【DeepSeeK 提示词笔记第N章】大语言提示词笔记（具体多少章忘记了）

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，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 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 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 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 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这两类：“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。

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

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 模型的提示词

1. 设计提示词的关键原则如下

1. 选择模型： 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. 设计提示词

   • 推理模型：简洁指令，聚焦目标，信任其内化能力。（“要什么直接说”）。

   • 通用模型：结构化、补偿性引导（“缺什么补什么”）。

3. 依据模型的反馈修改提示词

   • 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

   • 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. 确定任务目标： 明确任务的核心目标，避免冗余指令，聚焦于任务的关键点。策略如下

   • 指令驱动： 直接给出明确步骤或 格式要求；简单任务、需快速执行。

     提示词案例： 侧重与代码生成

       1. **代码生成** 提示词案例：用Python编写快速排序函数，输出需包含注释.这类提示词的优势与风险：✅ 结果精准高效❌ 限制模型自主优化空间1. **针对推理模型：**“用Python实现快速排序”需避免的提示策略：分步指导（如“先写递归函数”）1. **针对通用模型：**“先解释快速排序原理，再写出代 码并测试示例”需避免的提示策略：模糊需求（如“写个排序代码”）
     

   • 需求导向： 描述问题背景与目标, 由模型规划解决路径；复杂问题、需模型自主 推理

     提示词案例： 侧重于逻辑分析，向AI抛出问题，询问方案

       1. **设计方案：** 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。 **这类提示词的优势与风险：**✅激发模型深层推理❌需清晰定义需求边界1. 针对**推理模型** 提示词：“分析‘电车难题’中的功利主义 与道德主义冲突”思路：添加主观引导（如“你认为哪种对？”）1. 针对**通用模型** 提示词：“先解释电车难题的定义，再对比 两种伦理观的差异”思路：一次性提问复杂逻辑
     

   • 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。

       1. 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。 **这类提示词的优势与风险：**✅兼顾目标与细节❌需避免过度约束1. **推理模型：**“以海明威的风格写一个冒险故事”思路：过度约束逻辑（如“按时间顺序列出”）1. **通用模型：**“写一个包含‘量子’和‘沙漠’ 的短篇小说，不超过200字”思路：开放式指令（如“自由创作”）
     

   • 启发式提问： 通过提问引导模型主 动思考（如“为什 么”“如何”）；探索性问题、需模型解 释逻辑。

     提示词案例： 多轮对话，与AI自然交互，无需结构化指令。

       1. 为什么选择梯度下降法解决此优化问题？请对比其他算法。**这类提示词的优势与风险：**✅ 触发模型自解释能力❌可能偏离核心目标1. **推理模型：**“你觉得人工智能的未来会怎样？”思路：强制逻辑链条（如“分三点回答”）1. **通用模型：**“从技术、伦理、经济三方面分析 AI的未来”思路：情感化提问（如“你害怕AI吗？”）
     

2. 简化提示语的结构：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：**"为降低物流成本，现有两种方案：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） 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：**"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，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：**"设计一款智能家居产品，要求：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：**"以下是某论文结论：'神经网络模型A优于传统方法B'。 请验证： 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：**"将以下C语言代码转换为Python，要求： ① 保持时间复杂度不变； ② 使用numpy优化数组操作； ③ 输出带时间测试案例的完整代码。"
     

3. 高阶技巧

   • 角色与场景设定：通过设定特定的角色和场景，激活模型的特定知识图谱，结合领域与场景进行任务处理。

   • 系统化框架设计：使用思维链驱动的方法，强制模型分步推理，确保逻辑清晰。

   • CO-STAR框架：构建完整的指令体系，包括背景、目标、风格、语调、受众和回应。

   • 约束与扩展：结合专业术语和通俗解释，确保结果的准确性和可理解性。

   • 伦理边界盒植入：动态约束模型的输出，防止结果偏离价值观。1

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。

1. 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。

2. 提示语的基本结构： 包括指令、上下文和期望

   3. 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。

   4. 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。

   5. 期望（Expectation)：明确或隐含地表达你对AI输出的要求 和预期。

3. 提示语的本质

   沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语：Hello, world”

    **上下文提供** 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 破仑的崛起” **任务定义器** 明确指定AI需要完成的任务 “为一篇关于气候变化的文章写一个引言, 长度200字” **输出塑造器** 影响AI输出的形式和内容 “用简单的语言解释量子力学,假设你在跟 一个10岁的孩子说话” **AI能力引导** 器 引导AI使用特定的能力或技 能 “使用你的创意写作能力,创作一个关于时 间旅行的短篇故事”
   

4. 提示语的实用技巧

   • 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。

   • 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。

   • 定目标：明确任务的目标，确保模型的输出符合预期。

   • 补要求：对任务进行补充要求，如格式、长度限制等。

三、DeepSeek在各个场景下的实践案例

待更新……