清华大学：DeepSeek——从入门到精通2025

资料下载请点赞评论后拿取

该文档围绕 DeepSeek 展开，全面且深入地介绍了其相关知识、应用场景、使用方法、提示语设计技巧以及在不同内容创作领域的应用策略，旨在帮助用户从入门到精通 DeepSeek 的使用，并充分发挥其在各方面的作用。

DeepSeek 概述：

DeepSeek 是专注通用人工智能的中国科技公司，其开源的 DeepSeek - R1 推理模型性能出色，擅长处理复杂任务且可免费商用，在数学、代码、自然语言推理等方面与 OpenAI - o1 正式版相当，可应用于智能对话、文本生成等多种场景，并支持联网搜索与文件上传等功能。

模型分类与特点

• 推理模型与通用模型对比：推理模型在数学推导、逻辑分析等领域优势明显，提示语简洁，依靠内化逻辑自动生成结构化推理过程；通用模型则在文本生成、创意写作等方面表现突出，需显式引导推理步骤，依赖提示语弥补能力短板。
• 快速反应与慢速思考模型差异：“概率预测（快速反应）” 模型响应快、算力成本低，基于概率预测答案；“链式推理（慢速思考）” 模型虽算力成本高，但能自主分析决策，处理复杂问题更具创造性，可解决多维度和非结构化问题。

提示语策略与设计

• 任务需求适配策略：根据不同任务类型（如数学证明、创意写作、代码生成等）选择合适模型，并采用相应提示语侧重点。如数学证明用推理模型直接提问，创意写作鼓励推理模型发散思维，同时避免对不同模型使用不恰当提示策略。
• 提示语设计核心技能：包括问题重构、创意引导、结果优化等多方面能力，涉及将复杂需求结构化、激发创新、分析改进输出、整合跨领域知识、构建多维度提示语体系等要点，同时要考虑语境、伦理等因素。
• 提示语元素与协同效应：提示语由信息类、结构类、控制类元素组成，不同元素组合可实现提高准确性、增强创造性等效果，元素间存在互补增强、级联激活等协同效应。通过精准定义任务、分解复杂任务、运用引导性问题等策略优化提示语，避免常见设计误区。

内容创作应用与策略

• 品牌与价值创作：在品牌定位方面，要精准描述目标市场等关键要素，避免定位陷阱；价值主张需平衡功能与情感价值，突出核心优势与解决痛点能力；未来愿景要兼具一致性与远大性，考虑多方面影响与发展规划。
• 不同平台内容创作提示：微信公众号注重文章结构与逻辑，标题要明确价值等要素，内容结构需预设框架与深度要求；微博把握 “短平快” 节奏，依内容类型设计提示语，传播策略涵盖热点借力等多维度；小红书标题强调情感与卖点，图文结构注重真实与专业；抖音突出视觉与互动，遵循相应创作原则。

DeepSeek是什么？

Deepseek可以做什么？

文本生成
文本创作

• 文章/故事/诗歌写作
• 营销文案、广告语生成
• 社交媒体内容（如推文、帖子）剧本或对话设计

摘要与改写

• 长文本摘要（论文、报告）
• 文本简化（降低复杂度）
• 多语言翻译与本地化

结构化生成

• 表格、列表生成（如日程安排、菜谱）
• 代码注释、文档撰写

自然语言理解与分析
语义分析

• 语义解析
• 情感分析（评论、反馈）
• 意图识别（客服对话、用户查询）
• 实体提取（人名、地点、事件）

知识推理

• 知识推理
• 逻辑问题解答（数学、常识推理）
• 因果分析（事件关联性）

文本分类

• 文本分类
• 主题标签生成（如新闻分类）
• 垃圾内容检测

编程与代码相关
代码生成

• 根据需求生成代码片段（Python、JavaScript）
• 自动补全与注释生成

代码调试

• 错误分析与修复建议
• 代码性能优化提示

技术文档处理

• API文档生成
• 代码库解释与示例生成

常规绘图
SVG矢量图

• 基础图形
• 图标
• 简单插图
• 流程图
• 组织架构图

Mermaid图表

• 流程图
• 时序图
• 类图-
• 状态图-
• 实体关系图-
• 思维导图

React图表

• 折线图
• 柱状图
• 饼图
• 散点图
• 雷达图
• 组合图表

如何使用Deepseek?

