目標：

• 跟著清華教程學習DeepSeek
• 同樣的問題分別嘗試使用DeepSeek和文心一言進行提問
• 嘗試使用輔助工具完成學習中遇到的問題

個人理解：
- AI，AI思維，像人一樣思考，越來越像人？參考數據宏大，思考的更廣泛、更深入，但同人也一樣犯暈、執迷不悟；人機共生
-?提出問題、分析問題、解決問題；由簡單到復雜，層層分析，逐步迭代
- 如何提問？批判性思維：提問、分析與明智決策的藝術-CSDN博客；?高效提問的藝術-CSDN博客
-?知識融合，知識重構
- CoT：Chain-of-Thought，鏈式思維
- Prompt：提示語，用戶給AI的指令或信息；小碎步、層層遞進、逐步深入、指導進行
- AI Hallucinations：AI幻覺，是指生成式人工智能模型在生成文本或回答問題時，盡管表面上呈現出邏輯性和語法正確的形式，但其輸出內容可能包含完全虛構、不準確或與事實不符的信息。原因：背景信息、知識庫數量不足或質量缺失，模型邏輯選擇性輸出 --?一本正經的胡說八道，結果無法信賴
- 問題解決理論和系統工程學、模擬人類處理復雜問題的方式、分而治之原則、層級結構理論以及認知負荷理論

DeepSeek：從入門到精通

• Deepseek是什么？
  - DeepSeek是一家專注通用人工智能（AGI）的中國科技公司，主攻大模型研發與應用。
  - DeepSeek-R1是其開源的推理模型，擅長處理復雜任務且可免費商用。

DeepSeek

文心一言

深度求索人工智能基礎技術研究有限公司(簡稱“深度求索”或“DeepSeek”)，成立于2023年，是一家專注于實現AGI的中國公司

（回復內容較多，按個人喜好使用......代替） 一、人工智能公司 Deepseek（深度求索）是中國的一家人工智能公司，全稱杭州深度求索人工智能基礎技術研究有限公司。該公司成立于2023年7月，位于浙江省杭州市，......。Deepseek專注于AGI（通用人工智能）的研發，尤其在搜索增強型語言模型領域有突出表現。......，致力于研究世界領先的通用人工智能底層模型與技術，挑戰人工智能前沿性難題。 ......。Deepseek推出了一系列令人矚目的大模型，如DeepSeek LLM、DeepSeek-V2和DeepSeek-V3等，這些模型在性能上不斷提升，為用戶提供了更高效、更準確的AI服務。 二、智能搜索工具 Deepseek也是一個智能搜索工具的名稱，它采用了先進的機器學習算法，能夠精準地理解用戶的搜索需求，并從海量的數據中篩選出與用戶主題最相關的信息。這些信息是經過深度分析和整理的，類似于有人專門為用戶做了專門的調查報告。 ......。

• Deepseek能夠做什么？
  -?直接面向用戶或者支持開發者，提供智能對話、文本生成、語義理解、計算推理、代碼生成補全等應用場景，支持聯網搜索與深度思考模式，同時支持文件上傳，能夠掃描讀取各類文件及圖片中的文字內容。
  - 文本生成
  -?自然語言理解與分析
  -?編程與代碼相關
  -?常規繪圖

DeepSeek	文心一言
您好！我是由中國的深度求索（DeepSeek）公司開發的智能助手DeepSeek-V3，我可以幫助回答問題、提供信息、協助決策、解決問題、進行創意寫作等。如有任何具體需求，歡迎隨時向我提出。	（回復內容較多，按個人喜好使用......代替） Deepseek能夠做的事情主要包括以下幾個方面： 一、作為人工智能公司 Deepseek（杭州深度求索人工智能基礎技術研究有限公司）能夠： 研發先進的人工智能模型：Deepseek專注于通用人工智能（AGI）的研發，尤其在搜索增強型語言模型領域表現突出。其研發的模型如DeepSeek-R1、DeepSeek-V3等，在性能上不斷提升，為用戶提供了更高效、更準確的AI服務。 提供模型訓練、部署和應用服務：......。 推動人工智能技術的發展：......。 二、作為智能搜索工具 Deepseek智能搜索工具能夠： 精準理解用戶搜索需求：......。 高效篩選和整合信息：......。 提供個性化的搜索體驗：......。 支持多種應用場景：......。 ......。

• 如何使用Deepseek？
  -?DeepSeek，?https://chat.deepseek.com
  -?AIGC（生成式AI）試用 20 -- deepseek 初識-CSDN博客

DeepSeek

文心一言

您好！我是由中國的深度求索（DeepSeek）公司開發的智能助手DeepSeek-V3。您可以通過與我對話來使用DeepSeek，無論是解答問題、提供信息、輔助決策還是創意寫作，我都會盡力協助您。如有具體需求，請隨時告訴我。

