DeepSeek的提示词技巧，就是没有技巧。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
DeepSeek的提示词技巧，就是没有技巧。
原创 数字生命卡兹克 数字生命卡兹克 2025-01-28 00:02 安徽
这两天，DeepSeek-R1火的飞起，在中日美三个Appstore榜上登顶。
昨晚，还直接干崩英伟达，盘前先死13个点，连带着台积电一起。
几乎一夜之间，所有人都在关注DeepSeek，甚至我在老家，完全没用过AI的七大姑八大姨，都在问我，DeepSeek是什么，怎么用。
还有一些人体验了一下后，拿着8.11和8.9谁大谁小的截图跟我说，这玩意也不行啊。
感觉市面上，关于DeepSeek的信息还是很乱。
所以，今天除夕，龙年的最后一篇文章，献给DeepSeek，也献给我们自己。
我想用8个问题和答案，来让大家详细的了解，DeepSeek-R1这个模型，是什么，以及，提示词应该怎么写，到底怎么用。
话不多说，开始。
一. DeepSeek是什么？
DeepSeek，是一家在2023年7月17日成立的公司深度求索所开发的大模型名称。
2024年1月5日，他们正式发布DeepSeek LLM，这是深度求索第一个发布的AI大模型。
2024年5月7日，他们发布DeepSeek-V2，正式打响中国大模型价格战，当时新发布的 DeepSeek-V2 的API价格只有 GPT-4o 的 2.7%，随后一周时间，国产厂商全部跟进，字节、阿里、百度、腾讯全部降价。
2024年12月26日，DeepSeek-V3正式发布且直接开源，而且训练成本仅为557.6万美元，剔除掉Meta、OpenAI等大厂的前期探索成本，大概是别人的三分之一，并且整体模型评测能力媲美闭源模型，震惊海外，自此，东方的神秘力量彻底坐实。
2025年1月20日，全新的推理模型DeepSeek-R1发布，同样发布并开源，效果媲美OpenAI o1，同时API价格仅为OpenAI o1的3.7%，再一次震惊海外，让Meta连夜成立四个研究小组，让全球算力暴跌，英伟达的神话都岌岌可危。
就是这么一家公司，而深度求索的背后，是著名量化私募幻方基金，而基金的盈利模式非常简单，跟管理规模绑定，固定收取管理规模的管理费和收益部分的提成资金，无论基金涨跌都能赚钱，真正的旱涝保收的行业。
所以，幻方不缺钱，当年赚了钱，在英伟达还没向中国禁售的时候，幻方直接能掏钱搭一个万卡A100集群。
这也让深度求索，让DeepSeek，不以盈利为导向，目标，就是AI的星辰大海。
二. DeepSeek-R1是什么？
DeepSeek-R1，就是最近爆火的主角了。
也是直接让各路美国AI大佬破防的始作俑者。
给奥特曼都在X上开始阴阳了。
很多人拿DeepSeek-R1和GPT4o比，其实是不对的。
首先，GPT4o是个多模态通用模型，可以理解图片、语音、视频，也可以输出语音。多模态往后做，更像Gemini 2，是一个多模态大一统模型，可以理解一切模态，也可以输出一切模态。
而DeepSeek-R1是一个深度推理模型，对标OpenAI的应该是OpenAI o1，而不是GPT4o，关于OpenAI o1曾经我首发写过一篇文章，可以去看，就不过多赘述了：OpenAI全新发布o1模型 - 我们正式迈入了下一个时代。
现在回头看，当时这个副标题，还是很有前瞻性的。
我也让DeepSeek列个了4o和o1的对比表格，大家应该也能一目了然。
而R1，可以直接类比o1，两者在跑分上，几乎相同。
并且已经开源。
HuggingFace 链接：https://huggingface.co/deepseek-ai
论文链接：https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek\_R1.pdf
