DeepSeek：从入门到精通

资料链接：
链接：https://pan.quark.cn/s/8212f30a4fde
清华大学第一弹：DeepSeek从入门到精通
清华大学第二弹：DeepSeek赋能职场
清华大学第三弹：普通人如何抓住DeepSeek红利
清华大学第四弹：DeepSeek+DeepResearch让科研像聊天一样简单
清华大学第五弹：DeepSeek与AI幻觉

一、Deepseek是什么？

  DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用。其中，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。

1.1、Deepseek能够做什么？

  直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与 深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。

1.2、如何使用Deepseek？

Deepseek官网

二、推理模型和通用模型

  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（通用模型）: 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。

  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。

2.1 提示语差异

  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。

推理模型	通用模型
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）	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
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）	依赖提示语补偿能力短板（如要求分步思考、提供示例）

2.1.1 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）。

2.1.2 任务需求与提示语策略

2.1.3 如何向AI表达需求

2.2 提示语类型

1. 指令型提示语：直接告诉AI需要执行的任务。
2. 问答型提示语：向AI提出问题，期望得到相应的答案。
3. 角色扮演型提示语：要求AI扮演特定角色，模拟特定场景。
4. 创意型提示语：引导AI进行创意写作或内容生成。
5. 分析型提示语：要求AI对给定信息进行分析和推理。
6. 多模态提示语：结合文本、图像等多种形式的输入。

2.3 调教AI秘籍

2.4 常见陷阱与应对

2.4.1 缺乏迭代陷阱：期待一次性完美结果

2.4.2 过度指令和模糊指令陷阱：当细节淹没重点或意图不明确

2.4.3 假设偏见陷阱：当AI只告诉你想听的

2.4.4 幻觉生成陷阱：当AI自信地胡说八道

2.4.5 忽视伦理边界陷阱：低估AI的伦理限制

2.4.6 挖掘反向思维：从非传统角度切入

2.4.7 灵活运用任务开放性：给AI自由发挥的空间

2.5 AI缺陷：臆造之辞 概率幻觉

  AI幻觉（AI Hallucinations）是指生成式人工智能模型在生成文本或回答问题时，尽管表面上呈现出逻辑性和语法正确的形式，但其输出内容可能包含完全虚构、不准确或与事实不符的信息。形成原因：AI幻觉的产生通常是由于模型在缺乏相关信息的情况下，通过概率性选择生成内容，而非基于真实世界的知识库或逻辑推理，这使得其输出不仅难以信赖，且可能误导用户。

2.6 提示词框架

2.6.1 TASTE框架

2.6.2 ALIGN框架