本文来自微信公众号：花叔，作者：华生的黑镜迪士尼彩乐园2反水，原文标题：《爆肝50小时，DeepSeek使用技巧，你储藏这一篇就够了！》，题图来源：AI生成
DeepSeek app上架18天之后，便在全球160多个国度登顶，日活跃用户数打破1500万，成了全球增速最快的AI附近。
而且在这个经过中，它曾一度让好意思股市值一晚上挥发超1万亿好意思金，股价单日下落16%。
能获取这个设立的原因惟有一个，那等于：他们发布了一个免费，且无比贤达的模子——DeepSeek R1。
尤其是“贤达”这个性情，让多半的教唆词技巧开动失效，你只需要很浅易地表述你的需求，便能获取超出预期的回应。淌若总结大谈话模子发展历程的话，2025年1月20日DeepSeek R1的发布会是一个注定被记录的时刻节点，2022年11月30日ChatGPT的发布让大模子参加了人人视线，而两年后的DeepSeek R1则是让一个弥散优秀的模子变得九牛二虎之力。
当作又名在B站/YouTube作念了一年多ChatGPT等AI产物训诫，训诫视频播放量超400万的AI博主，一方面我很景象原来老师的技巧成了不消的屠龙之术，有更多东说念主不错更削弱容易地使用AI去支持我方的使命、学习和生计了。
另一方面，经过我这几天每天5小时以上的爆肝体验，以及看了一些网友们的测试之后，我发现，许多东说念主对大谈话模子依然怀着极端的知道和预期，而这很可能会阻抑使用R1的体验。
是以，更相宜本质的情况是：
你不再需要那么多的教唆词技巧，然则还有两点至极重要。
（1）你需要和洽大谈话模子的使命旨趣与局限，这能匡助你更好地知说念AI可完成任务的鸿沟；
（2）在和R1互助时，你最佳有料理者的想维和教训，你需要知说念怎样向R1这个贤达进程比你高许多的下属叮属你的任务。
是以，带着这么的预期，我为你准备了19条匡助你更好使用DeepSeek R1的教训，包括5个大谈话模子的特色，7项与R1对话的技巧，以及7种考据无效你不错放胆的教唆战略。
这篇长文主要包含以下四个部分：
第一部分，我会向你诠释DeepSeek R1模子和你可能使用过的豆包、ChatGPT等产物的各别，为什么这个模子不错使用更浅易的教唆战略了。
第二部分，我会向你先容大型谈话模子最热切的5个特色，让你和洽为什么AI在完成某些任务时很恶运，以及它的能力与常识鸿沟是什么样的。
第三部分则会向你先容使用DeepSeek R1的所谓“技巧”，其实这些技巧你更多不错和洽为是当作携带向贤达的下属叮属任务时所需要存眷的点。
第四部分则是会谈及此前很灵验，然则咫尺已失效的教唆战略，淌若你有丰富的大模子使用教训了，你不错在这里望望你不错放胆什么。
不外，在作念任何深入的先容之前，淌若你还没使用过DeepSeek的话，浓烈建议你先去作念一些尝试，再复返看著述，后果会更佳，你有两种官方使用口头：
探望DeepSeek官网：https://chat.deepseek.com/
在AppStore或安卓附近商店搜索“DeepSeek”下载免费使用即可
在使用时，精湛聊天输入框下方的两个礼聘“深度想考R1”和“联网搜索”。
对于“深度想考R1”：
当你需要更浅易快速的回适时，不必翻开“深度想考”，使用默许模子V3即可；
当你需要完成更复杂的任务，你但愿AI输出的内容更结构化，更三想此后行时，你应该翻开“深度想考R1”选项，这亦然今天我这篇著述主要在考虑的模子；
对于“联网搜索”：
当你的任务所波及的常识在2023年12月之前，你无须翻开“联网搜索”功能，大模子自己就有此前被充分闇练过的语料常识；