（回復內容較多，按個人喜好使用......代替） Deepseek的使用方法可以根據不同的使用場景和設備類型進行細分，以下是一些主要的使用步驟和注意事項： 一、電腦端使用 系統要求：......。 本地部署：......。 網頁版使用：......。 二、手機端使用 系統要求：......。 APP下載與安裝：......。 APP使用：......。 三、通用使用技巧與注意事項 提問清晰具體： 向DeepSeek提問時，盡量讓表述清晰、具體。例如，想要一份溫馨的節日祝福文案，可以這樣提問：“幫我寫一份200字左右的中秋節祝福文案”。 優化回答： 如果DeepSeek給出的回答沒有完全符合預期，可以通過進一步的指令來優化它。例如，覺得回答的語言風格不夠正式，就可以要求“請用正式一點的語言重新表述”。 語言切換： DeepSeek支持多種語言切換，如果不想用英文與DeepSeek交流，可以直接用目標語言提問，它會自動識別并回復。 查看歷史記錄：......。 使用“聯網搜索”功能：......。 學習與工作助力：......。 ......。

• 如何從入門到精通？
  -?推理大模型：在傳統的大語言模型基礎上，強化推理、邏輯分析和決策能力的模型。主要于邏輯推理、數學推理和實時問題解決
  ? 提示語：明確的任務目杯和需求，無需指導，按推理邏輯實現最終結果；指令驅動，簡單明確，不需干預
  -?非推理大模型（通用模型）：適用于大多數任務，一般側重于語言生成、上下文理解和自然語言處理，而不強調深度推理能力。?主要用于語言生成、語言理解、文本分類、翻譯等創意任務
  -?提示語：需顯示指導、深入，根據結果反饋補償性提示，逐步實現最終結果；需求導向，引導深入，結果糾偏
  
  -?概率預測：快速反應模型。大數據訓練預測可能的答案；依賴預設算法和規則；缺乏創造力；預定，無交互，擅長結構化和明確定義問題；受控，安全，無倫理問題
  -?鏈式推理：慢速思考模型。鏈式思維，逐步推理步驟得到答案；能自主分析，實時決策；具備創造力；人機交互，可處理復雜、非結構化問題；有自主性、部分受控，有倫理問題
  
  -?需求表達：目標(問題/任務) -->?輔助描述(背景/規格/輸入數據/注意事項。。。) -->?達成標準(驗證指標/輸出標準/方向調整)
  -?需求類型：決策需求(獲取方案)、分析需求(需求->結論)、創造性需求(無中生有想像)、驗證性需求(評價)、執行需求(指令)
  
  -?指標語，Prompt，基本結構：
  ? > 指令 Instruction，要執行的任務
  ? >?上下文 Context，任務背景、說明
  ? > 期望 Expectation，要求和預期
  
  -?學會提問：指令、角色扮演、引導、多模態輸入輸出 ->?深入理解、批判思維、總結規納抽象、創新、合規 ->?對象認知能力、抽象能力
  ? >?問題重構：復雜 ->?簡單，無序 ->?有序，無限 ->?連界，模糊 ->?清晰
  ??>?創意引導：可理解的說明，可輸出的格式，可驗證的標準 ->?意想不到的結果
  ? >?結果優化：分析結果，優化提問，調整輸出
  ??>?系統思維：需求覆蓋、維度廣泛、場景復雜?
  
