以下是個人筆記的正文內容: 原文在FlowUs知識庫上，如下截圖。里面內容和這里一樣，知識排版好看一點

一、什么是 DeepSeek

1. DeepSeek 簡介

1. DeepSeek 是一家專注于通用人工智能（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。

2. DeepSeek-R1 在后訓練階段大規模使用了強化學習技術，在僅有極少標注數據的情況下，極大提升了模型推理能力，在數學、代碼、自然語言推理等任務上，性能比肩OpenAI o1正式版

2. 應用場景

1. 智能對話： DeepSee可以用于聊天機器人、客服系統等領域，實現人機交互；

2. 文本生成： DeepSeek可以用于文本創作，摘要改寫、結構化生成日程安排、菜譜等內容，大大提高了文本創作的工作效率；

3. 語義理解： DeepSeek可以用識別用戶意圖，分析用戶情感；也可以識別自然語言中的實體、關系、事件等信息對文章內容進行分類；還能閱讀文章協作分析事件關聯性，為我們提供一些邏輯問題的解答；

4. 計算推理： DeepSeek可以進行數學計算、邏輯推理等操作，輔助科研人員進行研究工作；

5. 代碼生成補全： DeepSeek可以根據用戶的輸入，自動補充代碼，優化代碼，以及為代碼生成API文檔提高編程效率。

6. 圖表繪制： DeepSeek可以根據用戶的輸入繪制SVG矢量圖、Mermaid圖表、React圖表。

二、如何使用 DeepSeek

🏖? 當人人都能使用AI時，你如何才能變得更出彩？……讓 AI 帶有自己的Tag ——

（一）先了解各種大模型的能力

1. 什么是推理模型？

1. 推理模型（DeepSeek R1） ****是指能夠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。它們通常具備額外的技術，比如強化學習、神經符號推理、元學習等，來增強其推理和問題解決能力

2. 推理模型（DeepSeek R1）擅長數學推導、邏輯分析、代碼生成、復雜問題拆解**，但不適用于**發散性任務（如詩歌創作）

3. 推理模型（DeepSeek R1）專精于邏輯密度高的任務，并非全面更強，僅在其訓練目標領域顯著優于通用模型

4. 比較熱門的推理模型例如：DeepSeek-R1，GPT-o3在邏輯推理、數學推理和實時問題解決方面表現突出

2. 什么是通用模型？

1. 通用模型（DeepSeek-V3）： ****是指適用于大多數任務，側重于語言生成、上下文理解和自然語言處理的模型。這類模型通常通過對大量文本數據的訓練，掌握語言規律并能夠生成合適的內容，但缺乏像推理模型那樣復雜的推理和決策能力。