三. DeepSeek-R1在哪用？
DeepSeek-R1除了面向开发者的开源模型和API，也有面向普通用户的C端版本。
网页版：https://chat.deepseek.com/
当你勾上深度思考功能，此时就是使用R1模型，当你不勾的时候，使用的是类GPT4o的v3模型。
当然他们也有APP版本，你直接在应用商店搜索DeepSeek就好。
跟网页端交互基本一致。目前免费，就是用户增速过快，所以偶尔会有崩溃断网连不上问题，你可以在这个地方，来看DeepSeek的服务器状态。
四. 应该怎么跟R1对话？
首先，我想明确一点的是，DeepSeek-R1是推理模型，不是通用模型。
在几个月前OpenAI o1刚刚发布时，我用通用模型的方式跟o1对话，写了一堆的结构化提示词，得到了极差的效果，那时候我一度觉得这玩意是个垃圾。
而后面，我才发现，其实是我自己的思维惯性，这玩意跟4o不一样，这不是一个很傻的聊天模型。
这是一个能力很牛逼但不知道你想要什么的真实员工。
今年1月也有一篇海外的文章很火，叫《o1 isn’t a chat model (and that’s the point)》。
跟我是完全一样的看法。
所以，有一个点一定要注意，明确你的目标，而不是给模型任务。
例如我们以前在写prompt的时候，总是会写你是一个XXX，现在我的任务是XXX，你要按照1、2、3步来给我执行balabala。
但是现在，请抛弃那些写法。
把你的一切，交给AI，让它去进行自我推理，效果会更好。AI会自动填上那些你没说出口的话，会给你想出可能更好的解决方案。
有一个不得不承认的事实是，我是一个很普通的普通人，而像我一样的很多普通人们，现在大概率是不如AI博学和聪明的。
所以，不如说出你的目标，把他当作一个很牛逼的员工，让他，放手去做。
比如这个case。
只需要表达你是谁+你的目标就OK。
特别是你是谁这个背景信息，非常非常的有用。
所以请抛弃掉一起过往所学习的结构化框架，如果真的需要有一个万能Prompt模板，那就是：
你是谁 + 背景信息 + 你的目标
背景信息给的越多越能让R1理解你的需求帮助你更好的完成任务。
时刻把他当成：
这是一个能力很牛逼但不知道你想要什么的员工。
最牛逼的提示词技巧，就是没有技巧。
大道至简，重剑无锋。
所以，千言万语汇聚成一句话就是：用人话清晰的表达出你的需求，这就够了。
五. R1输出的内容看不懂？
很多人在用“说人话”这三个字，来表达推理模型和通用模型不一样，这其实有点奇怪。
不过从实用角度来说，这确实是一个能让普通人看懂AI输出专业内容的小技巧。
不过这并不是一个推理模型才有的技巧，因为一直就存在，本质上就是对方不知道你是谁，不知道你的理解能力和你的学识能力是什么水平。
所以我也想分享一个我自己这两年跟AI对话时用的最多的一个小技巧，也是我自己最常用的“人话”prompt：
我是一个小学生。
当你在跟AI对话时，把这句话往前一摆，自降身位，你就会发现，一切都通了，一切都能看的懂了。
比如我想让R1给我解释一下什么叫大模型中的RL用法。
如果不用这句话的话，就会得到这样的解释。
我相信你看到一定脑壳疼。你就是不懂才需要让它给你解释，结果解释了个这。
但是，如果把那个神句加上呢？
反正我是一下子能看了，舒服了多了，可能我就真的是个小学生的水平。。。
当然如果你想稍微进阶一点，就可以说，我是一个初中生，或者，我是一个高中生，一点一点的可控升级。
我用了两年，非常好用，推荐给大家。
六. R1的写作很强吗？
R1除了能非常好的做常规推理模型都能做的数学题、代码等等，这次有一个非常非常特别的点是：
中文写作能力强到爆炸。
过往，大家都说，在写作能力上几乎所有的大模型都是众生平等的一坨屎，唯有Claude超出了一坨之外，独立于三界之上。
而这一次，DeepSeek-R1在中文写作和文笔上，已经是独一档的领先了。
