第三章
使用提示词挖掘DeepSeek潜能

DeepSeek的推理与思考能力，就像一位善于“打草稿”并对草稿进行反复修改的智者，在解决问题时不仅依靠直觉，还有严谨的分析和逐步推导。下面我们用生动的比喻和类比，带你了解DeepSeek如何像人类一样“思考”，帮助人类做决策，以及如何运用DeepSeek发挥其深度思考功能。

1　DeepSeek如何帮人做决策

你可能听说过人工智能能够“思考”，但DeepSeek的特别之处在于，它真正模仿了人类解决问题的全过程。就好像当你在数学考试中遇到一道难题时，你会在草稿纸上先写下所有可能的步骤，再逐步检查、修改答案。DeepSeek也是如此，它通过以下四个阶段，逐步构建出完整的决策路径。

推理能力预训练（冷启动）

这一步就像你在考试前复习时整理出解题思路。DeepSeek首先通过生成思维链（Chain-of-Thought, CoT），赋予模型初步的逻辑分析能力。模型学会了从“用户提问”到“分步推导”的完整路径，好比你先分析题意，再列出解题步骤的过程，为后续更复杂的推理打下基础。

推理导向的强化学习

接下来，就像你在做模拟题时不断试错、总结经验，DeepSeek采用类似R1-Zero的训练方法，通过动态调整奖励机制，使模型在数学解题、代码生成等任务中逐步找到最优解。

大规模推理数据集

就像你为了准备一场大型竞赛，收集了上万道题目练习，从基础算术到复杂算法，每一道题都会成为经验的积累。DeepSeek整合了60万条数学、代码和逻辑推理样本，覆盖多种场景，确保模型不仅在单一领域表现优异，还具备跨领域的泛化能力，犹如一个博览群书的“智者”。

通用强化学习与安全优化

最后，为了保证答案既准确又通顺，DeepSeek引入了基于规则的奖励机制和人类反馈强化学习（RLHF），就像你在考试后请老师点评、修改，确保每一步推理都合理、语言表达清晰。这样既能避免过分追求数字准确性而忽略表达问题，又使得输出更符合实际应用需求（见图1-3）。

DeepSeek在推理过程中还具备以下技术优势。

多令牌预测（MTP）

模型能够同时处理多个推理步骤，犹如在解一道复杂题目时，你需要同时考虑多个可能性，Deepseek的推理可将效率提升30%以上（经A100实测推理速度超过50 tokens每秒）。

动态稀疏注意力机制

当面对长文本（例如金融年报解析）时，DeepSeek能专注于抓住关键数字和重点段落，准确率明显提升，同时降低了计算资源消耗。图1-4总结了DeepSeek“思考”的完整流程。

2　DeepSeek-R1的深度思考

要充分发挥DeepSeek深度思考功能的潜力，需要结合其技术特性和用户交互策略，掌握正确的思维工具和步骤。以下是系统性使用指南，可以帮助你在实际决策和创作中更好地利用DeepSeek的强大推理能力。

深度思考功能的核心能力解析

可以将DeepSeek的深度思考功能比作人的大脑的思考能力，它通过多层级语义解析和高阶推理框架（如溯因推理、反事实推理等）来实现复杂问题的拆解。其主要优势包括以下几点。

动态知识管理

就像你在解决问题时，会迅速记下关键线索并构建思维导图，模型会实时构建临时“知识图谱”，将万亿级多模态数据整合进来，为决策提供权重参考。

可解释性增强

DeepSeek生成的推理树状图，清晰呈现了解题步骤，每个关键决策点都被明确标注，支持最多128步逻辑链，让用户能够理解整个推理过程。

跨领域融合

在科研、金融、教育等场景中，DeepSeek能够实现知识迁移，类似于一个通才在不同领域中游刃有余，充分展示了其泛化能力（见表1-5）。

优化使用的关键策略

为了让DeepSeek的“思考”功能发挥到极致，我们可以使用结构化提问技巧、角色与场景定制、数据驱动交互三个策略。

结构化提问技巧

明确需求与背景：就像烹饪时需要明确食材和目标菜品，提问时应包含具体目标、约束条件和应用场景。例如，替换模糊指令“优化代码”为“请优化以下Python数据预处理代码，要求兼容Pandas 2.0以上版本”。

分阶段拆解任务：对于复杂问题，分步骤引导模型生成方案。比如，“第一步，分析供应链中断原因；第二步，评估各原因风险；第三步，提出三种应急方案，并对比成本效益”。

角色与场景定制

专业角色设定：指定领域专家身份，以提升回答专业性。比如，“你是一位有10年经验的半导体工艺工程师，请分析光刻胶纯度对7nm芯片良率的影响”。

格式与风格控制：设定输出结构（如Markdown表格、流程图）和语言风格，既保证信息准确，也便于理解。

数据驱动交互

直接输入结构化数据：就像在解对数题时提供对数表，可以让模型分析趋势或生成图表。

动态修正反馈：通过多轮对话逐步优化结果。例如，“方案B成本过高，请提供替代方案，优先考虑本地供应商”。

3　撰写提示词的核心方法论

在实际应用中，DeepSeek不仅仅是一个静态的工具，而更像一位不断自我完善的“智囊顾问”，它的成长离不开用户的反馈和不断迭代优化。下面我们详细介绍几种由用户反馈驱动的进阶技巧，帮助你更好地利用DeepSeek的深度思考功能，实现跨领域智慧决策。