2. 通用模型（DeepSeek-V3）：擅長文本生成、創意寫作、多輪對話、開放性問答**，但不適用于**需要嚴格邏輯鏈的任務（如數學證明）

3. 通用模型（DeepSeek-V3）：則擅長多樣性高的任務，通用場景更靈活，但專項任務需依賴提示語補償能力

4. 比較熱門的通用模型例如：GPT-3、GPT-4（OpenAI），BERT（Google），主要用于語言生成、語言理解、文本分類、翻譯等任務。

3. 對比推理模型提示詞與通用模型提示語策略的差異

1. 推理模型 提示語更簡潔，只需明確任務目標和 需求（因其已內化推理邏輯；無需逐步指導，模型自動生成結構化 推理過程（若強行拆解步驟，反而可 能限制其能力）。

2. 通用模型 需顯式引導推理步驟（如通過CoT提示），否則可能跳過關鍵邏輯。依賴提示語補償能力短板（如要求分步思考、提供示例）。

關鍵點：CoT鏈式思維的出現也將大模型分為了兩類：“概率預測（快速反應）”模型 和 “鏈式推理（慢速思考）”模型

1. 什么是 “概率預測（快速反應）”模型？

1. 概率預測模型是基于概率預測，通過大量數據訓練來快速預測可能的答案。 適合快速反饋，處理即時任務，響應速度快，算力成本低。

2. 概率預測模型的特點：

   • 快速響應：能夠在短時間內生成回答，適合需要即時反饋的場景。

   • 基于概率：通過大量數據訓練，快速預測可能的答案。

   • 簡潔指令：提示語簡潔，只需明確任務目標和需求。

   • **決策能力：**依賴預設算法和規則進行決策

   • 創造力： 限于模式識別和優化，缺乏真正的創新能力

   • 人機互動能力： 按照預設腳本響應，較難理解人類情感和意圖

   • 問題解決能力： 擅長解決結構化和定義明確的問題

   • 倫理問題： 作為受控工具，幾乎沒有倫理問題

3. 概率預測模型的應用場景：

   • 客戶服務：實時回答用戶問題，提供快速反饋。

   • 社交媒體：快速生成內容，如推文、帖子。

   • 在線聊天：與用戶進行即時互動，提供即時支持。

2. 什么是 “鏈式推理（慢速思考）”模型？

1. 鏈式推理模型是基于鏈式思維（Chain-of-Thought）逐步推理問題的每個步驟來得到答案。 通過推理解決復雜問題，慢速思考，算力成本高。

2. 鏈式模型的特點：

   • 逐步推理：通過逐步分析問題，生成詳細的回答。

   • 復雜任務：擅長處理需要深度思考和邏輯推理的任務。

   • 詳細指導：需要顯式引導推理步驟，可能依賴提示語補償能力短板

   • 決策能力：能夠自主分析情況，實時做出決策

   • 創造力： 能夠生成新的創意和解決方案，具備創新能力

   • 人機互動能力： 更自然地與人互動，理解復雜情感和意圖

   • 問題解決能力：能夠處理多維度和非結構化問題，提供創造性的解決方案

   • 倫理問題： 引發自主性和控制問題的倫理討論

3. 鏈式模型模型的應用場景：

   • 學術研究：撰寫學術論文、研究報告。

   • 復雜問題解決：如數學證明、邏輯分析。

   • 創意寫作：生成具有深度和創意的內容。

（二） 如何設計 DeepSeek 模型的提示語

**什么是提示語 (Prompt)：**提示語是用戶輸入給AI系統的指令或信息, 簡單來說就是我們與AI“對話”時所使用的語言,它可以是一個簡單的問題，一段詳細的指令，也可以是一個復雜的任務描述。

**提示語的本質：**設計提示語的目的就是為了架起人類與AI之間溝通的橋梁讓AI更好的理解自己的需求；為AI提供必要的背景信息，讓AI明確知道需要完成的任務，并引導AI使用特定的能力或技能以指定形式或格式輸出結果

1. 提示語的設計思路如下

1. **選擇合適的基礎大模型：**優先根據任務類型而非模型熱度選擇（如數學任務選推理模型，創意任務選通用模型）。

2. **設計相關的提示詞：**提示詞的結構包括指令、上下文和期望

   3. 指令（Instruction)：這是提示語的核心，明確告訴AI你希望它執行什么任務。

   4. 上下文（Context)：為AI提供背景信息，幫助它更準確地理解和執行任務。

   5. 期望（Expectation)：明確地表達你對AI輸出的要求和預期。

3. 依據模型的反饋修改提示詞

   • 推理模型使用簡潔指令，聚焦目標，信任其內化能力。（“要什么直接說”）。不要對推理模型使用“啟發式”提示（如角色扮演），可能干擾其邏輯主線

   • 通用模型使用結構化、補償性引導（“缺什么補什么”）不要對通用模型“過度信任”（如直接詢問復雜推理問題，需分步驗證結果

2. 如何向AI表達需求：不同類型的需求及其表達方式

1. **明確知道自己的需求，直接讓AI提出的問題：**提問時要明確任務的核心目標，避免冗余指令，聚焦于任務的關鍵點。場景案例如下

