【大语言模型】【整合版】DeepSeek 模型提示词学习笔记（散装的可以看我之前的学习笔记，这里只是归纳与总结了一下思路，内容和之前发的差不多）

news/2025/2/26 20:53:23

以下是个人笔记的正文内容: 原文在FlowUs知识库上，如下截图。里面内容和这里一样，知识排版好看一点
在这里插入图片描述

一、什么是 DeepSeek

1. DeepSeek 简介

  1. DeepSeek 是一家专注于通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。

  2. DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力，在数学、代码、自然语言推理等任务上，性能比肩OpenAI o1正式版

2. 应用场景

  1. 智能对话： DeepSee可以用于聊天机器人、客服系统等领域，实现人机交互；

  2. 文本生成： DeepSeek可以用于文本创作，摘要改写、结构化生成日程安排、菜谱等内容，大大提高了文本创作的工作效率；

  3. 语义理解： DeepSeek可以用识别用户意图，分析用户情感；也可以识别自然语言中的实体、关系、事件等信息对文章内容进行分类；还能阅读文章协作分析事件关联性，为我们提供一些逻辑问题的解答；

  4. 计算推理： DeepSeek可以进行数学计算、逻辑推理等操作，辅助科研人员进行研究工作；

  5. 代码生成补全： DeepSeek可以根据用户的输入，自动补充代码，优化代码，以及为代码生成API文档提高编程效率。

  6. 图表绘制： DeepSeek可以根据用户的输入绘制SVG矢量图、Mermaid图表、React图表。

二、如何使用 DeepSeek

🏖️ 当人人都能使用AI时，你如何才能变得更出彩？……让 AI 带有自己的Tag ——

（一）先了解各种大模型的能力

1. 什么是推理模型？

  1. 推理模型（DeepSeek R1） ****是指能够在传统的大语言模型基础上，强化推理、逻辑分析和决策能力的模型。它们通常具备额外的技术，比如强化学习、神经符号推理、元学习等，来增强其推理和问题解决能力

  2. 推理模型（DeepSeek R1）擅长数学推导、逻辑分析、代码生成、复杂问题拆解**，但不适用于**发散性任务（如诗歌创作）

  3. 推理模型（DeepSeek R1）专精于逻辑密度高的任务，并非全面更强，仅在其训练目标领域显著优于通用模型

  4. 比较热门的推理模型例如：DeepSeek-R1，GPT-o3在逻辑推理、数学推理和实时问题解决方面表现突出

2. 什么是通用模型？

  1. 通用模型（DeepSeek-V3）： ****是指适用于大多数任务，侧重于语言生成、上下文理解和自然语言处理的模型。这类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推理模型那样复杂的推理和决策能力。

