问题核心并不是deepseek，deepseek和其他大模型使用技巧并没有区别，你可以在 AI指令 中学到很多使用技巧，关于deepseek的特有技巧，你要知道 DeepSeek-r1 属于推理模型，由他特定的使用技巧，比如：OpenAI 发布：AI 推理模型的应用与最佳实践 、面向 OpenAI O1 与 O3-mini 推理模型的提示工程 。下面老生常谈一些较为通用的提示指令高效使用技巧。
一、指令构造黄金三角
结构化提问公式：[角色]+[任务]+[输出要求]+[风格限定]
- 失败案例：
解释机器学习 - 成功案例：
作为AI算法工程师，用比喻手法向高中生解释监督学习与无监督学习的区别，要求对比表格形式呈现，附带生活案例
核心参数对照表
| 参数维度 | 劣质输入 | 优化方案 |
|---|---|---|
| 具体度 | 写代码 |
用Python实现快速排序，要求添加时间复杂度的注释，处理含重复元素的特殊情况 |
| 约束条件 | 推荐书籍 |
推荐5本2020年后出版的强化学习专著，排除翻译作品，按影响因子排序，附ISBN编号 |
| 输出格式 | 写报告 |
生成区块链技术医疗应用研究报告，采用Markdown格式，包含三级目录结构，每章节配3个案例 |
二、上下文控制技术
1. 记忆引导技巧
[历史对话] 用户：周杰伦最新专辑销量如何？DeepSeek：截至2023年Q3，《最伟大的作品》全球实体+数字销量达287万张
2. 知识边界声明
精确知识检索：据2024年arXiv论文《LLM...》，请验证...
模糊推理声明：假设你是量子计算专家，推测...
三、专业领域增强策略
学术研究场景
以Nature论文评审视角，分析这篇生成式AI伦理论文的5个创新点和3个方法论缺陷，引用ACM2023会议文献支持观点
代码开发场景
"""
需求：开发PyTorch图像分类模型
约束条件：
1. 使用ResNet-34预训练模型
2. 冻结前10层参数
3. 添加自定义数据增强模块
4. 输出训练过程可视化方案
请分步骤解释实现逻辑，标注关键超参数设置依据
"""
四、认知偏差规避方法
1. 归因谬误预防
- 原始提问：
为什么Transformer比CNN更好？ - 优化提问：
在图像分类任务中，对比Vision Transformer与CNN的适用场景，需包含：1) 数据量要求 2) 计算成本 3) 可解释性差异
2. 思维链诱导
分三步推导比特币减半对矿工收益的影响：首先建立基础收益模型，其次引入电力成本变量，最后加入矿池竞争因子，要求数学公式表达
五、实时反馈调优机制
对话修正范式
用户：生成新冠疫苗有效性分析报告（结果出现过时数据）
DeepSeek：提供2023年12月WHO最新报告中的异源加强接种效率数据
用户：请基于PMID 38456721文献更新第3章节，补充mRNA疫苗与传统灭活疫苗的长期抗体衰减对比
精确度验证指令
请为以下陈述提供三重验证：1) 权威文献支撑 2) 行业数据佐证 3) 反向案例筛查
六、典型场景指令库
| 场景类型 | 标准指令模板 |
|---|---|
| 学术论证 | 基于[文献DOI]的研究方法，重构...的论证框架，需满足[特定条件] |
| 商业分析 | 构建SWOT模型分析...行业趋势，数据源限定为[指定年鉴/财报]，置信度标注 |
| 创意生成 | 以[特定风格]创作...，融合[元素A]+[元素B]，遵守[约束条件] |
简体中文 
English 
日本語 
Deutsch 
Português do Brasil