官网 https://chat.deepseek.com/

DeepSeek从入门到精通

推理模型
推理大模型
推理大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。
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。

非推理大模型
适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。此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。
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。

维度	推理模型	通用模型
优势领域	数学推导、逻辑分析、代码生成、复杂问题拆解	文本生成、创意写作、多轮对话、开放性问答
劣势领域	发散性任务（如诗歌创作）	需要严格逻辑链的任务（如数学证明）
性能本质	专精于逻辑密度高的任务	擅长多样性高的任务
强弱判断	并非全面更强，仅在其训练目标领域显著优于通用模型	通用场景更灵活，但专项任务需依赖提示语补偿能力

快思慢想：效能兼顾 全局视野

1	概率预测（快速反应模型，如 ChatGPT 4o）	链式推理（慢速思考模型，如 OpenAI o1）
性能表现	响应速度快，算力成本低	慢速思考，算力成本高
运算原理	基于概率预测，通过大量数据训练来快速预测可能的答案	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
决策能力	依赖预设算法和规则进行决策	能够自主分析情况，实时做出决策
创造力	限于模式识别和优化，缺乏真正的创新能力	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	按照预设脚本响应，较难理解人类情感和意图	更自然地与人互动，理解复杂情感和意图
问题解决能力	擅长解决结构化和定义明确的问题	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	作为受控工具，几乎没有伦理问题	引发自主性和控制问题的伦理讨论

CoT链式思维的出现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。前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合适的模型，实现最佳效果。

提示语策略差异
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）。
  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）。

关键原则
模型选择
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）。

提示语设计
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”）。

避免误区
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）。

从“下达指令”到“表达需求”

任务需求与提示语策略

如何向AI表达需求

五、提示语（Prompt）

提示语示例
提示语（Prompt）是用户输入给AI系统的指令或信息，用于引导AI生成特定的输出或执行特定的任务。简单来说，提示语就是我们与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。

提示语的基本结构包括指令、上下文和期望

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

提示语的类型

• 指令型提示语
  直接告诉AI需要执行的任务。
  示例： “生成一张2023年全球碳排放量的柱状图”。

• 问答型提示语
  向AI提出问题，期望得到相应的答案。
  示例： “量子纠缠的基本原理是什么？”。

• 角色扮演型提示语
  要求AI扮演特定角色，模拟特定场景。
  示例： “假设你是莎士比亚，写一首关于人工智能的十四行诗”。

• 创意型提示语
  引导AI进行创意写作或内容生成。
  示例： “创作一个未来城市中人与机器人共存的科幻故事”。

• 分析型提示语
  要求AI对给定信息进行分析和推理。
  示例： “根据过去十年的股票数据，预测明年科技股的走势”。

• 多模态提示语
  结合文本、图像等多种形式的输入。
  示例： “为这张风景照片（附链接）配一首五言绝句”。

六、总结

DeepSeek是中国一家专注于通用人工智能（AGI）研发的科技公司，其核心产品基于自主研发的大模型技术（如推理模型DeepSeek-R1和通用模型），在数学推理、代码生成、逻辑分析等复杂任务上性能比肩OpenAI顶级模型。公司提供智能对话助手、API接口及企业级解决方案，覆盖文本生成（创意写作、摘要翻译）、自然语言理解（语义分析、知识推理）、编程辅助（代码生成与调试）、多模态绘图（SVG、Mermaid图表）等多样化场景，并支持文件解析与联网搜索。用户可通过官网快速接入，其核心使用策略强调“任务导向型提示语设计”：推理模型需简洁指令以释放内化逻辑能力，通用模型依赖结构化引导（如分步示例）；同时，文档系统梳理了从需求分类（决策、分析、创造、验证、执行）到提示语类型（指令型、角色扮演、多模态等）的适配方法，助力用户高效利用AI能力，规避过度约束或模糊指令的常见误区，实现从基础操作到复杂问题解决的全面覆盖。