  2. 通用模型（DeepSeek-V3）：擅长文本生成、创意写作、多轮对话、开放性问答**，但不适用于**需要严格逻辑链的任务（如数学证明）

  3. 通用模型（DeepSeek-V3）：则擅长多样性高的任务，通用场景更灵活，但专项任务需依赖提示语补偿能力

  4. 比较热门的通用模型例如：GPT-3、GPT-4（OpenAI），BERT（Google），主要用于语言生成、语言理解、文本分类、翻译等任务。

3. 对比推理模型提示词与通用模型提示语策略的差异

  1. 推理模型 提示语更简洁，只需明确任务目标和 需求（因其已内化推理逻辑；无需逐步指导，模型自动生成结构化 推理过程（若强行拆解步骤，反而可 能限制其能力）。

  2. 通用模型 需显式引导推理步骤（如通过CoT提示），否则可能跳过关键逻辑。依赖提示语补偿能力短板（如要求分步思考、提供示例）。

关键点：CoT链式思维的出现也将大模型分为了两类：“概率预测（快速反应）”模型 和 “链式推理（慢速思考）”模型

1. 什么是 “概率预测（快速反应）”模型？

  1. 概率预测模型是基于概率预测，通过大量数据训练来快速预测可能的答案。 适合快速反馈，处理即时任务，响应速度快，算力成本低。

  2. 概率预测模型的特点：

    • 快速响应：能够在短时间内生成回答，适合需要即时反馈的场景。

    • 基于概率：通过大量数据训练，快速预测可能的答案。

    • 简洁指令：提示语简洁，只需明确任务目标和需求。

    • **决策能力：**依赖预设算法和规则进行决策

    • 创造力： 限于模式识别和优化，缺乏真正的创新能力

    • 人机互动能力： 按照预设脚本响应，较难理解人类情感和意图

    • 问题解决能力： 擅长解决结构化和定义明确的问题

    • 伦理问题： 作为受控工具，几乎没有伦理问题

  3. 概率预测模型的应用场景：

    • 客户服务：实时回答用户问题，提供快速反馈。

    • 社交媒体：快速生成内容，如推文、帖子。

    • 在线聊天：与用户进行即时互动，提供即时支持。

2. 什么是 “链式推理（慢速思考）”模型？

  1. 链式推理模型是基于链式思维（Chain-of-Thought）逐步推理问题的每个步骤来得到答案。 通过推理解决复杂问题，慢速思考，算力成本高。

  2. 链式模型的特点：

    • 逐步推理：通过逐步分析问题，生成详细的回答。

    • 复杂任务：擅长处理需要深度思考和逻辑推理的任务。

    • 详细指导：需要显式引导推理步骤，可能依赖提示语补偿能力短板

    • 决策能力：能够自主分析情况，实时做出决策

    • 创造力： 能够生成新的创意和解决方案，具备创新能力

    • 人机互动能力： 更自然地与人互动，理解复杂情感和意图

    • 问题解决能力：能够处理多维度和非结构化问题，提供创造性的解决方案

    • 伦理问题： 引发自主性和控制问题的伦理讨论

  3. 链式模型模型的应用场景：

    • 学术研究：撰写学术论文、研究报告。

    • 复杂问题解决：如数学证明、逻辑分析。

    • 创意写作：生成具有深度和创意的内容。

（二） 如何设计 DeepSeek 模型的提示语

**什么是提示语 (Prompt)：**提示语是用户输入给AI系统的指令或信息, 简单来说就是我们与AI“对话”时所使用的语言,它可以是一个简单的问题，一段详细的指令，也可以是一个复杂的任务描述。

**提示语的本质：**设计提示语的目的就是为了架起人类与AI之间沟通的桥梁让AI更好的理解自己的需求；为AI提供必要的背景信息，让AI明确知道需要完成的任务，并引导AI使用特定的能力或技能以指定形式或格式输出结果

1. 提示语的设计思路如下

  1. **选择合适的基础大模型：**优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用模型）。

  2. **设计相关的提示词：**提示词的结构包括指令、上下文和期望

    1. 指令（Instruction)：这是提示语的核心，明确告诉AI你希望它执行什么任务。

    2. 上下文（Context)：为AI提供背景信息，帮助它更准确地理解和执行任务。

    3. 期望（Expectation)：明确地表达你对AI输出的要求和预期。

  3. 依据模型的反馈修改提示词

    • 推理模型使用简洁指令，聚焦目标，信任其内化能力。（“要什么直接说”）。不要对推理模型使用“启发式”提示（如角色扮演），可能干扰其逻辑主线

    • 通用模型使用结构化、补偿性引导（“缺什么补什么”）不要对通用模型“过度信任”（如直接询问复杂推理问题，需分步验证结果

2. 如何向AI表达需求：不同类型的需求及其表达方式

  1. **明确知道自己的需求，直接让AI提出的问题：**提问时要明确任务的核心目标，避免冗余指令，聚焦于任务的关键点。场景案例如下

