從 DeepSeek R1 發(fā)布那天開始,，我就開始寫文章介紹 DeepSeek，沒想到這幾天這么火爆了,。

不過我在翻看評論區(qū)時,，發(fā)現(xiàn)很多朋友并沒有很好的發(fā)揮出 DeepSeek R1 的潛能。

朋友們,，我真是著急啊,。

心急之下，趕緊寫了這篇文章,，教大家一些有用的技巧,，并提供一些案例,，來讓 DeepSeek R1 成為咱們的得力干將。

為照顧一些新手朋友,，這里還是先說下在哪使用 DeepSeek,，老手跳過這部分就行了。

目前 DeepSeek 提供了如下使用方式：

1. 網(wǎng)頁版：打開 https://chat./ 直接使用,。

2. App：手機掃碼下載,。

默認情況下,，DeepSeek 使用的是 V3 模型，點擊深度思考才會切換為 R1 模型,，即現(xiàn)在讓“硅谷震驚”的模型,。

深度思考旁邊還有個聯(lián)網(wǎng)搜索，默認情況下 DeepSeek 使用的是好幾個月前的訓(xùn)練數(shù)據(jù),，如果我們想?yún)⒖甲钚碌男侣劊瑒t點擊聯(lián)網(wǎng)搜索讓 DeepSeek R1 基于最新的網(wǎng)絡(luò)數(shù)據(jù)來優(yōu)化回答,。

另外 DeepSeek 還提供了服務(wù)狀態(tài)的監(jiān)控,，可以打開 https://status. 查看服務(wù)狀態(tài),。

一般來說,，當(dāng)服務(wù)狀態(tài)為紅色時,，會較頻繁的出現(xiàn)“服務(wù)器繁忙,，請稍后再試”的提示。

好了,，現(xiàn)在正式進入正題,，看看用什么技巧能讓 DeepSeek R1 成為我們的得力助手。

首先說下 DeepSeek 相對于 GPT 等主流大模型的區(qū)別,。

GPT 等主流大模型是指令型大模型。

這類大模型需要我們給它說下比較詳細的流程,，它的回答才會讓我們滿意,。

比如我們想讓 GPT 4o 扮演中國媽媽讓孩子相親：“請你扮演我媽，用我媽的口氣來教育我,，批評我,，催我結(jié)婚,，讓我回家。給我講七大姑八大姨家的孩子都結(jié)婚了,，為啥就我單身,，再給我安排幾個相親對象?！?/span>

演示效果如下：

上面的提示詞不僅交代了需求背景（“用我媽的口氣來教育我”）,，還交代了一些額外的流程（“七大姑八大姨家的孩子都結(jié)婚了”,，“再安排幾個相親對象”）等。

因此去年在 ChatGPT 這類指令型大模型很火的時候,，出現(xiàn)了很多提示詞模板,，甚至誕生了“提示詞工程師”這一崗位。

而 DeepSeek R1 屬于推理型大模型,。

這類模型不需要我們列出太詳細的流程，太詳細的流程反而會降低它們的性能,，限制它們的發(fā)揮,。

DeepSeek R1 在發(fā)表的論文中也提到：DeepSeek R1對提示詞很敏感,。為獲得最佳效果，建議用戶直接描述問題,。

我們用問題 “當(dāng)老黃看到英偉達的股價因為 DeepSeek R1 暴跌 17% 時，寫出他的內(nèi)心獨白” 為例,，對比下幾個主流大模型,，就能看出一些區(qū)別,。

先看看豆包的回答：

豆包的輸出只有心理描述,，略顯空洞乏味,。

接著看看 GPT-4o 的回答：

GPT-4o 加了點人物動作，回答相對于豆包豐富了一些,，不過仍然比較空洞,。

再看看 Claude 3.5 Sonnet 的回答：

Claude 不僅說之前英偉達也大跌過，還提到了英偉達的生態(tài)系統(tǒng),，整個回答會讓人有信服感。

最后看看 DeepSeek R1 的答案：

相對于前幾個大模型,，DeepSeek 自己“加了很多戲”,，不過讀起來更形象也更有畫面感。

所以對于 DeepSeek R1 而言,，我們完全可以把自己想象成老板,，DeepSeek R1 是我們請的一位專業(yè)助手,。

這位專業(yè)助手不需要我們告訴它應(yīng)該怎么做，我們只管“當(dāng)大爺”提需求,，讓助手干活就行了,。

可能幾次交流之后，你會得出這樣的結(jié)論：我們是真不如 AI 那樣博學(xué)啊,。

下面再介紹一些技巧，讓你的 DeepSeek 好用到爆,。

雖然直接提問題已經(jīng)能得到不錯的答案,，但如果再加上“背景描述”這個簡單的優(yōu)化，還能讓回答更上一層樓,。

背景描述指的是向 DeepSeek R1 說清楚我是誰（如我一個互聯(lián)網(wǎng)打工人）,、我當(dāng)前的水平（如我是自媒體小白）、我想讓 DeepSeek 充當(dāng)?shù)慕巧ㄈ缒闶且幻悦襟w運營專家）等,。

有時 DeepSeek 回答的內(nèi)容可能不是你想要的，這時我們可以增加約束條件,，來限制,、優(yōu)化它回答的內(nèi)容。

所以可總結(jié)成這個簡單,、萬能的 DeepSeek 提問模板，即：  

背景+需求+約束條件（可選）,。

如：我家小孩讀初一（交待背景）,，怎樣提高他的英語水平（提出需求），不需要考慮口語問題 （約束條件,，可選）。

可以看到 DeepSeek 這位助手十分貼心,，不僅列了如何高效學(xué)習(xí)單詞,、語法,、閱讀和寫作，還提供了一些應(yīng)試技巧和日常訓(xùn)練的方法,。

