DeepSeek-V4-Pro 提示词编码格式全解：多轮对话、DSML 工具调用与扩展思考模式实战指南

本指南以 DeepSeek-V4-Pro 仓库中的 encoding/README.md 为骨架，结合 encoding_dsv4.py 参考实现与 test_encoding_dsv4.py 测试用例，系统讲解 DeepSeek-V4 系列模型的提示词编码格式：从特殊 Token、消息角色、多轮对话，到工具调用（DSML 格式）、扩展思考（reasoning）、推理强度与快捷指令任务。读完本文，你将能够直接用encode_messages/parse_message_from_completion_text构建与解析 DeepSeek-V4 格式的 prompt，并在推理管线中正确接入工具调用与思考模式。

概述：编码模块在 DeepSeek-V4-Pro 中的定位

DeepSeek-V4 系列的推理链路需要一个将「结构化对话消息」转换为「模型可理解的单一 prompt 字符串」的环节，这一职责由encoding/目录承担。encoding/README.md明确说明：该文档描述 DeepSeek-V4 系列模型使用的 prompt 编码格式，其编码逻辑需要处理多轮对话、工具调用、扩展思考（reasoning）以及快捷指令任务四类场景。

仓库提供了一个自包含的参考实现encoding_dsv4.py，仅依赖 Python 标准库（json、re、copy、typing），不依赖任何第三方框架，可以独立复制进任意项目使用。它同样被推理端直接复用：inference/generate.py 通过sys.path引入encoding_dsv4并调用encode_messages与parse_message_from_completion_text，可见该编码模块是整个 DeepSeek-V4 推理链路的正式组成部分。

快速上手：编码与解析两个核心入口

编码对话：encode_messages

最简用法来自文档的 Quick Start（encoding/README.md）：

from encoding_dsv4 import encode_messages, parse_message_from_completion_text # Encode a conversation messages = [ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "What is 2+2?"}, ] prompt = encode_messages(messages, thinking_mode="thinking") # => "<｜begin▁of▁sentence｜>You are a helpful assistant.<｜User｜>What is 2+2?<｜Assistant｜><think>"

注意默认输出以<think>收尾（thinking 模式），因为它把「思考块起点」作为生成入口：模型接下来应当输出推理内容，随后自行闭合</think>再给出答案。

解析模型输出：parse_message_from_completion_text

completion = "Simple arithmetic.</think>2 + 2 = 4.<｜end▁of▁sentence｜>" parsed = parse_message_from_completion_text(completion, thinking_mode="thinking") # => {"role": "assistant", "reasoning_content": "Simple arithmetic.", "content": "2 + 2 = 4.", "tool_calls": []}

该函数将一段单轮模型输出拆解为reasoning_content（思考内容）、content（最终回复）与tool_calls（工具调用，OpenAI 格式）三个字段，供上层逻辑回填到对话历史。

重要注意（原文明确提示）：parse_message_from_completion_text只处理格式良好的模型输出，不会对偶发的畸形输出做纠正或恢复。文档建议生产环境必须自行增加额外的错误处理。从源码看，该函数对格式要求确实严格：缺少</think>、缺少 EOS Token、工具调用后存在多余内容、内容中出现特殊 Token 等情形都会直接抛ValueError（见 encoding_dsv4.py）。

函数完整签名与参数说明

encode_messages的完整签名（encoding_dsv4.py）如下：

def encode_messages( messages: List[Dict[str, Any]], thinking_mode: str, context: Optional[List[Dict[str, Any]]] = None, drop_thinking: bool = True, add_default_bos_token: bool = True, reasoning_effort: Optional[str] = None, ) -> str:

thinking_mode与reasoning_effort都有合法值断言（assert），传入非法字符串会直接抛AssertionError，这是使用时的隐性约束。

特殊 Token 与消息角色

特殊 Token 一览

文档给出的 Token 表（encoding/README.md）与源码常量一一对应（encoding_dsv4.py）：

支持的 Roles

编码支持六种角色：system、user、assistant、tool、latest_reminder、developer。

• developer角色有明确适用范围：文档特别说明，它仅在内部搜索 Agent 管线中使用，通用聊天与工具调用任务不需要，官方 API 也不接受携带该角色的消息。从源码看，developer消息被渲染为USER_SP_TOKEN + content的形式（见 encoding_dsv4.py），即从编码视角等同于用户回合，但支持附加tools与response_format。
• tool角色特殊：DeepSeek-V4没有独立的 tool 消息格式，工具结果必须合并进用户消息。源码中若直接对role == "tool"的消息调用render_message，会直接raise NotImplementedError，并提示「deepseek_v4 merges tool messages into user; please preprocess with merge_tool_messages()」（encoding_dsv4.py）。因此在encode_messages内部，tool消息会先经过预处理被合并进用户消息（详见下文工具调用章节）。

基础对话编码：chat 模式的多轮结构

普通多轮对话的编码骨架如下（encoding/README.md）：

<｜begin▁of▁sentence｜>{system_prompt} <｜User｜>{user_message}<｜Assistant｜></think>{response}<｜end▁of▁sentence｜> <｜User｜>{user_message_2}<｜Assistant｜></think>{response_2}<｜end▁of▁sentence｜>

要点：

• BOS Token 只在整段对话的最开头拼接一次（由add_default_bos_token控制，且仅当无context时生效，见 encoding_dsv4.py）。
• chat 模式（thinking_mode="chat"）下，</think>紧跟<｜Assistant｜>之后，立即闭合思考块，使模型直接生成内容。测试 4 的期望输出正是这一形态：<｜User｜>世界著名温泉有哪些<｜Assistant｜></think><｜action｜>Search<｜end▁of▁sentence｜>（见 tests/test_output_4.txt）。
• 每条user/developer消息之后会追加<｜Assistant｜>前缀（再加思考 Token），每条 assistant 消息之后追加 EOS Token，构成回合边界。过渡 Token 的追加逻辑位于 encoding_dsv4.py：只有当下一条消息不是 assistant/latest_reminder时才补前缀，避免重复拼接。

交错思考模式：thinking 模式与 drop_thinking 机制

在thinking_mode="thinking"下，模型在回复前于<think>...</think>块内产出显式推理（encoding/README.md）：

<｜begin▁of▁sentence｜>{system_prompt} <｜User｜>{message}<｜Assistant｜><think>{reasoning}</think>{response}<｜end▁of▁sentence｜>

测试 1 与测试 3 的期望输出即这种「交错思考 + 工具调用」形态，例如：

<｜User｜>What's the weather in Beijing?<｜Assistant｜><think>The user wants to know the weather in Beijing. I should use the get_weather tool.</think>