    • **指令驱动：**直接给出明确步骤或输出格式要求。

      **提示词案例：**代码生成

        **案例一：**用Python编写快速排序函数，输出需包含注释.

    • **需求导向：**描述问题背景与目标, 由模型规划解决路径；

      **提示词案例：**向AI提出具体需求，询问解决方案

        **案例一：**我需要优化用户登录流程，请分析当前瓶颈并提出3种方案.

    • **混合模式：**结合需求描述与关键约束条件；注重平衡灵活性与可控性。

      **提示词案例：创意写作，**鼓励发散性，设定角色/风格。

        **案例一：**设计一个杭州三日游计划，要求包含西湖和灵隐寺，且预算控制在2000元内。 

  **案例二：**设计一篇穿越到异世界轻小说的大纲，要求包含魔法、冒险、迷宫等元素，且字数控制在2000字以内。

    • **启发式提问：**通过提问引导模型主动思考；探索性问题、并参考模型的解释逻辑来调整提示词。

      **提示词案例：**多轮对话，与AI自然交互，无需结构化指令。

        **案例一：**你觉得人工智能的未来会怎样？

  **案例二（情感化提问）**：“你害怕AI吗？”

  2. 让AI独立完成一个小任务，设计结构化的提示词模版：尽量使用简洁明了的语言描述任务，避免复杂的结构化模板。

    • 决策需求模版：适用于直接建议，依赖模型经验归纳

      **需求表达式：**目标 + 选项 + 评估标准

        **提示词案例：**

  任务目标：为降低物流成本，现有以下两种方案：

  1.  自建区域仓库（初期投入高，长期成本低）

  2. 与第三方合作（按需付费，灵活性高） 

  评估标准：请根据ROI计算模型，对比5年内的总成本并推荐最优 解。"

    • 分析需求模版：适用于表层总结或分类

      **需求表达式：**问题 + 数据/信息 + 分析方法

        **提示词案例：**

  问题：分析近三年新能源汽车销量数据（附CSV）说明：

  1. 增长趋势与政策关联性； 

  2. 预测2025年市占率，

  分析方法：需使用ARIMA模型并解释参数 选择依据。

    • 创造性需求模版：适用于自由发散，依赖示例引导

      **需求表达式：**主题 + 风格/约束 + 创新方向

        **提示词案例：**

  主题：设计一款智能家居产品

  约束条件如下：

  1. 解决独居老人安全问题；

  2. 结合传感器网络和AI预警；

  3. 提供三种不同技术路线的原型草图说明。

    • 验证需求模版：适用于简单确认，缺乏深度推演

      **需求表达式：**结论/方案 + 验证方法 + 风险点

        **提示词案例：**

  结论/方案：参考某论文结论：'神经网络模型A优于传统方法B' 

  请验证以下几点： 

  1. 实验数据是否支持该结论；

  2. 检查对照组设置是否存在偏差；

  3. 重新计算p值并判断显著性。"

    • 执行需求模版：适用于严格按指令执行，无自主优化

      **需求表达式：**任务 + 步骤约束 + 输出格式

        **提示词案例：**

  任务目标：将C语言代码转换为Python，

  步骤约束： 

  1. 保持时间复杂度不变

  2. 使用numpy优化数组操作 

  输出格式：

      输出带时间测试案例的完整代码

3. 自己构建提示词：有用的不是提示词，而是你的思维与表达方式。

提示语的基本元素：提示语的基本元素可以根据其功能和作用分为三个大类：信息类元素、结构类元素和控制类元素.

1. **信息类元素**决定了AI在生成过程中需要处理的具体内 容，包括主题、背景、数据等，为AI提供了必要的知 识和上下文。

2. **结构类元素**用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。

3. **控制类元素**用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。

提示语的设计思路如下：

1. **精准定义任务，减少模糊性；**如何实现精准定义：明确的核心问题、具体化的生成指令、去除多余信息

2. **适当分解复杂任务，降低AI认知负荷；**分解任务的技巧：分段生成、逐层深入、设置逻辑结构

3. **引入引导性问题，提升生成内容的深度；**引导性问题的设计要点：设置多个层次的问题、促使AI对比或论证、引导思维的多样性

4. **控制提示语长度，确保生成的准确性；**控制提示语长度的技巧：避免嵌套复杂的指令、保持简洁性、使用分步提示

5. **灵活运用开放式提示与封闭式提示；**开放式提示：提出开放性问题，允许AI根据多个角度进行生成封闭式提示：提出具体问题或设定明确限制，要求AI给出精准回答