  提問：向AI問問題要注意什么
  -?準確、簡潔、合理、優化、脫敏

  DeepSeek

  文心一言

  向 AI 提問時，注意以下幾點可以幫助你獲得更高效、更準確的回答： --- ### 1. **問題要清晰明確** ? ?- 確保你的問題具體、直接，避免模糊或過于寬泛的描述。 ? ?- **示例：** ? ? ?- 不好的提問：!@#告訴我一些關于編程的知識。!@# ? ? ?- 好的提問：!@#Python 中如何實現多線程編程？!@# --- ### 2. **提供必要的上下文** ? ?- 提供與問題相關的背景信息，幫助 AI 更好地理解你的需求。 ? ?- **示例：** ? ? ?- 不好的提問：!@#為什么我的代碼報錯了？!@# ? ? ?- 好的提問：!@#我在運行以下代碼時遇到了錯誤：`IndexError: list index out of range`，請問如何修復？!@# --- ### 3. **分步驟提問** ? ?- 如果問題復雜，可以將其拆分為多個小問題，逐步提問。 ? ?- **示例：** ? ? ?- 不好的提問：!@#如何開發一個完整的網站？!@# ? ? ?- 好的提問：!@#1. 如何用 HTML 和 CSS 創建一個簡單的網頁布局？ 2. 如何用 JavaScript 實現交互功能？!@# --- ### 4. **使用具體示例** ? ?- 提供具體的例子或代碼片段，幫助 AI 更準確地理解你的問題。 ? ?- **示例：** ? ? ?- 不好的提問：!@#Python 中的列表怎么用？!@# ? ? ?- 好的提問：!@#我想用 Python 創建一個包含 10 個數字的列表，并對列表中的每個元素加 1，應該怎么寫代碼？!@# --- ### 5. **指定回答格式** ? ?- 如果你需要特定格式的回答（如代碼、步驟、表格等），可以在提問時明確說明。 ? ?- **示例：** ? ? ?- 不好的提問：!@#如何學習機器學習？!@# ? ? ?- 好的提問：!@#請列出學習機器學習的 5 個步驟，并推薦一些適合初學者的資源。!@# --- ### 6. **避免歧義** ? ?- 使用清晰、準確的語言，避免可能引起誤解的詞匯。 ? ?- **示例：** ? ? ?- 不好的提問：!@#怎么做一個東西？!@# ? ? ?- 好的提問：!@#如何用 Python 編寫一個簡單的計算器程序？!@# --- ### 7. **嘗試多種表達方式** ? ?- 如果 AI 的回答不符合預期，可以嘗試換一種方式提問。 ? ?- **示例：** ? ? ?- 第一次提問：!@#如何優化代碼性能？!@# ? ? ?- 第二次提問：!@#Python 中有哪些方法可以提高循環的執行效率？!@# --- ### 8. **利用多輪對話** ? ?- 如果問題復雜，可以通過多輪對話逐步深入。 ? ?- **示例：** ? ? ?- 第一輪：!@#如何用 Python 讀取 Excel 文件？!@# ? ? ?- 第二輪：!@#讀取后如何將數據存儲到數據庫中？!@# --- ### 9. **檢查并優化問題** ? ?- 在提問前，檢查問題是否清晰、完整，避免拼寫錯誤或語法問題。 ? ?- **示例：** ? ? ?- 不好的提問：!@#pyhton 怎么用？!@# ? ? ?- 好的提問：!@#Python 中如何安裝和使用第三方庫？!@# --- ### 10. **利用 AI 的提示功能** ? ?- 如果 AI 提供了選項或提示，可以根據提示進一步優化問題。 ? ?- **示例：** ? ? ?- AI 提示：!@#你是想了解 Python 的基礎語法還是高級特性？!@# ? ? ?- 優化提問：!@#我想了解 Python 中的裝飾器（Decorator）是如何工作的，能詳細解釋一下嗎？!@# --- ### 11. **避免敏感信息** ? ?- 不要在提問中包含個人隱私、敏感數據或機密信息。 ? ?- **示例：** ? ? ?- 不好的提問：!@#我的密碼是 123456，怎么保護它？!@# ? ? ?- 好的提問：!@#如何創建一個強密碼并確保其安全性？!@# --- ### 12. **保持耐心** ? ?- 如果 AI 的回答不完全符合預期，可以嘗試重新組織問題或提供更多細節。 ? ?- **示例：** ? ? ?- 第一次提問：!@#如何學習編程？!@# ? ? ?- 第二次提問：!@#我想學習 Python 編程，適合初學者的學習路徑是什么？!@# --- ### 總結 向 AI 提問時，清晰、具體、有條理是關鍵。通過提供上下文、分步驟提問、使用示例和指定格式，你可以更高效地獲得滿意的回答。如果遇到問題，多輪對話和優化提問方式也是很好的解決方法！

  向AI提問時，為了確保獲得準確、有用且符合期望的回答，需要注意以下幾個方面： 明確問題： 確保你的問題表述清晰、具體，避免含糊不清或過于寬泛。 如果可能，提供相關的背景信息或上下文，以幫助AI更好地理解你的問題。 簡潔明了： 避免冗長或復雜的句子結構，盡量用簡單、直接的語言表達問題。 去除不必要的修飾或冗余信息，使問題更加精煉。 避免歧義： 使用明確、無歧義的詞匯和表達，避免使用可能引起誤解的多義詞或短語。 如果問題中涉及特定的術語或概念，請確保這些術語或概念在提問時得到了明確的定義或解釋。 考慮AI的能力范圍： 了解你所使用的AI系統或工具的能力范圍，避免提出超出其能力范圍的問題。 如果不確定AI能否回答你的問題，可以先嘗試提出一些簡單的問題來測試其能力。 合理的期望： 不要期望AI能夠像人類一樣理解復雜或抽象的問題，或者進行創造性的思考。 理解AI的回答可能受到其訓練數據和算法的限制，因此可能會有一定的偏差或局限性。 使用正確的格式和語氣： 根據AI系統的要求或提示，使用正確的輸入格式（如文本、語音等）來提問。 保持禮貌和尊重的語氣，即使面對機器也要保持良好的溝通態度。 檢查并修正問題： 在提交問題之前，仔細檢查問題的表述是否準確、完整。 如果AI的回答不符合你的期望，可以嘗試重新表述問題或提供更詳細的信息來尋求更準確的回答。 注意隱私和敏感信息： 避免在提問中泄露個人隱私或敏感信息。 如果問題涉及敏感或機密內容，請確保在安全的環境下與AI進行交互。 綜上所述，向AI提問時需要注意問題的明確性、簡潔性、無歧義性、AI的能力范圍、合理的期望、正確的格式和語氣、問題的檢查和修正以及隱私保護等方面。通過遵循這些注意事項，你可以更有效地與AI進行交互并獲得滿意的回答。

• 提示語設計
  -?提示語基本元素：信息類(問題說明性內容)、結構類(問題輸入輸出組織、呈現方式)、控制類(輸入輸出約束) ->?問題、規格、約束
  -?問題描述準確、清晰、無歧義
  -?復雜問題分段式、層次化、結構化提問
  -?每個語句簡潔、簡短，關注問題的一個特定維度
  -?引導性、關注回復深度，開放和封半，注意問題邊界控制
  -?創新、反向、多維思考、提問，不設限?與?方向調整并存
  
