智能评估，自动切换深度推理

智能评估任务复杂度，自动切换推理深度，平衡响应速度与质量，适用于从简单问答到复杂系统设计的全场景对话。

基本信息

• 技能名称?Adaptive Reasoning
• 中文名称?智能评估，自动切换深度推理
• 作者?enzoricciulli
• 分类?其他
• 版本?1.0.0
• 标签?reasoning, optimization, cost-control, performance, automation, meta-cognitive, token-efficiency

使用方法

使用说明
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