提示语元素组合方式（知识盲区）

1. 提示语**元素协同**效应理论的**核心观点**：**互补增强 -→ 级联激活  --→ 涌现属性 -→ 冲突调和 --→【互补增强】**

    2. 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。

    3. 级联激活：一个元素的激活可能引发一系列相关元素的连锁反应，形成一个自我强化的正反馈循环。 

    4. 冲突调和：看似矛盾的元素组合可能产生意想不到的积极效果。

    5. 涌现属性：某些元素组合可能产生单个元素所不具备的新特性。

6. 提示语元素组合矩阵**:**

    7. **提高输出准确性:**  **[组合效果]**确保AI基于准确的主题和数据生成内容，并通过严格的质量控制和验证提高准确性

        8. 【**主要元素：**主题元素 + 数据元素 + 质量控制元素 】   **+**【**次要元素：**知识域元素 + 输出验证元素】

    9. **增强创造性思维:**  **[组合效果]**通过提供丰富的背景信息和适度的约束，激发AI的创造性思维，同时通过多轮迭代促进创新

        10. 【**主要元素：**主题元素 + 背景元素 + 约束条件元素 】   **+**【**次要元素：**参考元素 + 迭代指令元素】

    11. **优化任务执行效率:  [组合效果]**通过清晰的任务指令和预定义的结构提高执行效率，同时确保输出符合特定的格式和风格要求

        12. 【**主要元素：**任务指令元素 + 结构元素 + 格式 元素 】   **+**【**次要元素：**长度元素 + 风格元素】

    13. **提升输出一致性:**  **[组合效果]**通过统一的风格和专业领域知识确保输出的一致性，同时使用约束条件和质量控制维持标准

        14. 【**主要元素：**风格元素 + 知识域元素 + 约束条件元素 】   **+**【**次要元素：**格式元素 + 质量控制元素】

    15. **增强交互体验: [组合效果]**建立动态的交互模式，允许AI进行自我验证和优化，同时根据任务和背景灵活调整输出

        16. 【**主要元素：**迭代指令元素 + 输出验证元素 + 质量控制元素 】   **+**【**次要元素：**任务指令元素 + 背景元素】

  1. 提示语的实用技巧一：角色扮演型提示语

    设计思路如下：

    1. **立角色**：通过设定角色，激活模型的特定能力包，简化任务描述。

2. **述问题**：清晰描述任务的具体问题，确保模型能够理解任务需求。

3. **定目标**：明确任务的目标，确保模型的输出符合预期。

4. **补要求**：对任务进行补充要求，如格式、长度限制等。

  2. **提示语的实用技巧二：**深津氏泛用Prompt提问方法，建立回答规则(告诉它你会丢什么内容给它，以及它要按什么格式回答)

    **设计思路如下：**使用符号#用来区隔信息；将Constraints 约束语用子弹符号列表的方式呈现；使用MECE(不遗漏不重复)将内容分类

     1. **提问格式：**

     2. `#Instructions`：**设定脚色特征及背景:**赋予ChatGPT明确的特征，让其产生符合你预期的回应

     3. `#Constraints`

         4. **设定回应限制:**设定AI回答的方式以满足你的需求

         5. 加上指定动作

         6. **给予参考例子:**尝试更具体的指示来让ChatGPT 更准确地理解需求

         7. **调整风格和语气:**在指示中加入风格和语气的资讯，来让ChatGPT 生成更符合你要求的回应

     8. `#Input` : **输入文本:**放入文本，让ChatGPT 能根据Constraints 的指示，来对Input 编辑。例如: {文章} = “放入文章内容”