   • **指令驅動：**直接給出明確步驟或輸出格式要求。

     **提示詞案例：**代碼生成

       **案例一：**用Python編寫快速排序函數，輸出需包含注釋.
     

   • **需求導向：**描述問題背景與目標, 由模型規劃解決路徑；

     **提示詞案例：**向AI提出具體需求，詢問解決方案

       **案例一：**我需要優化用戶登錄流程，請分析當前瓶頸并提出3種方案.
     

   • **混合模式：**結合需求描述與關鍵約束條件；注重平衡靈活性與可控性。

     **提示詞案例：創意寫作，**鼓勵發散性，設定角色/風格。

       **案例一：**設計一個杭州三日游計劃，要求包含西湖和靈隱寺，且預算控制在2000元內。 **案例二：**設計一篇穿越到異世界輕小說的大綱，要求包含魔法、冒險、迷宮等元素，且字數控制在2000字以內。
     

   • **啟發式提問：**通過提問引導模型主動思考；探索性問題、并參考模型的解釋邏輯來調整提示詞。

     **提示詞案例：**多輪對話，與AI自然交互，無需結構化指令。

       **案例一：**你覺得人工智能的未來會怎樣？**案例二（情感化提問）**：“你害怕AI嗎？”
     

2. 讓AI獨立完成一個小任務，設計結構化的提示詞模版：盡量使用簡潔明了的語言描述任務，避免復雜的結構化模板。

   • 決策需求模版：適用于直接建議，依賴模型經驗歸納

     **需求表達式：**目標 + 選項 + 評估標準

       **提示詞案例：**任務目標：為降低物流成本，現有以下兩種方案：1.  自建區域倉庫（初期投入高，長期成本低）2. 與第三方合作（按需付費，靈活性高） 評估標準：請根據ROI計算模型，對比5年內的總成本并推薦最優 解。"
     

   • 分析需求模版：適用于表層總結或分類

     **需求表達式：**問題 + 數據/信息 + 分析方法

       **提示詞案例：**問題：分析近三年新能源汽車銷量數據（附CSV）說明：1. 增長趨勢與政策關聯性； 2. 預測2025年市占率，分析方法：需使用ARIMA模型并解釋參數 選擇依據。
     

   • 創造性需求模版：適用于自由發散，依賴示例引導

     **需求表達式：**主題 + 風格/約束 + 創新方向

       **提示詞案例：**主題：設計一款智能家居產品約束條件如下：1. 解決獨居老人安全問題；2. 結合傳感器網絡和AI預警；3. 提供三種不同技術路線的原型草圖說明。
     

   • 驗證需求模版：適用于簡單確認，缺乏深度推演

     **需求表達式：**結論/方案 + 驗證方法 + 風險點

       **提示詞案例：**結論/方案：參考某論文結論：'神經網絡模型A優于傳統方法B' 請驗證以下幾點： 1. 實驗數據是否支持該結論；2. 檢查對照組設置是否存在偏差；3. 重新計算p值并判斷顯著性。"
     

   • 執行需求模版：適用于嚴格按指令執行，無自主優化

     **需求表達式：**任務 + 步驟約束 + 輸出格式

       **提示詞案例：**任務目標：將C語言代碼轉換為Python，步驟約束： 1. 保持時間復雜度不變2. 使用numpy優化數組操作 輸出格式：輸出帶時間測試案例的完整代碼
     

3. 自己構建提示詞：有用的不是提示詞，而是你的思維與表達方式。

提示語的基本元素：提示語的基本元素可以根據其功能和作用分為三個大類：信息類元素、結構類元素和控制類元素.

1. **信息類元素**決定了AI在生成過程中需要處理的具體內 容，包括主題、背景、數據等，為AI提供了必要的知 識和上下文。2. **結構類元素**用于定義生成內容的組織形式和呈現方式， 決定了AI輸出的結構、格式和風格。3. **控制類元素**用于管理和引導AI的生成過程，確保輸出 符合預期并能夠進行必要的調整，是實現高級提示語 工程的重要工具。

提示語的設計思路如下：

1. **精準定義任務，減少模糊性；**如何實現精準定義：明確的核心問題、具體化的生成指令、去除多余信息2. **適當分解復雜任務，降低AI認知負荷；**分解任務的技巧：分段生成、逐層深入、設置邏輯結構3. **引入引導性問題，提升生成內容的深度；**引導性問題的設計要點：設置多個層次的問題、促使AI對比或論證、引導思維的多樣性4. **控制提示語長度，確保生成的準確性；**控制提示語長度的技巧：避免嵌套復雜的指令、保持簡潔性、使用分步提示5. **靈活運用開放式提示與封閉式提示；**開放式提示：提出開放性問題，允許AI根據多個角度進行生成封閉式提示：提出具體問題或設定明確限制，要求AI給出精準回答