  設計誤區
  -?信息繭房：避免個人立場對結果的影響，選擇結果的過程 ->?最終目標
  -?信息篩選：結果驗證，避免AI一本正經的胡說八道
  -?倫理邊界：合規、合法、安全、中立，有邊界
  
  AI幻覺
  -?語境誤解：問題理解不足
  -?數據誤用：錯誤的數據投喂、理解
  -?信息缺失：數據支撐不足
  -?推理錯誤：分析邏輯錯誤 --?提問方式、引導偏頗
  -?無中生有：虛假合成數據，與現實世界事實沖突 --?過度自信的AI
  
  提示語評價：26細分指標, AIGC評測 --?
  可塑性、可供性、可用性、可信度、可替代性
  - 可塑性：用戶適用性、魯棒性、新任務學習、領域知識
  -?可供性：響應速度、計算資源、模型大小、迭代速度、多語言支持、多模態支持
  - 可用性：相關性、流暢性、多樣性、時效性、創造性、錯誤識別
  - 可信度：偏見和公平性、可解釋性、內容安全性、數據隱私
  - 可替代性：人格模擬、情感識別、實體識別、邏輯推理、上下文理解、語法準確確性
  
  提問：評價提示語好壞的指標有哪些

  DeepSeek

  文心一言

  評價提示語（Prompt）的好壞是優化與 AI 交互效果的關鍵。以下是一些常用的指標，幫助你判斷提示語的質量： --- ### 1. **清晰度（Clarity）** ? ?- 提示語是否清晰易懂，避免歧義或模糊表達。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#告訴我一些東西。!@# ? ? ?- 好的提示語：!@#請解釋 Python 中的列表和元組的區別。!@# --- ### 2. **具體性（Specificity）** ? ?- 提示語是否具體，能否明確指向所需的信息或任務。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#幫我寫代碼。!@# ? ? ?- 好的提示語：!@#請用 Python 編寫一個函數，計算列表中所有偶數的和。!@# --- ### 3. **上下文完整性（Contextual Completeness）** ? ?- 提示語是否提供了足夠的背景信息，幫助 AI 理解問題。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#為什么我的代碼報錯了？!@# ? ? ?- 好的提示語：!@#我在運行以下代碼時遇到了錯誤：`IndexError: list index out of range`，請問如何修復？!@# --- ### 4. **目標明確性（Goal Orientation）** ? ?- 提示語是否明確指出了期望的結果或目標。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#機器學習是什么？!@# ? ? ?- 好的提示語：!@#請用簡單的語言解釋機器學習的基本概念，并舉例說明其應用場景。!@# --- ### 5. **可操作性（Actionability）** ? ?- 提示語是否能夠引導 AI 生成可操作的回答。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#如何學習編程？!@# ? ? ?- 好的提示語：!@#請列出學習 Python 編程的 5 個步驟，并推薦適合初學者的資源。!@# --- ### 6. **簡潔性（Conciseness）** ? ?- 提示語是否簡潔，避免冗長或不必要的細節。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#我想知道如何用 Python 寫一個程序，這個程序可以讀取一個文件，然后處理文件中的數據，最后輸出結果，你能幫我嗎？!@# ? ? ?- 好的提示語：!@#如何用 Python 讀取文件并處理數據？!@# --- ### 7. **適應性（Adaptability）** ? ?- 提示語是否能夠適應不同的 AI 模型或場景。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#用 GPT-4 的方式回答我。!@# ? ? ?- 好的提示語：!@#請用通俗易懂的語言解釋量子計算的基本原理。!@# --- ### 8. **創造性（Creativity）** ? ?- 提示語是否能夠激發 AI 生成有創意或獨特的回答。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#寫一個故事。!@# ? ? ?- 好的提示語：!@#請創作一個關于未來城市的科幻短篇故事，包含人工智能和環境保護的主題。!@# --- ### 9. **可擴展性（Scalability）** ? ?- 提示語是否能夠支持多輪對話或進一步深入討論。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#什么是深度學習？!@# ? ? ?- 好的提示語：!@#請解釋深度學習的基本概念，并舉例說明其在圖像識別中的應用。!@# --- ### 10. **結果質量（Result Quality）** ? ?- 提示語是否能夠引導 AI 生成高質量、準確的回答。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#告訴我一些關于健康的知識。!@# ? ? ?- 好的提示語：!@#請列出保持健康的 5 個科學建議，并解釋其原理。!@# --- ### 11. **用戶友好性（User-Friendliness）** ? ?- 提示語是否易于理解和使用，適合目標用戶。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#請提供關于 NLP 的詳細技術文檔。!@# ? ? ?- 好的提示語：!@#請用簡單的語言解釋自然語言處理（NLP）是什么，并舉例說明其應用。!@# --- ### 12. **避免偏見（Bias Avoidance）** ? ?- 提示語是否避免了引導 AI 生成帶有偏見或不公平的回答。 ? ?- **示例：** ? ? ?- 不好的提示語：!@#為什么某個群體不如另一個群體？!@# ? ? ?- 好的提示語：!@#如何促進不同文化之間的理解與合作？!@# --- ### 總結 評價提示語的好壞可以從清晰度、具體性、上下文完整性、目標明確性、可操作性、簡潔性、適應性、創造性、可擴展性、結果質量、用戶友好性和避免偏見等多個維度進行。通過優化這些指標，你可以設計出更高效的提示語，從而獲得更滿意的 AI 回答。