如果我們覺得這位助手的回答還不夠深入,，完全可以讓它針對某一點再展開詳細說說,。

用好這個簡單的模板，能解決 90% 的日常問題,，讓 DeepSeek 瞬間成為我們工作,、學(xué)習(xí)、生活的好幫手,。

模板雖好用，但是當(dāng)我們問到一些專業(yè)領(lǐng)域的問題時,，DeepSeek 的回答會摻雜很多專業(yè)名詞來解釋問題,。

如果我們是行業(yè)內(nèi)的人，專業(yè)名詞能幫我們快速清楚的解釋明白問題,。

但如果這個領(lǐng)域剛好不是我們擅長的話,，通常都會覺得這些專業(yè)名詞晦澀難懂，不知所云,。

碰到這種情況,，我們只需要在提示詞中加上“說人話”,、“大白話”、“通俗易懂” 等,，DeepSeek 給我們的用戶體驗會立馬提升一個檔次,。

比如我問他“DeepSeek 成本這低的原因是什么”。

上面的回答并沒有什么問題,，如果我們是業(yè)內(nèi)人士,，自然知道 MoE 架構(gòu),、蒸餾和 FP8 是什么意思。

遺憾的是,，可能 99% 的人根本不明白上述回答到底說的是什么意思。

這時我們只需要簡單的加上“說人話”三個字,，就能得到一個通俗易懂的答案了,。

這里 DeepSeek 會用“100 個員工中只讓 10 個員工干活”解釋 MoE 架構(gòu),，用“高清電影轉(zhuǎn) MP4 格式”來解決 FP8。

是不是一下就懂了,！

我們還可以用“模仿 X”,、“以 X 的口吻/語氣”，“以 X 的內(nèi)心獨白”等等提示詞,，把 DeepSeek 的使用體驗拉滿。

比如我們可以用知乎常用格式回應(yīng) DeepSeek 導(dǎo)致英偉達股價暴跌的問題,。

用貼吧暴躁老哥的語氣回應(yīng)美國多名官員稱 DeepSeek 偷竊了他們的技術(shù),。

好家伙,，我都能感覺它的唾沫星子快飛到我臉上了。貼吧 10 級的噴人水平也自愧不如吧,。,。,。

我們還可以讓 DeepSeek 模仿李白給我們寫春聯(lián),。

讓《雪中悍刀行》的作者烽火戲諸侯，寫短篇小說給我們看,。

有網(wǎng)友分享了“哲學(xué)大師”,，看大師說的話,，是不是頗有哲理？

可以看到,，使用模仿人物的方法,，能達到意想不到的結(jié)果。

這里再提供幾個比較繁瑣但高級的用法,。

對于復(fù)雜場景，通常一個 AI 模型并不能得到很好的效果,，此時我們可以將 DeepSeek R1 與 GPT-4o 或 Claude 3.5 Sonnet 組合使用,。

一般來說，可以先讓 DeepSeek R1 告訴我們應(yīng)該怎么處理問題,，然后根據(jù)它給的答案讓指令型大模型去生成結(jié)果。

如果我們想分析業(yè)務(wù),，可以開啟“聯(lián)網(wǎng)搜索”實時搜索內(nèi)容,，還能上傳附件來精準分析。

比如我們想在小紅書上起號,，可以直接“聯(lián)網(wǎng)搜索”對標賬號,，讓 DeepSeek R1 給我們一個起號流程,。

對于不能搜索的地址,，先手動下載資料后,，再上傳給 DeepSeek R1 幫助分析,。

DeepSeek R1 不僅能給出具體流程,，還會生成一些 mermaid 圖表,，非常好用。

以我測試的結(jié)果看,，一波策劃和數(shù)據(jù)分析師要失業(yè)了,。

DeepSeek 碰到一些問題類型時會提示“無法思考這類問題”,。

一般來說，主要是如下幾類問題：  

1. 敏感內(nèi)容：國產(chǎn)審核比較嚴,，這里不說多了,，懂得也懂。

2. 長文本內(nèi)容：現(xiàn)在 DeepSeek 模型上下文長度最長為 6 萬 4 千個 token,，最大輸出長度為 8 千個 token,，默認輸出長度為 4 千個 token。

這里科普下,，一個 token 指的是一個語義單元，如一個單詞或單詞的一部分結(jié)構(gòu)（詞根或后綴）或標點符號等,。

而上下文長度包括輸入長度（如用戶問題,、對話歷史等）和輸出長度。

目前主流大模型服務(wù)商提供的最大上下文長度如下：

1. 豆包：25.6 萬 token

2. GPT-4o,、GPT-o1：12.8 萬個 token

3. Claude Pro：20 萬個 token (約500頁文本或100張圖片)

4. Gemini 1.5 Flash：100 萬個 token

5. Gemini 1.5 Pro：200 萬個 token

不知不覺寫了這么多，由于篇幅有限,，這里就先聊到這。

其實還有很多內(nèi)容還沒寫出來,，大家可以先關(guān)注我,，后續(xù)會持續(xù)給大家?guī)硪恍└韶洝?/span>

最后再說一句，從去年 ChatGPT 的爆火到現(xiàn)在的 DeepSeek R1 的轟動,，AI 就像當(dāng)年的智能手機一樣,，開始慢慢滲透進我們的生活，以后肯定會成為你我日常生活中的一部分,。

大家應(yīng)該很難相信，人類現(xiàn)在沒有手機會變成什么樣,。

同樣的,，我相信再過 10 年，我們也離不開 AI,。

所以,，如果你覺得本文對你有幫助，請轉(zhuǎn)給你身邊需要使用 AI 的家人朋友，讓他們也能像你一樣,，更好地使用 AI 工具,。