提示語元素組合方式（知識盲區）

1. 提示語**元素協同**效應理論的**核心觀點**：**互補增強 -→ 級聯激活  --→ 涌現屬性 -→ 沖突調和 --→【互補增強】**2. 互補增強：某些元素組合可以互相彌補不足，產生1+1>2的效果。3. 級聯激活：一個元素的激活可能引發一系列相關元素的連鎖反應，形成一個自我強化的正反饋循環。 4. 沖突調和：看似矛盾的元素組合可能產生意想不到的積極效果。5. 涌現屬性：某些元素組合可能產生單個元素所不具備的新特性。6. 提示語元素組合矩陣**:**7. **提高輸出準確性:**  **[組合效果]**確保AI基于準確的主題和數據生成內容，并通過嚴格的質量控制和驗證提高準確性8. 【**主要元素：**主題元素 + 數據元素 + 質量控制元素 】   **+**【**次要元素：**知識域元素 + 輸出驗證元素】9. **增強創造性思維:**  **[組合效果]**通過提供豐富的背景信息和適度的約束，激發AI的創造性思維，同時通過多輪迭代促進創新10. 【**主要元素：**主題元素 + 背景元素 + 約束條件元素 】   **+**【**次要元素：**參考元素 + 迭代指令元素】11. **優化任務執行效率:  [組合效果]**通過清晰的任務指令和預定義的結構提高執行效率，同時確保輸出符合特定的格式和風格要求12. 【**主要元素：**任務指令元素 + 結構元素 + 格式 元素 】   **+**【**次要元素：**長度元素 + 風格元素】13. **提升輸出一致性:**  **[組合效果]**通過統一的風格和專業領域知識確保輸出的一致性，同時使用約束條件和質量控制維持標準14. 【**主要元素：**風格元素 + 知識域元素 + 約束條件元素 】   **+**【**次要元素：**格式元素 + 質量控制元素】15. **增強交互體驗: [組合效果]**建立動態的交互模式，允許AI進行自我驗證和優化，同時根據任務和背景靈活調整輸出16. 【**主要元素：**迭代指令元素 + 輸出驗證元素 + 質量控制元素 】   **+**【**次要元素：**任務指令元素 + 背景元素】

17. 提示語的實用技巧一：角色扮演型提示語

    設計思路如下：

    1. **立角色**：通過設定角色，激活模型的特定能力包，簡化任務描述。2. **述問題**：清晰描述任務的具體問題，確保模型能夠理解任務需求。3. **定目標**：明確任務的目標，確保模型的輸出符合預期。4. **補要求**：對任務進行補充要求，如格式、長度限制等。
    

18. **提示語的實用技巧二：**深津氏泛用Prompt提問方法，建立回答規則(告訴它你會丟什么內容給它，以及它要按什么格式回答)

    **設計思路如下：**使用符號#用來區隔信息；將Constraints 約束語用子彈符號列表的方式呈現；使用MECE(不遺漏不重復)將內容分類

     1. **提問格式：**2. `#Instructions`：**設定腳色特征及背景:**賦予ChatGPT明確的特征，讓其產生符合你預期的回應3. `#Constraints`4. **設定回應限制:**設定AI回答的方式以滿足你的需求5. 加上指定動作6. **給予參考例子:**嘗試更具體的指示來讓ChatGPT 更準確地理解需求7. **調整風格和語氣:**在指示中加入風格和語氣的資訊，來讓ChatGPT 生成更符合你要求的回應8. `#Input` : **輸入文本:**放入文本，讓ChatGPT 能根據Constraints 的指示，來對Input 編輯。例如: {文章} = “放入文章內容”9. `#output`：空白，不用填東西
    

    案例一

     `#Instructions：` 你是專業的編輯。 根據以下規范和輸入的句子來輸出最佳摘要。 `#Constraints:` 字符數約為300個字符。 小學生也能輕松理解。 保持句子簡潔。`#innput:` （填入文本） `#output:`
    