而且对于文风的模拟，效果极佳。
比如我非常非常喜欢知乎上一个大V叫大师兄朱炫的文笔。
我甚至都不需要跟DeepSeek-R1说朱炫的文笔是什么样的，直接就说一句话：
以知乎大V朱炫的文风，来锐评一下爱情的求而不得，告诉大家，总会有人在等你。
来给大家看看成文：
**虽然达不到朱炫那百分百的功力，达不到他那种多智而近妖的文笔，但是已经非常非常强了。
**
毕竟，只需要一句话而已。
再写一首，李煜风格的诗词。
“以李煜的诗词风格，来写一首我回老家没有朋友玩的感觉”
《虞美人·归乡感怀》
故园旧巷行人少，空有榆钱老。
秋千院落锁苍苔，偶见邻家黄犬过阶来。
重游往日嬉春处，蛛网斜阳驻。
笑谈声远柳风凉，唯剩一庭明月照空廊。
对仗、押韵全都到位了。
真的，非常的强。
七. R1可以联网吗？
众人皆知推理模型好，但是推理模型，几乎都不联网。
典型如OpenAI o1。
这给我带来了非常的多的困扰，要知道，OpenAI o1的知识库还是24年，很多东西都不知道，更别提一些所谓的实事了，你想用它来梳理分析一些最近的数据，比如美元指数、比如最近的财报等等，它完全不知道，甚至还传不了PDF，就非常的der比。
而DeepSeek，是为数不多的，推理+联网的。
我们来试试这句话：我想用鲁迅的文风写一篇2000字的公众号文章，分析一下2025春节档哪几部电影能爆，不要结构化。
DeepSeek去网上搜了50个网页，然后思考了半天。
用鲁迅的文风，成了一篇文。
效果非常好。
虽然整体测下来，在联网资料的RAG层面还有一些问题和不尽如意，但是已经非常强了，至少，能听懂我的话，知道我想要的是鲁迅风格。
再给一些时间。
八. 算力神话崩盘了吗？
最后，我想说一下算力的问题。
昨天，A股算力和美股算力都崩了，大家几乎都把原因归结到DeepSeek很便宜，所以未来不需要那么多算力，算力神话崩塌了。
但是我觉得这个思路不太对。
在第一次工业革命的时候，有一个经济学里面非常著名的悖论，是由威廉·斯坦利·杰文斯提出来的，叫做Jevons 悖论。
当时，英国的工业革命正在加速发展，蒸汽机的效率也在不断提高。人们普遍认为，蒸汽机会越来越节能，也越来越会减少煤炭消耗。
但实际情况却打了所有人的脸。
因为，更高效的蒸汽机降低了使用煤炭的成本，结果导致蒸汽机被更广泛应用，煤炭消耗总量反而大幅增加。
原因大概是这样的：
假设新技术让汽车的燃油效率提高了 50%（比如每加仑能跑 30 公里变成 45 公里）。照理来说，这应该减少燃油总消耗，但现实可能是：
由于油耗更低，开车的成本下降，人们更愿意开车，开车里程增加。
购车门槛降低，更多人买车。
物流成本下降，商家扩大运输量。
最终，油耗效率提高后，燃油消耗的总量可能不降反升**。**
跟现在算力逻辑是一摸一样，如果你要把DeepSeek对与算力的影响带入的话，那其实就会导致：
因为大模型需要的训练和推理算力成本下降，反而会推动AI应用和生态的繁荣，端侧、个人级别大模型逐渐成熟，算力的总需求反而越来越大。
至于股市算力崩盘，我想说的是，涨多了就是原罪。
而且美元指数都崩成什么样了，直接破了60日均线，纳斯达克和英伟达不崩才奇怪好吧。
只能说，DeepSeek有短期驱动效应，但是核心还是内身问题，DeepSeek踩中了这个节点，天时地利人和。
此刻的DeepSeek，就是众望所归的，天命人。
写在最后
昨天，冯骥的微博说，DeepSeek是国运。
我想说，是，也不是。
国运不是单一的点，而是一群点而连成的面。
流浪地球、新能源车、黑神话悟空、六代机、TikTok、DeepSeek等等等等。
这些点连起来的面，才是真正的国运。
泱泱中华五千年。
无论多少风雨。
未来也必定。
国运昌隆。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言