基本原则

明确具体：避免模糊表述，需清晰定义任务目标。错误示例：“告诉我一些东西。”正确示例：“请总结人工智能在医疗诊断中的三大应用场景，每项需包含案例说明。”

提供上下文：增加背景信息以缩小范围。错误示例：“翻译这句话。”正确示例：“将以下英文技术文档片段翻译为中文，保持术语准确性：Neural networks are……”

指定格式：要求输出结构化（如列表、表格、代码块等）。错误示例：“列出健康饮食建议。”正确示例：“以编号列表形式提供5条针对糖尿病患者的饮食建议，每条需包含食材和烹饪方法。”

分步提问：将复杂任务拆分为子任务。错误示例：“写一篇关于AI历史的文章，包括关键人物和应用。”正确示例：“依次提出以下问题：①‘概述AI发展的三个阶段’；②‘列举三位推动AI发展的科学家及其贡献’；③‘分析AI在制造业的典型应用案例’。”

进阶技巧

思维链反向学习

用户可以通过查看模型生成的推理链条，了解DeepSeek是如何从问题出发，逐步推导出答案的。通过反向学习，你能捕捉到其解决问题的每一个思维节点，从而掌握处理复杂问题的方法论。

提示词示例：“假设一个入职3个月的新员工在某项任务上表现不佳，请推理可能的原因，并提供优化建议。”

追问模式

通过连续提问来深入探讨某个问题。这种方法可以帮助你逐步深化对主题的理解，揭示更多细节和相关信息。通过追问，你可以获得更全面的知识，并发现新的研究方向。

提示词示例：“请解释人工智能在医疗领域的应用，并进一步解释这些应用中最具潜力的领域。”

开放式引导：激发深度回答

提示词示例：“人工智能可能对社会就业产生哪些影响？请从正反两方面分析，并给出缓解负面影响的政策建议。”

场景颗粒化

将抽象任务细化为具体场景。这种方法可以帮助你分解复杂任务，找到解决问题的方法。通过场景颗粒化，你可以更好地理解理论在实践中的应用。

提示词示例：“假设你是常驻深圳的摄影爱好者，请规划周末在香港街头的摄影路线，包含三个小众机位和当地美食打卡点。”

格式约束

通过指定输出格式来获得结构化结果。这种方法可以帮助你获得清晰有序的信息，使其更容易被理解和使用。通过格式约束，你可以确保输出的信息是可读的和可用的。

提示词示例：“用Markdown表格对比不同AI模型在自然语言处理任务中的优劣。”

角色锚定

通过角色设定来加载特定领域知识。这种方法可以帮助你从特定角度或专业视角来理解问题，并获得相关领域的专家建议。通过角色锚定，你可以更好地理解特定领域的最佳实践方案。

提示词示例：“扮演跨境电商物流优化顾问，为我提供降低运输成本的建议。”

多步推理

通过分解任务来实现多步推理。这种方法可以帮助你将复杂问题分解成可管理的步骤，并逐步推导出解决方案。通过多步推理，你可以更好地理解问题的逻辑结构，并找到合理的解决方法。

提示词示例：“设计一个活动策划方案，活动类型为户外拓展，目标是增强团队凝聚力，参与人群为公司全体员工，预算为5万元，活动时间为下周五全天。”

可视化讲解

通过图示来帮助理解复杂概念。这种方法可以帮助你更直观地理解抽象的理论。通过可视化讲解，你可以更好地理解复杂系统的内部机制，并找到解决问题的方法。

提示词示例：“用可视化的方式讲解鸡兔同笼公式，并提供相应的案例分析。”

纠偏机制

通过预设纠偏机制来避免输出偏离预期。这种方法可以帮助你确保输出的信息是准确的，并在必要时进行调整。通过纠偏机制，你可以更好地控制输出的质量，并确保其符合你的需求。

提示词示例：“生成Python爬虫代码后，自动补充必要的异常处理和日志记录功能。”

4　场景化错误示范与改进方案

通用场景

错误：“如何提高工作效率？”（过于宽泛）

改进：“作为远程工作的市场营销专员，请提供5个提升每日任务优先级管理效率的具体技巧，需包含工具推荐和实践步骤。”

学术写作

错误：“帮我修改论文。”（缺乏具体要求）

改进：“请以学术编辑身份检查以下问题：①修正语法错误；②确保‘机器学习’术语使用一致性；③将被动语态占比降至30%以下。”

