30个常用的DEEPSEEK提示词

今天道叔分享30个适用于AI工具(如DeepSeek)的常用提示词/指令模板,涵盖学习、技术、创意、分析等场景,助你高效获取信息或生成内容:

一、学习与知识理解

解释概念

"用通俗易懂的语言解释[量子计算]的核心原理,并举例说明其应用场景。"

对比分析

"详细对比[机器学习]与[深度学习]的异同点,用表格呈现关键区别。"

分步教学

"如何从零开始学习[Python编程]?请列出分阶段的学习路径和资源推荐。"

错误排查

"我在学习[线性代数]时对[特征值]的理解有困惑,请用具体例子说明其几何意义。"

学术辅助

"请总结[《人类简史》]的核心论点,并分析其对现代社会的启示。"

二、技术开发与编程

代码生成

"写一个Python函数,实现从CSV文件中读取数据并过滤出指定条件的行。"

代码优化

"如何优化以下JavaScript代码的执行效率?[附代码]"

调试帮助

"我的代码报错[错误信息],可能的原因是什么?如何修复?"

技术方案设计

"设计一个高并发的用户登录系统,需包含数据库选型、缓存策略和安全性考虑。"

API文档解读

"用简单示例说明如何使用[OpenAI API]的文本补全功能。"

三、内容创作与文案

文章生成

"以‘人工智能赋能教育’为主题,撰写一篇800字的议论文,包含实际案例。"

创意头脑风暴

"为一家主打环保材料的咖啡店提供10个品牌slogan创意。"

邮件/报告撰写

"帮写一封给客户的英文邮件,内容为推迟项目交付日期并道歉。"

社交媒体文案

"生成5条适合Instagram的短文案,主题是夏日旅行,风格轻松幽默。"

故事创作

"构思一个科幻短篇故事,主角发现时间循环的秘密,要求有反转结局。"

四、数据分析与决策

数据可视化建议

"现有某电商平台的月度销售数据,哪种图表最适合展示品类占比变化?"

统计方法推荐

"如何用统计方法分析用户满意度调查数据?列出步骤和适用模型。"

商业洞察

"分析新能源汽车行业未来三年的发展趋势,需考虑政策、技术和市场竞争。"

竞品分析框架

"设计一个竞品分析模板,包含功能对比、用户评价和SWOT分析。"

风险评估

"如果计划推出跨境电商业务,主要风险点有哪些?如何规避?"

五、工具与效率提升

自动化脚本

"写一个Shell脚本,自动备份指定目录并压缩为带日期的文件名。"

正则表达式

"编写匹配所有中国大陆手机号的正则表达式,并解释各部分含义。"

软件推荐

"推荐5款适合设计师的协作工具,需支持实时标注和版本管理。"

流程优化

"如何用[Notion]搭建个人知识管理系统?提供模板框架和核心功能设计。"

快捷键/技巧

"列举Excel中处理大型数据集时最实用的10个高级函数。"

六、语言翻译与润色

多语言翻译

"将以下中文合同条款翻译成法语,要求符合法律术语规范:[附文本]"

学术润色

"优化这段英文论文摘要的流畅度,确保学术严谨性:[附文本]"

口语化转换

"将技术文档中的‘系统初始化需配置TCP/IP协议’改为小白能听懂的表达。"

多风格改写

"把这段文案分别改写成正式、轻松、煽情三种风格:[附原文]"

语法纠错

"检查以下英文句子的语法错误并修正:[附句子]"

使用技巧

具体描述需求:添加限定词(如"用小学生能理解的语言")。

提供上下文:如目标读者、字数限制、格式要求。

分步迭代:复杂任务可拆解为多次提问(例:"先列大纲,再扩展每部分")。

反向验证:"我这样理解对吗?[附回答]" 请求AI纠正认知偏差。

根据需求组合或调整模板,可大幅提升输出质量!

生成3000个具体的提示词列表是一项复杂且庞大的任务,超出了当前交互环境的能力范围。然而,可以提供一种方法论以及Python脚本示例用于自动生成大量与DeepSeek相关的提示词。 ### 方法论 为了创建这些提示词,可以从以下几个方面入手: - **领域特定术语**:基于DeepSeek的应用场景和技术背景构建关键词汇表。 - **功能描述**:围绕模型的功能特性设计问题或陈述句作为输入模板。 - **应用场景**:考虑实际应用案例中的需求和挑战形成对话情景。 - **用户反馈**:收集潜在用户的常见查询并转化为有效的提示形式。 通过上述角度出发,利用自然语言处理技术自动化扩展提示集合成为可能。 ### Python 脚本实例 下面展示一段简化版的代码片段,该程序能够根据预定义的主题类别随机组合生成一定数量的独特提示短语。 ```python import random from itertools import product def generate_prompts(themes, verbs, objects, count=10): themes_list = ["关于 " + theme for theme in themes] verb_phrases = [verb.capitalize() + ' 的' for verb in verbs] object_terms = ['方式', '解决方案', '建议'] + list(objects) combinations = list(product(themes_list, verb_phrases, object_terms)) prompts = [] while len(prompts) < min(count, len(combinations)): combination = random.choice(combinations) prompt = ''.join(combination).strip() if prompt not in prompts: prompts.append(prompt) return prompts[:count] themes = ['AI伦理学', '机器学习优化'] verbs = ['探讨', '寻找', '理解'] objects = {'算法公平性': [], '数据隐私保护措施': []} prompts = generate_prompts(list(themes), verbs, dict(objects), 3000) for i, p in enumerate(prompts[:5]): print(f"{i+1}. {p}") ``` 此代码仅作为一个概念验证工具,并未真正实现3000条记录输出;实际上可以根据具体业务逻辑调整参数`themes`, `verbs`, 和 `objects` 来适应不同的主题方向[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值