152、复杂推理：数学题与逻辑题实战那时候我还在调一个所谓的“智能体”，任务不难：给一个初中生出的应用题，让它解出来。模型用的是当时市面上最强的闭源大模型，心想这还不简单。结果它给我一本正经地算出了“鸡兔同笼”里兔子有负数。不是格式错，是逻辑上彻底崩了。我盯着那行输出看了半天，突然意识到一个问题——我们都在教模型“说话”，但从来没教过它“想完再说话”。后来我把同一个问题拆成三个子问题，让模型先列方程、再解方程、最后代入验证，每一步单独调用，居然全对了。那篇笔记的标题我写了四个字：别省步骤。这次聊聊复杂推理，数学题和逻辑题是最好用的试金石，因为它们对错分明，不像写文案还能糊弄过去。先说一个核心认知：大模型不是一个优秀的推理引擎，它更像一个极其擅长模式补全的语言游戏高手。你给它看“2+2=”，它能补出“4”，因为它见过海量这样的文本。但“鸡兔同笼”这种需要多步演算、中间状态不能被吞掉的问题，它如果直接一口吐答案，等于跳过了所有中间计算，纯靠记忆和词序在赌。赌赢了是运气，赌输了就是你看到的负数兔子。所以Agent工程师要做的，不是换一个更贵的模型，而是把推理过程“物化”成可见的步骤，让每一步都能被检查、被验证、被纠正。这就像你写C语言时不会让一个函数干所有事，而是拆成小函数，每个函数做一件事，然后单个测试。推理链（Chain of Thought）的本质就是这个，但人的肉眼往往等不了那么长的输出，所以需要让Agent自己去“操作”这些步骤。我当时做了一个特别土的实验，没上任何框架，就写了几行带状态机逻辑的代码，让模型按“读题-设未知数-列方程-求解-回代-给出答案”六个阶段走，每个阶段只输出一个JSON块，我这边校验完再喂下一步