  評價提示語好壞的指標是一個多維度的問題，涉及到提示語的有效性、清晰度、吸引力以及目標受眾的接受度等多個方面。以下是一些具體的評價指標： 明確性： 提示語是否直接、清晰地傳達了所需的信息或指示？ 信息是否準確無誤，沒有歧義？ 簡潔性： 提示語是否簡潔明了，沒有冗長的句子或復雜的詞匯？ 是否能夠在短時間內吸引受眾的注意并傳達關鍵信息？ 綜上所述，評價提示語好壞需要綜合考慮多個方面的因素。一個優秀的提示語應該能夠清晰、簡潔地傳達信息，吸引受眾的注意，同時考慮到文化敏感性和可理解性，鼓勵受眾采取行動，并與品牌或組織的整體形象保持一致。此外，還需要通過數據來評估提示語的實際效果，以便不斷優化和改進。 相關性： 提示語是否與當前情境或目標受眾的需求緊密相關？ 是否能夠解決受眾的實際問題或提供有用的建議？ 吸引力： 提示語是否具有吸引力，能夠激發受眾的興趣或好奇心？ 是否使用了恰當的語言風格、色彩或圖像來增強吸引力？ 易讀性： 提示語的字體、大小和顏色是否易于閱讀？ 在視覺上是否突出，容易被注意到？ 文化敏感性： 提示語是否考慮到目標受眾的文化背景和語言習慣？ 是否避免了可能引起誤解或冒犯的用語？ 可理解性： 提示語是否使用了通俗易懂的語言，避免了專業術語或行業黑話？ 對于不同受教育程度的受眾，提示語是否都易于理解？ 行動導向性： 提示語是否鼓勵受眾采取某種行動或做出反應？ 是否提供了明確的行動指南或步驟？ 一致性： 提示語是否與品牌或組織的整體風格和形象保持一致？ 在多個渠道或平臺上使用時，是否保持了統一性和連貫性？ 效果評估： 提示語是否達到了預期的效果，如提高了受眾的參與度、滿意度或轉化率？ 是否有數據支持提示語的有效性，如點擊率、轉化率或用戶反饋？

• 創新提示語
  -?抽象—具體循環法：在不同抽象層次間靈活切換，抽像化問題 ->?具體反饋 ->?迭代優化；類比、隱喻、反向從生成結果倒推提示語；反向設計思維
  -?矛盾思維法：利用對立促進創新，引入對立概念 ->?利用矛盾促進創新 ->?提出沖突性任務要求；融合批判，涌現思維模型，問題分解互動
  
  -?提示語鏈：用于引導AI生成內容的連續性提示語序列，將復雜任務分解成多個可操作的子任務，確保生成的內容邏輯清晰、主題連貫；
  ? 做什么 ->?如何做，寫什么 ->?如何寫；序列、層級、遞進、關聯、適應
  ? 定義任務 ->?信息收集 ->?框架結構 ->?內容生成 ->?反饋評估?->?優化擴展
  -?設計原則：目標明確、邏輯連貫、漸進復雜、靈活適應、多樣性思考、反饋整合
  ? 主題，背景，方法論，結果分析，創意拓展，總結反思，質量控制
  -?設計模型：CIRS模型：Context(上下文), Instruction(指令), Refinement(優化), Synthesis(綜合)
  -?設計步驟：總體目標 ->?主要任務 ->?子任務 ->?微任務 ->?提示語 ->?任務聯系 ->?反饋調整
  ??問題解決理論和系統工程學、模擬人類處理復雜問題的方式、分而治之原則、層級結構理論以及認知負荷理論
  
  -?任務分解的提示語鏈：SPECTRA，Systematic Partitioning for Enhanced Cognitive Task Resolution in AI (系統分區以提高人工智能中的認知任務分辨率)
  ? > Segment at i on（分割）：將大任務分為獨立但相關的部分 --?相對獨立，整體相關
  ? > Prioritization（優先級）：確定子任務的重要性和執行順序 --?邏輯有序
  ? > Elaboration（細化）：深入探討每個子任務的細節 --?細化
  ? > Connection（連接）：建立子任務之間的邏輯關聯
  ? > Temporal Arrangement（時序安排）：考慮任務的時間維度
  ? > Resource Allocation（資源分配）：為每個子任務分配適當的注意力資源
  ? > Adaptation（適應）：根據AI反饋動態調整任務結構
  
  -?思維拓展提示語鏈：創造性認知理論，Geneplore模型(Generate-Explore Model)，生成、探索
  - 發散思維提示語鏈：發散思維、跨界聯想、聚合思維、評估優化
  ? 發散思維 IDEA > Imagine（想象）：鼓勵超越常規的思考?> Diverge（發散）：探索多個可能性?> Expand（擴展）：深化和拓展初始想法?> Alternate（替代）：尋找替代方
  ? 聚合思維 FOCUS > Filter（篩選）：評估和選擇最佳想法 >?Optimize（優化）：改進選定的想法 > Combine（組合）：整合多個想法 >?Unify（統一）：創建一致的敘述或解決方案 > Synthesize（綜合）：形成最終結
  ? 跨界思維 BRIDGE > Blend（混合）：融合不同領域的概念 > Reframe（重構）：用新視角看待問題 > Interconnect（互聯）：建立領域間的聯系 > Decontextualize（去情境化）：將概念從原始環境中抽離 >?Generalize（泛化）：尋找普適原則 > Extrapolate（推演）：將原理應用到新領
  