     9. `#output`：空白，不用填东西

    案例一

     `#Instructions：` 

 你是专业的编辑。 根据以下规范和输入的句子来输出最佳摘要。 

 `#Constraints:` 

 字符数约为300个字符。 小学生也能轻松理解。 保持句子简洁。

 `#innput:` 

 （填入文本） 

 `#output:`

    案例二

     `#Instructions：`

 你是专业的编辑。根据以下规范和输入的句子来输出最佳摘要。 

 `#Constraints:` 

 字符数约为300个字符。 小学生也能轻松理解。 删除任何无关紧要的文本。无关紧要的文本示例：“嗯”、“你能听到我说话吗，好吗？” 修正任何明显的拼写错误 将大块文本分成较小的段落以使其更易于阅读 使用markdown结构化信息输出文档。使用标题、副标题、项目符号和粗体来组织信息 一步一步地思考 如果你不理解，就告诉我；如果你理解了，也要回答我；如果你需要我补充什么信息，也告诉我 

 `#Input:` 

 地球是我们的家，每个人都有责任去保护它。从小事做起，如垃圾分类、节约用水、用环保产品等等，都可以让地球变得更好。 此外，植树也是一个不错的方法，因为树木可以吸收二氧化碳，让我们呼吸到更干净的空气。 我们也应该尊重每一种生物，因为每一种生物都对地球有重要的贡献。只有我们全力以赴，地球才能变得更美好

 `#Output:`

  3. **提示语的实用技巧三：**CO-STAR框架提示词提问方法，就是给予AI大模型具体详细的设定，把一些它需要知道的基本资料补足设定。

    设计思路如下：

     1. 上下文设置（Context Setting）：提供必要的背景信息，使模型能够理解问题的背景和意图。背景信息：描述相关的背景信息，解释为什么这个问题重要或相关。

 2. 角色设置（Role Setting）：指定模型扮演的角色，例如「你是一位专业的数学老师」。角色设置： 你是一位[指定角色，例如专业的医生、经验丰富的历史学家、技术专家等]。

 3. 具体问题（Specific Question）：提出明确而具体的问题，避免模糊和广泛的询问。具体问题： [提出一个明确的问题。 ]

 4. 期望回答格式（Expected Format）：明确指出期望的回答格式，例如「请以列表形式列出」、「请给出一个三段的解释」等。期望格式： 请以[指定格式，例如列表、段落、步骤、表格等] 形式回答。

 5. 风格（Style）：指定你希望模型使用的写作风格，这可能是一位具体名人的写作风格，也可以是某种职业专家（如商业分析师或CEO）的风格。风格：请用像[金庸那样的写作风格]，描述全球变暖的原因。

 6. 语气（Tone）：设定回应的态度。例如正式、幽默、善解人意等。语气：请用严谨而正式的语气回答。

 7. 范例提示（Example Prompting）：提供示例来展示想要的回答方式。范例提示： 例如， [提供一个简短的示例来展示你要的回答方式。 ]

 8. 多步提示（Multi-step Prompting）：将复杂的问题分解为多个简单的步骤。这可以防止模型掰答案。多步提示：步骤1： [描述第一步要做什么。 ]步骤2： [描述第二步要做什么。 ]步骤3： [描述第三步要做什么。 ]