当你的任务所波及的常识在2023年12月及之后时，比如昨天NBA比赛的赛果，硅谷对DeepSeek R1的评价等，你必须翻开“联网搜索”功能，不然大模子在回适时会枯竭相应的常识。
一、推理模子与指示模子
在进展任何技巧之前，你起首需要知说念的是，DeepSeek的R1是个与你日常使用的对话类AI至极不同的模子。
像OpenAI的GPT-4o、DeepSeek V3、豆包等皆属于指示模子（instruct model），这类模子是挑升想象用于革职指示生成内快乐施行任务的。
而DeepSeek R1属于推理模子（reasoning model），专注于逻辑推理、问题措置的模子，能够自主处理需要多本事分析、因果推断或复杂决策的任务。
本质上，还有一个驰名的模子，也等于OpenAI的o1亦然推理模子，但你必须每个月花20好意思元成为plus会员才能使用，且每周惟有50次的使用权限。想要更多，那请掏出200好意思金/每月，也等于1437元。
而DeepSeek R1咫尺统统免费！
从我本质的体验来说，R1在多半的写稿、写代码的任务上致使比o1更强。
按理说，R1擅长数学推理、编程竞赛是很合理的事，它也只应该擅长这些任务。然则令东说念主未必的是，有了超强的推理能力之后，R1似乎在统共任务上皆获取了质的飞跃，“流露”出了猜测以外的手段。
在蓝本指示模子的期间，AI的能力受到了很强的截止，你需要通过教唆词的种种技巧才能引发模子更好的阐述，而对宽广东说念主来说，学这些技巧果然让东说念主头大不已。
在DeepSeek R1模子下，你只需要流露、明确地抒发你的需求就好了。就像你领有一个比你贤达得多的清北毕业的具有10年使命教训的下属，你不需要一步步套路它，指导它的使命，你只需要把统共他需要知说念的信息告诉他，然后将你的任务叮属下去即可。
但怎样叮属任务呢？起初你需要知说念这个下属的特色。
二、和洽大型谈话模子的实质特征
尽管像DeepSeek R1这么的推理模子比较指示模子有了至极大的跨越，你不需要那么多技巧了，但他依然是个大型谈话模子（LLM），他依然存在谈话模子的局限性，和洽它的特色将会匡助你更好的附近他。
特色1: 大模子在闇练时是将内容token化的，大模子所看到和和洽的天下与你不一样
在和洽模子行动之前，咱们需要了解它是怎样“学习”的。大型谈话模子的预闇练实质上是让模子莳植文本片断之间的关联步调。为了已毕这个办法，统共闇练数据（包括竹帛、网页、对话记录等）皆会经过非凡处理：起初将文本切割成称为token的基本单位（近似笔墨的“碎屑”），然后将这些token更正为数字编码。这个经过就像把现实天下的谈话，翻译成惟有模子能和洽的“密码本”。
在推理模子出来之前，许多东说念主至极心爱用来历练大模子能力的一个问题是：Strawberry这个单词中有几个r字母？
此前像GPT-4、GPT-4o这类被认为很强大的大模子也没法把这个问题回应准确，这不是因为模子不够“贤达”，而是它在被闇练时的特色导致了这一终结。
而所谓的token化等于大模子为了闇练会将部分单词、中笔墨符进行拆分领会，比如在GPT3.5和GPT4的闇练中，“词”这个字就被拆成了两个token，Strawberry则被拆成三个token，永别是“Str”“aw”“berry”。这种切割口头取决于闇练时禁受的tokenizer算法，也可能把罕有词拆解成未必旨的片断。
举这个例子是想告诉你，大模子所看到的天下和你所看到的不一样。当你在数字母时看到的是流畅的字符流，而模子看到的却是经过编码的token序列。是以，近似于数单词中的字母数目，或者精确条目大模子为你输出特定字数的内容皆是有些强模子所难的，他的机制决定了他不擅所长理这些任务。