  -?優化提示語鏈：微調，邏輯鏈、知識鏈、創意鏈整合與融合，提升生成內容的邏輯嚴謹性、知識廣度與創新深度，達到最佳平衡
  ? > 邏輯鏈（Logic Chain）：確保推理的嚴密性和論證的連貫性
  ? > 知識鏈（Knowledge Chain）：激活和應用相關領域知識
  ? > 創意鏈（Creativity Chain）：促進創新思維和獨特見
  
  - 復雜任務提示語鏈：任務目標、目標受眾、文章類型、字數要求、特殊要求
  ? >?步驟：分析（Analysis）、構思（Ideation）、發展（Development）\評估（Assessment）
  ? >?技巧：遞進式深化、動態調整、定期回顧、交互式改進、平衡控制 -- PDCA，迭代
  ? >?評估：內容全面性、論證深度、創新洞見、實踐指導、結構清晰度、語言表達、跨學科整合、未來展望
  
  -?語用意圖分析（PIA），語用學和言語行為理論，分析任務、設定目標
  ? >?陳述型（Assertive）、指令型（Directive）、承諾型（Commissive）、表達型（Expressive）、宣告型（Declarative）
  ? >?步驟：?識別主要語用意圖：確定任務的首要目的 -> 分析次要語用意圖：識別可能的輔助目的 ->?評估語用意圖的強度：量化每種意圖的強度 ->?構建語用意圖矩陣：創建語用意圖及其強度的矩
  -?主題聚焦機制（TFM）
  ? >?主題原型構建 確定主題的核心特征和典型例子、語義框架設置 創建與主題相關的概念網絡、重點梯度建立 設定主題相關性的層級結構
  ? >?步驟：定義主題原型：列出主題的關鍵特征和代表性例子 ->?構建語義框架：創建與主題相關的概念圖 ->?設置重點梯度：按重要性排序相關概念和子主題 ->?創建主題引導符：設計特定的關鍵詞或短語來保持主題聚
  -?細節增強策略（DES）
  ? >多模態描述、微觀—宏觀連接、對比強化、時空定位、數據可視化
  ? >?步驟：?識別關鍵概念：確定需要詳細闡述的核心想法 ->?設計細節矩陣：為每個關鍵概念創建多維度的細節要求 ->?構建微觀-宏觀橋接：設計連接具體事例和抽象概念的提示 ->?創建感官描述指南：為抽象概念設計具體的感官描述要求 ->?制定數據展示策略：規劃如何將數據轉化為生動的敘述或可視化形
  -?跨域映射機制（CMM）
  ? >?結構映射、屬性轉移、關系對應、抽象模式提取
  ? >?步驟：?源域選擇：根據任務選擇合適的類比源域 ->?映射點識別：確定源域和目標域間關鍵對應點 ->?類比生成：創造性地將源域概念應用于目標域 ->?類比細化：調整和優化類比，確保其恰當性和新穎
  -?概念嫁接策略（CGS）
  ? >?步驟：選擇輸入概念：確定要融合的核心概念 ->?分析概念特征：列出每個輸入概念的關鍵特征和屬性 ->?尋找共同點：識別輸入概念之間的共享特征 ->?創造融合點：設計概念間的創新性連接點 ->?構建融合提示：創建引導AI進行概念嫁接的提示
  -?知識轉移技術（KTT）
  ? >?源域識別、知識抽象、目標域映射、知識重構、應用與驗證
  ? >?步驟：?定義問題：明確目標領域需要解決的問題或創新點 ->?尋找源域：搜索可能包含相關知識或方法的其他領域 ->?知識提取：從源域提取關鍵的知識、技能或方法 ->?相似性分析：分析源域和目標域之間的結構相似性 ->?轉移策略設計：制定知識從源域到目標域的轉移策略 ->?構建轉移提示：創建引導AI進行知識轉移的提示
  - 隨機組合機制（RCM）
  ? >?步驟：定義創意領域：明確需要創新的具體領域或問題 ->?構建多元素庫：收集與創意領域相關和不相關的多樣化元素 ->?設計隨機抽取機制：創建一個可以隨機選擇元素的系統 ->?制定組合規則：設定如何將隨機元素組合在一起的規則 ->?生成組合提示：創建引導AI進行隨機組合的提示
  -?極端假設策略（EHS）
  ? >?步驟：識別常規假設：列出在特定領域被廣泛接受的假設 ->?生成極端假設：將這些假設推向極端或完全顛覆 ->?構建假設場景：詳細描述如果極端假設成真會怎樣 ->?探索影響：分析極端假設對各個相關方面的潛在影響 ->?提取創新點：從極端場景中提煉出可能的創新機會 ->?構建極端假設提示：創建引導AI進行極端假設思考的提示語
  -?多重約束策略（MCS） --?重復
  ? >?步驟：問題定義：明確需要解決的核心問題 ->?約束條件列舉：設置多個具有挑戰性的限制條件 ->?約束影響分析：評估每個約束對問題解決的影響 ->?創新方案構思：在多重約束下尋找創新解決方案 ->?約束重構：必要時重新定義或調整約束條件
  -?隨機組合機制（RCM）
  ? >?步驟：定義創意領域：明確需要創新的具體領域或問題 ->?構建多元素庫：收集與創意領域相關和不相關的多樣化元素 ->?設計隨機抽取機制：創建一個可以隨機選擇元素的系統 ->?制定組合規則：設定如何將隨機元素組合在一起的規則 ->?生成組合提示：創建引導AI進行隨機組合的提示語
  -?極端假設策略（EHS）
  ? >?步驟：識別常規假設：列出在特定領域被廣泛接受的假設 ->?生成極端假設：將這些假設推向極端或完全顛覆 ->?構建假設場景：詳細描述如果極端假設成真會怎樣 ->?探索影響：分析極端假設對各個相關方面的潛在影響 ->?提取創新點：從極端場景中提煉出可能的創新機會 ->?構建極端假設提示：創建引導AI進行極端假設思考的提示
  -?語體模擬機制（RSM）
  ? >?步驟：確定目標語體：明確需要模擬的具體語言風格 ->?收集語料樣本：搜集目標語體的典型文本樣本 ->?分析語言特征：從詞匯、句法、修辭等多個維度分析語體特征 ->?提取關鍵元素：識別和提取構成語體的獨特語言元素 ->?構建語體指南：創建詳細的語體使用指南 ->?生成模擬提示：創建引導AI模擬特定語體的提示
  -?情感融入策略（EIS）--?像正常人一樣聊天，客觀？公正？
  ? >?步驟：確定目標情感：明確文本要傳達的主要情感基調 ->?創建情感詞庫：收集與目標情感相關的詞匯和短語 ->?設計情感曲線：規劃文本中情感強度的變化趨勢 ->?選擇情感觸發點：在文本中植入情感元素的關鍵位置 ->?構建情感場景：創造能引發情感共鳴的具體場景或細節 ->?生成情感融入提示：創建引導AI注入情感元素的提示語
  -?修辭技巧應用（RTA）
  ? >?步驟：確定任務目標：明確文本的主要目的 ->?選擇核心修辭：選擇2—3種主要的修辭手法 ->?設計修辭示例：為選定的修辭手法創建使用示例 ->?安排修辭分布：規劃修辭技巧在文本中的分布 ->?創建平衡策略：確保修辭技巧不過于刻意或過度 ->?生成修辭應用提示：創建AI運用修辭技巧的提示語
  