附加内容：构建提示词需要具备的能力：AI角色定位

👁️‍🗨️ 使用AI所具备的基础能力

  1. 问题重构能力

    1. 将复杂、模糊的人类需求转化为结构化的AI任务

    2. 识别问题的核心要素和约束条件

    3. 设计清晰、精确的提示语结构

  2. 创意引导能力

    1. 设计能激发AI创新思维的提示语

    2. 利用类比、反向思考等技巧拓展AI输出的可能性

    3. 巧妙结合不同领域概念，产生跨界创新

  3. 结果优化能力

    1. 分析AI输出，识别改进空间

    2. 通过迭代调整提示语，优化输出质量

    3. 设计评估标准，量化提示语效果

  4. 跨域整合能力

    1. 将专业领域知识转化为有效的提示语

    2. 利用提示语桥接不同学科和AI能力

    3. 创造跨领域的创新解决方案

  5. 系统思维

    1. 设计多步骤、多维度的提示语体系

    2. 构建提示语模板库，提高效率和一致性

    3. 开发提示语策略，应对复杂场景

💨 进阶下一步的方向

  1. **语境理解：**使设计者能够在复杂的社会和文化背景下工作；

    1. 深入分析任务背景和隐含需求

    2. 考虑文化、伦理和法律因素

    3. 预测可能的误解和边界情况

  2. **抽象化能力：**有助于提高工作效率和拓展应用范围

    1. 识别通用模式，提高提示语可复用性

    2. 设计灵活、可扩展的提示语模板

    3. 创建适应不同场景的元提示语

  3. **批判性思考：**是确保AI应用可靠性和公平性的关键；

    1. 客观评估AI输出，识别潜在偏见和错误

    2. 设计反事实提示语，测试AI理解深度

    3. 构建验证机制，确保AI输出的可靠性

  4. **创新思维：**能力推动了AI应用的边界拓展，

    1. 探索非常规的提示语方法

    2. 结合最新AI研究成果，拓展应用边界

    3. 设计实验性提示语，推动AI能力的进化

  5. **伦理意识：**确保了AI的发展与社会价值观相符

    1. 在提示语中嵌入伦理考量

    2. 设计公平、包容的AI交互模式

    3. 预防和缓解AI可能带来的负面影响

🕳️ 常见陷阱与应对：新手必知的提示语设计误区

  1. 挖掘反向思维：从非传统角度切入

    1. 设定逆向任务：提示语可以引导AI从相反的角度处理问题，提供不同于传统生成的内容。

    2. 挑战预设思维模式：通过打破任务的常规设定，促使AI生成具有挑战性和创新性的内容。

  2. 灵活运用任务开放性：给AI自由发挥的空间

    1. 设定基本框架，留出探索余地：提示语应提供一个结构化的框架，包含具体的生成目标，但不应过度限制表达方式或细节内容，给AI足够的空间进行创造。

    2. 多维度任务引导：通过引导AI从多个角度看待问题，激发其对生成内容的多样化思考。

**案例一：**缺乏迭代陷阱：期待一次性完美结果

**陷阱症状：**过度复杂的初始提示语 ▪ 对初次输出结果不满意就放弃 ▪ 缺乏对AI输出的分析和反馈

**应对策略：**采用增量方法：从基础提示语开始，逐步添加细节和要求。▪ 主动寻求反馈：要求AI对其输出进行自我评估，并提供改进建议。▪ 准备多轮对话：设计一系列后续问题，用于澄清和改进初始输出。

**案例二：**过度指令和模糊指令陷阱：当细节淹没重点或意图不明确

**陷阱症状：**提示语异常冗长或过于简短 ▪ AI输出与期望严重不符 ▪ 频繁需要澄清或重新解释需求

**应对策略：**▪ 平衡详细度：提供足够的上下文，但避免过多限制。▪ 明确关键点：突出最重要的2-3个要求。▪ 使用结构化格式：采用清晰的结构来组织需求。▪ 提供示例：如果可能，给出期望输出的简短示例。