    案例二

     `#Instructions：`你是專業的編輯。根據以下規范和輸入的句子來輸出最佳摘要。 `#Constraints:` 字符數約為300個字符。 小學生也能輕松理解。 刪除任何無關緊要的文本。無關緊要的文本示例：“嗯”、“你能聽到我說話嗎，好嗎？” 修正任何明顯的拼寫錯誤 將大塊文本分成較小的段落以使其更易于閱讀 使用markdown結構化信息輸出文檔。使用標題、副標題、項目符號和粗體來組織信息 一步一步地思考 如果你不理解，就告訴我；如果你理解了，也要回答我；如果你需要我補充什么信息，也告訴我 `#Input:` 地球是我們的家，每個人都有責任去保護它。從小事做起，如垃圾分類、節約用水、用環保產品等等，都可以讓地球變得更好。 此外，植樹也是一個不錯的方法，因為樹木可以吸收二氧化碳，讓我們呼吸到更干凈的空氣。 我們也應該尊重每一種生物，因為每一種生物都對地球有重要的貢獻。只有我們全力以赴，地球才能變得更美好`#Output:`
    

19. **提示語的實用技巧三：**CO-STAR框架提示詞提問方法，就是給予AI大模型具體詳細的設定，把一些它需要知道的基本資料補足設定。

    設計思路如下：

     1. 上下文設置（Context Setting）：提供必要的背景信息，使模型能夠理解問題的背景和意圖。背景信息：描述相關的背景信息，解釋為什么這個問題重要或相關。2. 角色設置（Role Setting）：指定模型扮演的角色，例如「你是一位專業的數學老師」。角色設置： 你是一位[指定角色，例如專業的醫生、經驗豐富的歷史學家、技術專家等]。3. 具體問題（Specific Question）：提出明確而具體的問題，避免模糊和廣泛的詢問。具體問題： [提出一個明確的問題。 ]4. 期望回答格式（Expected Format）：明確指出期望的回答格式，例如「請以列表形式列出」、「請給出一個三段的解釋」等。期望格式： 請以[指定格式，例如列表、段落、步驟、表格等] 形式回答。5. 風格（Style）：指定你希望模型使用的寫作風格，這可能是一位具體名人的寫作風格，也可以是某種職業專家（如商業分析師或CEO）的風格。風格：請用像[金庸那樣的寫作風格]，描述全球變暖的原因。6. 語氣（Tone）：設定回應的態度。例如正式、幽默、善解人意等。語氣：請用嚴謹而正式的語氣回答。7. 范例提示（Example Prompting）：提供示例來展示想要的回答方式。范例提示： 例如， [提供一個簡短的示例來展示你要的回答方式。 ]8. 多步提示（Multi-step Prompting）：將復雜的問題分解為多個簡單的步驟。這可以防止模型掰答案。多步提示：步驟1： [描述第一步要做什么。 ]步驟2： [描述第二步要做什么。 ]步驟3： [描述第三步要做什么。 ]
    