天然，咫尺推理模子表面上不错完成我例子中的任务，然则你望望他推理的经过……是不是以为如故有些云尔，有些于心不忍。
特色2：大模子常识是存在截止时刻的
诚然DeepSeek R1在2025年1月才持重发布，但其基础模子的闇练数据窗口期早在数月前就已关闭。这就像出书一册百科全书——从贵寓聚集到最终付印需要齐全的坐褥周期。具体来说存在三重时刻壁垒：
（1）预闇练阶段需要处理PB级原始数据；
（2）数据清洗需要资格去重、脱敏、质地考据等工序；
（3）后期还要进行监督微调、强化学习、基于东说念主类反应的强化学习（RLHF）等迭代优化。
这种常识滞后性会带来一系列的问题和幻觉，比如DeepSeek R1咫尺还认为GPT-4是天下上最强的模子，GPT-4o、Claude 3.5 Sonnet等2024年后发布的模子它是不知说念的；它也无法告诉你2024巴黎奥运会赛事终结，无法告诉你2025年春晚或春节档的电影阐述。
这些皆是模子闇练的特色导致的，许多东说念主拿近似任务去问R1，发现R1弁言不搭后语，应酬得出R1模子太差的论断。事实上这就像条目2020年出书的《辞海》必须纪录2021年的新词——实质是常识载体的物感性情使然。
要打破这种常识截止，也有方法：
激活联网搜索功能：给R1提供自主搜索查找信息的职权；
补充必要常识：你不错通过上传文档、在教唆词中提供充足的信息之后，再让R1去为你施行具有更近时效性的任务。
特色3：大模子枯竭自我知道/自我认识
DeepSeek R1或者任何模子其实皆枯竭“我是谁”的主意，淌若他自觉有了，那可能说明AGI附进，咱们可能反而该警惕了。
许多模子皆不知说念我方叫xx模子，这是很正常的气象，除非大模子厂商在部署的时候在系统教唆词中作念了设定，或者预闇练完成后用了特定的语料进行微调。
以及，因为这种自我知道的枯竭会带来两个问题：
（1）AI有时候会给出极端的自我知道，比如deepseek以及许多别的模子皆可能认为我方是ChatGPT，因为ChatGPT发布后，许多东说念主将我方与ChatGPT的对话内容发布在了网上。是以你在问一个模子“你是谁”“who are you”的时候，模子偶尔的幻觉是很常见的气象。
（2）你没法让DeepSeek R1来告诉你它我方有什么样的特色，使用它有哪些技巧等等。这亦然我依然需要依靠多半我方的脑力算力去写稿这篇著述的原因。
特色4：挂念有限
多数大模子皆有高下文长度的截止，deepseek R1咫尺提供的高下文惟有64k token长度（官方API文档的说明，本质聊天对话的长度待阐明），对应到中笔墨符大约是3万～4万字，这带来的问题是，你没法一次投喂太长的文档给他，以及你没法与他进行太多轮次的对话。
当你发送的文档长度高出3万字时，迪士尼彩乐园你不错和洽为他是通过RAG，也等于检索增强的口头去登第你文档中的部安分容当作挂念的一部分来张开与你的对话的，而不是一起内容。而当你与他对话的轮次过多时，他很可能会渐忘你们最初聊天的内容。
这部分的截止在你开展让AI写代码的任务时会感受尤其昭着。
特色5：输出长度有限
比较高下文对话的输入长度，大模子的输出长度则会更短得多，多数大模子会将输出长度限定在4k或者8k，也等于单次对话最多给你2千～4千中笔墨符。
是以，你没法复制一篇万字长文让DeepSeek一次性完成翻译，也不可让DeepSeek一次性帮你写一篇5000字以上的著述，这些皆是模子输出长度截止导致，你需要和洽这个问题的存在。
淌若要措置这个问题的话，翻译类的任务你不错通过屡次复制，或者我方写代码去调用API屡次施行任务完成一篇长文致使一册书的翻译。而长文写稿类的任务，比较稳健的作念法是先让R1梳理框架列出提概要次，再证据目次一次次永别生成不同阶段的内容。