**案例三：**假设偏见陷阱：当AI只告诉你想听的

**陷阱症状：**▪ 提示语中包含明显立场或倾向 ▪ 获得的信息总是支持特定观点 ▪ 缺乏对立或不同观点的呈现

**应对策略：**▪ 自我审视：在设计提示语时，反思自己可能存在的偏见。 ▪ 使用中立语言：避免在提示语中包含偏见或预设立场。 ▪ 要求多角度分析：明确要求AI提供不同的观点或论据。 ▪ 批判性思考：对AI的输出保持警惕，交叉验证重要信息。

**案例四：**幻觉生成陷阱：当AI自信地胡说八道

**陷阱症状：**▪ AI提供的具体数据或事实无法验证▪ 输出中包含看似专业但实际上不存在的术语或概念▪ 对未来或不确定事件做出过于具体的预测

**应对策略：**▪ 明确不确定性：鼓励AI在不确定时明确说明。▪ 事实核查提示：要求AI区分已知事实和推测。▪ 多源验证：要求AI从多个角度或来源验证信息。 ▪ 要求引用：明确要求AI提供信息来源，便于验证。

**案例五：**忽视伦理边界陷阱：低估AI的伦理限制

**陷阱症状：**▪ 要求AI生成有争议、不道德或非法内容。 ▪ 对AI的拒绝或警告感到困惑或不满。 ▪ 尝试绕过AI的安全机制。 ▪ 忽视AI输出可能带来的伦理影响。

**应对策略：**▪ 了解界限：熟悉AI系统的基本伦理准则和限制。 ▪ 合法合规：确保你的请求符合法律和道德标准。 ▪ 伦理指南：在提示语中明确包含伦理考虑和指导原则。 ▪ 影响评估：要求AI评估其建议或输出的潜在社会影响。

三、DeepSeek在各个场景下的实践案例

待更新……

以下是AI整理后的重点摘要表格： 文章原文（个人FolwUs链接）:https://flowus.cn/kahoku/share/dea21cc0-8813-4602-b8df-20b8f9cb98f7?code=RC14AX
【FlowUs 息流】【大语言模型】DeepSeek R1/V3 模型提示词学习笔记

DeepSeek 核心摘要

分类核心内容
DeepSeek简介• 中国AGI科技公司，专注大模型研发与应用
• DeepSeek-R1：开源推理模型，强化学习优化，擅长数学、代码、自然语言推理，性能对标GPT-4
• 应用场景：智能对话、文本生成、语义理解、计算推理、代码生成与补全、图表绘制（SVG/Mermaid/React）
模型对比
推理模型 (R1)• 专精逻辑密集型任务（数学推导、代码生成、复杂问题拆解）
• 提示策略：简洁指令，无需分步引导
• 局限性：不适用于发散性任务（如诗歌创作）
通用模型 (V3)• 擅长语言生成、创意写作、多轮对话
• 提示策略：需结构化引导（如CoT链式思维）
• 局限性：逻辑任务需分步验证
提示语设计
设计原则1. 精准定义任务：明确目标，去除冗余
2. 分解复杂任务：分段生成，降低AI认知负荷
3. 引导性问题：提升内容深度
4. 控制长度：保持简洁，避免嵌套指令
5. 灵活组合元素：信息类（主题/数据）、结构类（格式/风格）、控制类（约束/验证）
实用技巧• 角色扮演：立角色→述问题→定目标→补要求
• 深津氏方法：用符号分隔指令/约束/输入（如#Constraints）
• CO-STAR框架：上下文→角色→具体问题→期望格式→风格→范例→多步骤
能力要求• 问题重构：将模糊需求转为结构化任务
• 创意引导：利用类比、跨界激发创新
• 结果优化：迭代调整提示语，量化评估
• 伦理意识：嵌入公平性考量，预防偏见
常见陷阱
过度指令/模糊指令• 症状：AI输出偏离预期
• 应对：平衡详细度，提供示例，结构化需求
幻觉生成• 症状：AI虚构不实信息
• 应对：要求区分事实与推测，多源验证
伦理边界忽视• 症状：生成争议内容
• 应对：明确伦理约束，评估社会影响

关键模型特性对比表

特性推理模型 (DeepSeek-R1)通用模型 (DeepSeek-V3)
核心能力逻辑推理、数学推导、代码生成文本生成、创意写作、多轮对话
训练技术强化学习优化推理能力大规模文本数据训练语言规律
提示语策略简洁指令，信任内化逻辑需分步引导（如CoT）
适用场景科研辅助、复杂问题解决客服系统、社交媒体内容生成
局限性不擅长发散性任务逻辑任务需依赖提示语补偿

