动获得深度分析
3. 零摩擦：全程静默运行，用户无需学习新指令
4. 会话智能：复杂任务完成后自动降级，防止后续简单问题仍保持高成本模式
潜在缺点与局限
- 评估主观性：复杂度评分依赖启发式规则，可能误判边缘案例
- 延迟不确定性：用户无法预测当前响应是否会触发深度推理（可能等待更久）
- 图标干扰：强制追加 emoji 可能破坏特定格式要求的输出
- 覆盖场景有限：未涉及多模态输入（图像、音频）的复杂度评估
适合人群
- 高频使用 AI 辅助编程、系统设计、研究分析的专业用户
- 对 token 成本敏感但不愿牺牲复杂问题质量的企业场景
- 希望获得"恰到好处"深度而不必手动切换模式的普通用户
常规风险
- 误判风险：紧急但复杂的问题若被低估，可能获得过于简化的答案
- 模式漂移：长期使用后，模型可能对"复杂度"标准产生漂移
- 透明度不足：静默切换可能导致用户对响应质量波动感到困惑
- 建议关键决策场景配合显式
/reasoning on使用以保底