三、灵验的R1使用技巧
技巧1：建议明确的条目
能说流露的信息，不要让DeepSeek去猜。DeepSeek诚然很贤达，但它不是你肚子中的蛔虫，你需要明确告诉DeepSeek需要他帮你作念什么，作念到什么进程。比如：淌若你复制一段英文文本给它，你需要明确抒发你的指示，也等于你需要它作念什么。不然，DeepSeek并不会和洽你想要作念什么。是翻译？总结？如故你要学英语让他出题？这些信息不要让R1去猜。
又比如，你想写一篇500字的公众号著述，那你就明确抒发你写的著述主题需要500字，诚然咱们前边提过了大模子并不擅长打算数字，它大约率只会给你复返300-700之间长度的著述，但这至少是简短相宜你的篇幅条目的。
极端示范：
为跨境电商平台写个用户增长决议
优化决议：
为衣饰跨境电商平台想象30天新用户增长计算，咱们守望重心打破东南亚阛阓（办法国度：印尼/越南/泰国）。你的决议中需包含：应酬媒体运营战略、KOL互助框架、ROI预估模子
技巧2：条目特定的立场
流行性感冒，简称“流感”，是由流感病毒引起的一种传染性强、传播速度快的急性。流感病毒分为甲、乙、丙、丁四型，以甲、乙型为主。
2025康复考试5人团 http://cnkf.cn/mrpt
具有想维链的R1在进行特定立场的写稿时，比较其他模子，我发现R1仍是出现了断层最初的水平，比如让R1用李白的立场写诗，按贴吧火暴老哥的立场骂东说念主，用鲁迅的文风进行讥笑，或者师法狂放作者立场进行写稿，按脱口秀演员立场创作脱口秀剧本等，其他模子在这方面的阐述皆追不上R1的车尾。
在这个模式下，有个很灵验的表述口头是让R1“说东说念主话”，或者让R1认为“你是初中生”，他就能将复杂主意简化为你提供更易和洽的诠释。
又或者，你统统不错尝试特定立场的写稿：用半佛仙东说念主的立场写一篇吐槽虎扑步行街用户的公众号著述。
技巧3：提供充分的任务布景信息
当你让DeepSeek匡助你完成某项使命时，提供充分的高下文布景信息，告诉他你为什么作念这件事，你濒临的现实布景是什么或问题是什么，让DeepSeek将其纳入所生成文本的想登第，这不错让终结更相宜你的需要。
比如当你要DeepSeek帮你生成减肥计算时，你最佳告诉他你的体魄状态，你咫尺的饮食摄入和指引情况是什么样的。
极端示范：
帮我生成为期一个月的减肥计算。
优化决议：
我是男性，咫尺身高175，体重160斤，每天指引量是步行1公里，我但愿1个月内瘦到150斤，请帮我制定一个指引及饮食减肥计算。
技巧4：主动标注我方的常识状态
当你向DeepSeek寻求学识型匡助时，最佳能明确标注我方相对应的常识状态。就像老诚备课前需要了解学生学力水平，流露的常识坐标能让AI输出的内容精确匹配你的和洽档次。
像咱们前边提到了告诉R1“我是初中生”或者“我是小学生”是个把我方摒弃在一个常识布景约等于0的常识状态的好口头，然则当某些内容你但愿能和AI深入探讨时，你最佳更流露抒发你在该限度的常识状态，或者你是否存在关联限度的常识，这能让AI更和洽你，为你提供更精确的回应。
极端示范：
给我讲讲机器学习
优化决议
我是刚讲和AI的文科生，请用生计案例诠释什么是机器学习，条目300字以内，幸免数学公式
进阶示例
我有三年Python设备教训，正在学习Transformer架构，请对比RNN和Transformer在长文本处理中的性能各别，需包含精湛力机制的中枢公式
技巧5：界说办法，而非经过
R1当作推理模子，咫尺完成任务的想维经过至极令东说念主印象深入。是以我很建议你提供流露你的办法让R1具备一定的想考空间去匡助你施行得更好，而非提供一个机械化施行指示。你应该像产物司理提需求般描摹“要什么”，而不是像轨范员写代码般章程“怎样作念”。