提示语元素组合效果

目标元素组合
提高准确性主题 + 数据 + 质量控制 + 知识域 + 输出验证
增强创造性主题 + 背景 + 约束条件 + 参考 + 迭代指令
优化效率任务指令 + 结构 + 格式 + 长度 + 风格
提升一致性风格 + 知识域 + 约束条件 + 格式 + 质量控制
增强交互体验迭代指令 + 输出验证 + 质量控制 + 任务指令 + 背景

注：以上表格为文章核心内容的提炼，实际应用中需结合具体场景灵活调整提示语策略。


http://www.niftyadmin.cn/n/5869162.html

相关文章

Android Audio实战——音频相关基础概念（附）

Android Audio实战——音频相关基础概念（附）

Android Audio 开发其实就是媒体源数字化的过程，通过将声波波形信号通过 ADC 转换成计算机支持的二进制的过程叫做音频采样 (Audio Sampling)。采样 (Sampling) 的核心是把连续的模拟信号转换成离散的数字信号。 一、声音的属性 1、响度 (Loudness) 响度是指人类可以感知到的…
阅读更多...
IDEA配置Github上传项目

IDEA配置Github上传项目

1. 创建项目仓库 2. 设置独立账户 可配置ssh key 可配置令牌，这里选择令牌，Personal access tokens 生成个人访问令牌： 登录到 GitHub，前往 Settings > Developer settings > Personal access tokens，生成一个…
阅读更多...
FastAPI高级特性（二）：错误处理、中间件与应用生命周期

FastAPI高级特性（二）：错误处理、中间件与应用生命周期

前言 FastAPI 不仅以其高性能和易用性著称，还内置了丰富的高级特性，使得开发者可以快速组织和封装各种功能。在本篇博客中，我们将深入探讨 FastAPI 的一些高级特性，包括错误处理、中间件和应用生命周期管理。通过这些特性，开发者可以在应用的不同阶段和层面上挂载自定义逻…
阅读更多...
机器视觉--线扫相机触发

机器视觉--线扫相机触发

绪论 在当今蓬勃发展的机器视觉领域，线扫相机堪称关键角色，它凭借高分辨率的扫描成像能力，广泛应用于工业检测、物流识别、印刷质量检测等众多核心场景。线扫相机的触发方式作为成像环节的核心要素，直接决定了图像采集的精准度与…
阅读更多...
看视频学习方法总结

看视频学习方法总结

以下是提高教学视频吸收率的系统性方法，结合认知科学原理和实际学习场景，帮助您最大化学习效果： 一、观看前的黄金准备阶段 60秒快速扫描法 用1分钟快速浏览视频目录、章节标题和简介，建立知识框架。荷兰伊拉斯姆斯大学实验表明&…
阅读更多...
手撕FocalLoss

手撕FocalLoss

文章目录 前言1、FocalLoss1.1.公式定义 2、代码总结 前言 为了加深对Focal Loss理解，本文提供了一个简单的手写Demo。 1、FocalLoss 介绍FocalLoss的文章已经很多了，这里简单提一下： 1.1.公式定义 Focal Loss 的公式如下： FL (…
阅读更多...
利用Python爬虫精准获取VIP商品详情：实战案例指南

利用Python爬虫精准获取VIP商品详情：实战案例指南

在电商竞争日益激烈的今天，VIP商品的详细信息对于商家制定策略、优化用户体验以及进行市场分析具有至关重要的价值。然而，VIP商品页面结构复杂且可能随时更新，这给爬虫开发带来了不小的挑战。本文将通过一个完整的案例，展示如何利…
阅读更多...
mysql将表导出为sql文件

mysql将表导出为sql文件

使用mysqldump命令 mysqldump是MySQL提供的一个命令行工具，用于导出数据库或表的结构和数据。要将表导出为SQL文件，可以使用以下命令： mysqldump -uroot -p123456 database_name table_name > output_file.sql
阅读更多...
最新文章

Copyright @ 2022~2023