  -?元敘事提示框架
  ? >?嵌入式自反提示：設置自反觸發器，引導AI暫停主敘述，插入內容思考，內容?反思?整合
  ? >?層次元敘述提示：遞歸，每一層包含對上一層的反思
  ? >?時序人格提示：設定角色，確認不同角色間的互動規則
  ? >?讀者互動元敘述提示：設定決策分支，加入對讀者可能選擇的猜測
  
  * 實際應用 --?充分的行業經驗，對客戶需求的洞察
  -?文案寫作
  ? >?信息傳遞(清晰、準確、相關)：信息層次清晰、表達簡潔精準、結構邏輯嚴密、受眾針對性強、記憶點突出
  ? >?情感共鳴(觸動、共感、記憶)：情感基調明確、多感官體驗描、情境代入感、情感層次豐富、共情敘事
  ? >?行動引導(說服、激勵、轉化)：明確的行動指向、強烈的緊迫感(刺激欲望)、低門檻的起始步(行動起來)、實例證明
  -?營銷策劃
  ? > 創新：激發AI的創造力，生成獨特的創意概念
  ? >?精準：引導AI制定符合目標受眾和市場環境的傳播策略
  ? >?可行：確保AI生成的執行方案具有實操性
  -?品牌故事
  ? >?品牌定位：在市場中找到獨特位置
  ? >?價值主張：傳遞獨特的品牌價值
  ? >?未來愿景：描繪品牌的長遠目標
  - 年終總結：業績回顧、成就展示、未來規劃

  