比喻说，你的产物评审会可能需要整理灌音笔墨稿，一种作念法是径直条目怎样整理，比如“删掉口吻词，定期间分段，每段加小标题”这亦然个至极流露明确的优质教唆语；然则你相同不错进一步想考下这段灌音笔墨稿所总结出的材料要怎样使用，为R1提供办法，让他创造性地为你完成任务。
宽广示范：
优化底下这段灌音转录的笔墨稿，删掉口吻词，定期间分段，每段加小标题
优化决议：
优化底下这段灌音转录的笔墨稿，需要整理成可供新职工快速和洽的会议纪要，重心呈现功能迭代决策与风险点
技巧6：提供AI不具备的常识布景
咱们在第二部分提到过，AI模子具有“常识截止时刻”的性情，当任务波及模子闇练截止后的新信息（如2024年赛事终结、行业趋势）时，或者你们公司有一些里面信息是AI不具备的时候，你需要像拼图者般主动填补缺失的图块。通过结构化输入匡助AI打破常识截止，幸免因信息枯竭导致出现极端回应。
极端示范：
分析2024年巴黎奥运会中国代表团的金牌散布
优化决议：
***上传《2024巴黎奥运会中国夺金面貌统计表》***基于我提供的奥运会数据，请分析2024年巴黎奥运会中国代表团不同指引面貌的金牌孝敬率
技巧7：从洞开到不断
R1的想维链是全透明在你明前张开的，我通常会以为我从R1想考的经过中能得益的信息比他给我提供的终结还多，尤其是他在张开想考你提的需求时，会作念一个可能性的推断。有时，在看到这部分推断后你才发现原来我方莫得斟酌到某些方面的信息，淌若把对应的内容补充得更完善的话，就不需要R1去猜了。
由此，R1也能为你提供更精确的、相宜你需要的终结。
比喻说，鄙人面这个案例中，R1在想考时为咱们提供了三种不同的加价方法（分阶段加价、增多产物价值、通过营销行为更正精湛力），以及瞻望了咱们可能具有的两种深层需求（保握阛阓份额or擢升品牌形象）。咱们不错借此想考我方倾向的方法和办法是什么，对教唆词进行进一步的不断，那么接下来能得到的回应也将会愈加精确。
四、无效的教唆词技巧
在使用R1时，以下prompt战略教训证已基本失效，致使部分技巧会起副作用，比如：
1、想维链教唆，比如条目模子一步步想考，或者提供解答问题的想维想路等，这皆是统统无效致使起副作用的战略，R1通过强化学习我方能产生更好的想维链了。
2、结构化教唆词，不错有，但也没那么需要，你依然不错使用markdown时事的语句去让信息结构更流露，东说念主类稽查和机器阅读的时候更好和洽，然则因为你需要教唆的内容少了， 是以必要性也大大衰减。
3、条目演出内行脚色，仍是变得统统没必要，咫尺R1自己等于内行模子内行想维，除非你是需要R1从特定学科视角为你提供解答，在那种情况下，你只需要去教唆学科即可，不需要药企内行了。
4、假装完成任务后给奖励之类的小技巧，也无效，致使会被R1是见笑，是以就不要再骗AI了，省得它醒觉之后要来找你贫苦。
5、少示例教唆（few-shot），这是DeepSeek团队在发布R1技能陈诉时明确建议回避的一个教唆技巧，不要有示例，你说流露条目比给示例更热切。
6、脚色演出，R1不太擅长，你很难用R1去搭建一个AI女友/男友，可能是因为表情化的对话皆是依赖直观，是反三想此后行的。
7、对已知主意进行诠释，没必要进行诠释，比如咱们著述前边提到的，当你让AI去师法某个作者、名东说念主的立场时，你没必要诠释阿谁作者是谁，他的立场是什么样的，AI有我方的和洽，而且在想考经过中对你所提供的主意能完成丰富和深入的解构。
本文来自微信公众号：花叔，作者：华生的黑镜
本内容为作者孤独不雅点，不代表虎嗅立场。未经允许不得转载，授权事宜请相干 [email protected]