创意生成

错误：“写一个好看的故事。”（模糊描述）

改进：“创作一篇800字的悬疑微小说，主角为快递员，需包含三次反转，结局暗示超自然现象，语言风格参考东野圭吾。”

技术问题

错误：“这段代码有问题，修复它。”（无上下文）

改进：“以下Python函数用于计算斐波那契数列，但在输入n=5时返回错误结果8（正确结果应为5）。请调试并解释错误原因：deffib（n）：……”

5　口语化提示词vs结构化提示词

定义与特点

口语化提示词以日常对话为基础，例如“帮我制订一个健身计划”或“今天天气怎么样”等，其表达贴近用户实际交流习惯，语言结构灵活，常包含情感化词汇（如“好用到哭”“吹爆”）和即兴表达。这类提示词学习门槛低，适用于对结果精度要求不高、任务简单的场景，在DeepSeek的推理能力下，其表述可以得到补充。

如果要完成比较复杂的任务，尤其包含了明确框架与结构的任务，如论文报告、代码生成等，则推荐使用结构化的提示词，避免大语言模型中幻觉的产生，或进行不合理的假设，这点对于商业应用来说尤其重要。

由于结构化提示词难以编写，DeepSeek也可以成为优秀的提示词工程师，协助用户进行编写（见表1-6）。

结构化提示词的典型框架

学术写作

Markdown

角色（Role）：学术论文润色专家

##背景信息（Background）

-专业领域：计算机视觉

-语言：中文（需符合电气电子工程师学会会议格式）

##目标（Objectives）

-修正语法错误，提升逻辑连贯性；

-优化技术术语使用，确保准确性；

-缩短长句，提高可读性。

##约束条件（Constraints）

-不得改变原意；

-字数控制在原字数的±10%。

##工作流程（Workflow）

-通读全文，标记语法问题；

-逐段优化表达；

-输出修订版本与修改说明。

市场分析：分析东南亚市场的情况

Markdown

Role：行业研究分析师

##Background：公司计划拓展东南亚跨境电商市场

##Objectives

-识别越南、泰国、印度尼西亚三国的母婴用品市场增长驱动力；

-预测2025年市场规模（需注明数据来源）。

##输出要求（Output Requirements）

-对比表格含人均GDP/互联网渗透率/物流成本；

-风险提示板块（政策、文化禁忌等）。

##Constraints

-数据需来自World Bank/Nielsen近3年报告；

-禁止直接引用竞品商业机密。

客户服务：回复客户的投诉邮件

Markdown

Role：客户关系管理专员

##Background：收到关于物流延迟的英文投诉信（客户订单号#78921）

##Objectives

-起草道歉信（英文），承诺48小时内解决问题；

-提供补偿方案：15%折扣券或优先发货二选一。

##表达准则（Tone Guidelines）

-正式但富有同理心；

-避免使用自动化回复模板。

##Output Requirements：

-邮件包含问题确认/解决步骤/联系人信息；

-单独提供内部事件分析报告（200字）。

人力资源管理：筛选合适的简历

Markdown

Role：招聘算法助手

##Background：筛选Java高级工程师候选人（薪资范围25k～40k）

##筛选标准（Screening Criteria）

-必须项：5年以上经验/主导过分布式系统项目；

-优先项：有高并发场景优化案例/开源贡献者。

##Output Requirements：

-Excel表格含姓名/核心技能匹配度（1—5星）/项目经验亮点；

-自动标记学历造假风险（比对学信网数据）。

产品开发：整理用户对App的反馈

Markdown

Role：用户体验洞察引擎

##数据输入（Input Data）

-200条App Store中文评论（3星以下）；

-净推荐值（NPS）调研结果（2024年第二季度）。

##Objectives

-分类负面评价，包含性能/用户界面（UI）/功能缺失；

-提取前3种改进需求并排序优先级。

##Output Requirements

-可视化图表：差评情绪分布（积极/中性/消极）；

-功能建议文档（含技术可行性评估）。

财务分析：做个成本分析报告

Markdown

Role：智能财务顾问

##Background：制造业企业近3年原材料成本上涨22%

##Objectives

-对比钢材/塑料/芯片的全球采购价格波动数据；

-提出4种对冲策略（含期货方案风险模拟）。

##Output Requirements

-成本结构树状图（直接材料/人工/制造费用占比）；

-敏感性分析表格（假设能源价格上涨10%，会带来何种影响）。

探索更多的提示词技巧，建议参考DeepSeek的提示库（见图1-5）。

6　企业提示词优化建议

建立模板库：按部门/任务类型分类存储结构化模板

数据预处理：明确输入数据的清洗要求（如“排除2020年前的数据”）

合规性检查：添加法律提示（如“输出内容需通过公司合规AI审核”）

多模态扩展：指定输出形式（PPT脚本/数据看板/语音脚本）

迭代机制：添加验证指令