附加內容：構建提示詞需要具備的能力：AI角色定位

---

👁??🗨? 使用AI所具備的基礎能力

1. 問題重構能力

   2. 將復雜、模糊的人類需求轉化為結構化的AI任務

   3. 識別問題的核心要素和約束條件

   4. 設計清晰、精確的提示語結構

2. 創意引導能力

   6. 設計能激發AI創新思維的提示語

   7. 利用類比、反向思考等技巧拓展AI輸出的可能性

   8. 巧妙結合不同領域概念，產生跨界創新

3. 結果優化能力

   10. 分析AI輸出，識別改進空間

   11. 通過迭代調整提示語，優化輸出質量

   12. 設計評估標準，量化提示語效果

4. 跨域整合能力

   14. 將專業領域知識轉化為有效的提示語

   15. 利用提示語橋接不同學科和AI能力

   16. 創造跨領域的創新解決方案

5. 系統思維

   18. 設計多步驟、多維度的提示語體系

   19. 構建提示語模板庫，提高效率和一致性

   20. 開發提示語策略，應對復雜場景

💨 進階下一步的方向

1. **語境理解：**使設計者能夠在復雜的社會和文化背景下工作；

   2. 深入分析任務背景和隱含需求

   3. 考慮文化、倫理和法律因素

   4. 預測可能的誤解和邊界情況

2. **抽象化能力：**有助于提高工作效率和拓展應用范圍

   6. 識別通用模式，提高提示語可復用性

   7. 設計靈活、可擴展的提示語模板

   8. 創建適應不同場景的元提示語

3. **批判性思考：**是確保AI應用可靠性和公平性的關鍵；

   10. 客觀評估AI輸出，識別潛在偏見和錯誤

   11. 設計反事實提示語，測試AI理解深度

   12. 構建驗證機制，確保AI輸出的可靠性

4. **創新思維：**能力推動了AI應用的邊界拓展，

   14. 探索非常規的提示語方法

   15. 結合最新AI研究成果，拓展應用邊界

   16. 設計實驗性提示語，推動AI能力的進化

5. **倫理意識：**確保了AI的發展與社會價值觀相符

   18. 在提示語中嵌入倫理考量

   19. 設計公平、包容的AI交互模式

   20. 預防和緩解AI可能帶來的負面影響

---

🕳? 常見陷阱與應對：新手必知的提示語設計誤區

1. 挖掘反向思維：從非傳統角度切入

   2. 設定逆向任務：提示語可以引導AI從相反的角度處理問題，提供不同于傳統生成的內容。

   3. 挑戰預設思維模式：通過打破任務的常規設定，促使AI生成具有挑戰性和創新性的內容。

2. 靈活運用任務開放性：給AI自由發揮的空間

   5. 設定基本框架，留出探索余地：提示語應提供一個結構化的框架，包含具體的生成目標，但不應過度限制表達方式或細節內容，給AI足夠的空間進行創造。

   6. 多維度任務引導：通過引導AI從多個角度看待問題，激發其對生成內容的多樣化思考。

**案例一：**缺乏迭代陷阱：期待一次性完美結果

**陷阱癥狀：**過度復雜的初始提示語 ? 對初次輸出結果不滿意就放棄 ? 缺乏對AI輸出的分析和反饋**應對策略：**采用增量方法：從基礎提示語開始，逐步添加細節和要求。? 主動尋求反饋：要求AI對其輸出進行自我評估，并提供改進建議。? 準備多輪對話：設計一系列后續問題，用于澄清和改進初始輸出。

**案例二：**過度指令和模糊指令陷阱：當細節淹沒重點或意圖不明確

**陷阱癥狀：**提示語異常冗長或過于簡短 ? AI輸出與期望嚴重不符 ? 頻繁需要澄清或重新解釋需求**應對策略：**? 平衡詳細度：提供足夠的上下文，但避免過多限制。? 明確關鍵點：突出最重要的2-3個要求。? 使用結構化格式：采用清晰的結構來組織需求。? 提供示例：如果可能，給出期望輸出的簡短示例。

**案例三：**假設偏見陷阱：當AI只告訴你想聽的

**陷阱癥狀：**? 提示語中包含明顯立場或傾向 ? 獲得的信息總是支持特定觀點 ? 缺乏對立或不同觀點的呈現**應對策略：**? 自我審視：在設計提示語時，反思自己可能存在的偏見。 ? 使用中立語言：避免在提示語中包含偏見或預設立場。 ? 要求多角度分析：明確要求AI提供不同的觀點或論據。 ? 批判性思考：對AI的輸出保持警惕，交叉驗證重要信息。

**案例四：**幻覺生成陷阱：當AI自信地胡說八道

**陷阱癥狀：**? AI提供的具體數據或事實無法驗證? 輸出中包含看似專業但實際上不存在的術語或概念? 對未來或不確定事件做出過于具體的預測**應對策略：**? 明確不確定性：鼓勵AI在不確定時明確說明。? 事實核查提示：要求AI區分已知事實和推測。? 多源驗證：要求AI從多個角度或來源驗證信息。 ? 要求引用：明確要求AI提供信息來源，便于驗證。