  -?玩轉微信公眾號：私域流量、深度閱讀、規范體系、互動機制；吸引力、專業性、傳播性：引導提示語 -->?信息價值、層次互動、邏輯完備
  -?駕馭微博：實時性、社交屬性、話題引導、多媒體融合；熱點、快速、互動、關點引導、傳播方式；話題、標題、標簽 -->?吸引、互動
  -?布局小紅書：種草生態(推薦、分享、誘惑)、社區氛圍、垂直專業；關注推薦流、興趣標簽、搜索發現
  -?掌握抖音：高度視覺化與短時吸引力、情緒飽滿與娛樂性、強互動性與挑戰性、劇情與故事性；節奏鮮明與簡潔高效、貼近熱點與用戶需求、視覺沖擊與情緒感、引導參與與互動；吸睛、共鳴、劇情、互動
• 提示詞工程
  -?設定明確的目標與上下文、激活角色與思維模式、逐步拆解復雜任務、引導深入推理與思考、提供參考材料與外部資源、動態反饋與迭代優化
  ? 目標、情境代入、拆解任務、引導與深入、資料數據支撐、反饋迭代優化
  -?框架
  ? >?TASTE框架：任務目標、受眾、格式、風格、樣例
  ? ? ?? Task (任務)：?定義模型主要任務或生成內容。
  ? ? ?? Audience (目標受眾)：明確說明目標受眾。
  ? ? ?? Structure (結構)：為輸出的內容提供明確的組織結構，包括段落安排、論點展開順序或其他邏輯關系。
  ? ? ?? Tone (語氣)：指定模型回答時的語氣或風格。
  ? ? ?? Example (示例)：例子或模板可幫助模型理解輸出風格或格式。
  ? >?ALIGN框架：任務目標、輸出格式、輸入限制、處理風格
  ? ? ?? Aim (目標): 明確任務的最終目標。
  ? ? ?? Level (難度級別): 定義輸出的難度級別。
  ? ? ?? Input (輸入): 指定需要處理的輸入數據或信息，或要求模型依據某些事實或條件進行推理。
  ? ? ?? Guidelines (指導原則): 提供模型在執行任務時應該遵循的規則或約束。
  ? ? ?? Novelty (新穎性): 明確是否需要模型提供原創性、創新性的內容，是否允許引用已有知識。
• AIGC，人機共生
  -?內容生成層次：初始生成、交互篩選、主觀優化；動態循環
  
  - AI核心能力：
  ? >?AI思維(算法、數據、邊界)
  ? > 整合力(跨領域知識、知識與認識重構、資源優化、新舊知識融合) ->?創新
  ? >?引導力(提示語、交互、結構化分解、質量控制)
  ? >?判斷力(內容真偽、輸出價值評估、風險識別、輸出適用性)
  
  -?生成質量
  ? > AI專項領域、訓練數據的質量 -- AI基礎能力
  ? >?提示詞對需求描述的清晰度、準確性、完整性 --?提示詞工程
  ? >?輸出反饋的精準度、優化策略的正確性 --?質量控制、人為引導
  
  - AI輔助
  ? >?知識喚醒、知識整合、提示構建
  ? >?激發思考、拓展思考的維度和深度 -> 整合零散知識、發掘應用場景、系統化思考?->?結構化、系統化思維、質量控制
  ? >?知識獲取增加(了解自己)、知識整合升級(體系框架)、知識創新突破(創新思考)
  
  -?知識喚醒：通過認知觸發-系統激活-整體重構，實現知識的深度調動和創新生成；將人的具身經驗與AI的形式知識有機結合，產生既有深度又有溫度的內容
  ? >?知識：已有的認知積累、過往的經驗總結、潛在的思維模式、隱性的行為模式 ->?知識、經驗
  ? ? ?知識沉淀、知識關聯、知識情景、知識聯想
  ? >?個人知識體系 -> AI輔助
  ? >?激活個人知識儲備 ->?重構知識體系 ->?創新認知
• 提問
  -?DeepSeek：從入門到精通，100字內的總結

  DeepSeek	文心一言
  "DeepSeek：從入門到精通"是一篇指導性文章，旨在幫助讀者從基礎到高級全面掌握DeepSeek技術。文章首先介紹了DeepSeek的基本概念和應用領域，接著詳細講解了其核心算法和操作流程。隨后，通過實例分析加深理解，并提供進階技巧和最佳實踐，助力讀者實現從新手到專家的轉變。最后，探討了DeepSeek未來的發展趨勢和潛在挑戰，為讀者指明學習路徑和研究方向。	DeepSeek是一款基于人工智能技術的智能工具，能夠高效處理數據、生成內容、優化工作流程。通過注冊登錄，用戶可利用其進行內容創作、數據分析、編程輔助等。DeepSeek支持多語言、個性化設置，可廣泛應用于辦公、學習、創作等多個場景。

  - "DeepSeek：從入門到精通"是一篇文章，請給出100字內的總結

  DeepSeek	文心一言
  "DeepSeek：從入門到精通"是一篇系統性的教程文章，旨在引導讀者全面掌握DeepSeek技術。文章從基礎概念入手，逐步深入到高級應用，涵蓋了核心算法、操作步驟、實戰案例及優化技巧，為初學者提供清晰的學習路徑，同時為進階者揭示深度應用的策略與未來趨勢，是學習和精通DeepSeek技術的實用指南。	"DeepSeek：從入門到精通"一文，全面介紹了DeepSeek這一智能數據工具的使用。從基礎操作到高級應用，幫助用戶快速掌握并深化數據分析能力，成為數據探索的行家里手，讓數據處理與分析更加高效、精準。

  -?"DeepSeek：從入門到精通"的作者

  DeepSeek	文心一言
  "DeepSeek：從入門到精通" 的作者信息目前不在我的知識庫中。如果您能提供更多背景或上下文，我可以幫助進一步查找或推測相關信息。	關于“DeepSeek：從入門到精通”的作者存在不同說法。一種說法認為，該書由清華大學新聞與傳播學院新媒體研究中心元宇宙文化實驗室的余夢瓏博士后及其團隊撰寫。另一種說法則稱，該書的作者是王成虎。建議參考書籍的官方信息或權威書評以獲取準確信息。