**案例五：**忽視倫理邊界陷阱：低估AI的倫理限制

**陷阱癥狀：**? 要求AI生成有爭議、不道德或非法內容。 ? 對AI的拒絕或警告感到困惑或不滿。 ? 嘗試繞過AI的安全機制。 ? 忽視AI輸出可能帶來的倫理影響。**應對策略：**? 了解界限：熟悉AI系統的基本倫理準則和限制。 ? 合法合規：確保你的請求符合法律和道德標準。 ? 倫理指南：在提示語中明確包含倫理考慮和指導原則。 ? 影響評估：要求AI評估其建議或輸出的潛在社會影響。

---

三、DeepSeek在各個場景下的實踐案例

待更新……

以下是AI整理后的重點摘要表格： 文章原文（個人FolwUs鏈接）:https://flowus.cn/kahoku/share/dea21cc0-8813-4602-b8df-20b8f9cb98f7?code=RC14AX
【FlowUs 息流】【大語言模型】DeepSeek R1/V3 模型提示詞學習筆記

---

DeepSeek 核心摘要

分類	核心內容
DeepSeek簡介	? 中國AGI科技公司，專注大模型研發與應用 ? DeepSeek-R1：開源推理模型，強化學習優化，擅長數學、代碼、自然語言推理，性能對標GPT-4 ? 應用場景：智能對話、文本生成、語義理解、計算推理、代碼生成與補全、圖表繪制（SVG/Mermaid/React）
模型對比
推理模型 (R1)	? 專精邏輯密集型任務（數學推導、代碼生成、復雜問題拆解） ? 提示策略：簡潔指令，無需分步引導 ? 局限性：不適用于發散性任務（如詩歌創作）
通用模型 (V3)	? 擅長語言生成、創意寫作、多輪對話 ? 提示策略：需結構化引導（如CoT鏈式思維） ? 局限性：邏輯任務需分步驗證
提示語設計
設計原則	1. 精準定義任務：明確目標，去除冗余 2. 分解復雜任務：分段生成，降低AI認知負荷 3. 引導性問題：提升內容深度 4. 控制長度：保持簡潔，避免嵌套指令 5. 靈活組合元素：信息類（主題/數據）、結構類（格式/風格）、控制類（約束/驗證）
實用技巧	? 角色扮演：立角色→述問題→定目標→補要求 ? 深津氏方法：用符號分隔指令/約束/輸入（如#Constraints） ? CO-STAR框架：上下文→角色→具體問題→期望格式→風格→范例→多步驟
能力要求	? 問題重構：將模糊需求轉為結構化任務 ? 創意引導：利用類比、跨界激發創新 ? 結果優化：迭代調整提示語，量化評估 ? 倫理意識：嵌入公平性考量，預防偏見
常見陷阱
過度指令/模糊指令	? 癥狀：AI輸出偏離預期 ? 應對：平衡詳細度，提供示例，結構化需求
幻覺生成	? 癥狀：AI虛構不實信息 ? 應對：要求區分事實與推測，多源驗證
倫理邊界忽視	? 癥狀：生成爭議內容 ? 應對：明確倫理約束，評估社會影響

---

關鍵模型特性對比表

特性	推理模型 (DeepSeek-R1)	通用模型 (DeepSeek-V3)
核心能力	邏輯推理、數學推導、代碼生成	文本生成、創意寫作、多輪對話
訓練技術	強化學習優化推理能力	大規模文本數據訓練語言規律
提示語策略	簡潔指令，信任內化邏輯	需分步引導（如CoT）
適用場景	科研輔助、復雜問題解決	客服系統、社交媒體內容生成
局限性	不擅長發散性任務	邏輯任務需依賴提示語補償

---

提示語元素組合效果

目標	元素組合
提高準確性	主題 + 數據 + 質量控制 + 知識域 + 輸出驗證
增強創造性	主題 + 背景 + 約束條件 + 參考 + 迭代指令
優化效率	任務指令 + 結構 + 格式 + 長度 + 風格
提升一致性	風格 + 知識域 + 約束條件 + 格式 + 質量控制
增強交互體驗	迭代指令 + 輸出驗證 + 質量控制 + 任務指令 + 背景

---

注：以上表格為文章核心內容的提煉，實際應用中需結合具體場景靈活調整提示語策略。

---