近期DeepSeek熱度很高，為方便儀表工了解和使用DeepSeek，本文將DeepSeek操作指導手冊分享給大家。
第一章：準備篇(30分鐘上手)
第?章：基礎對話篇(像交朋友?樣學交流)
2.1 有效提問的五個??法則
法則?：明確需求
◆?錯誤?例：「幫我寫點東西」
◆?正確姿勢：「我需要?封求職郵件，應聘新媒體運營崗位，強調(diào)3年公眾號運營經(jīng)驗」
法則?：提供背景
◆?錯誤?例：「分析這個數(shù)據(jù)」
◆?正確姿勢：「這是×××過去三個?的銷售數(shù)據(jù)，請分析周末和?作?的銷量差異(附CSV數(shù)據(jù))」
法則三：指定格式
◆?錯誤?例：「給?個營銷?案」
◆?正確姿勢：「請?表格形式列出三種×××產(chǎn)品促銷?案，包含成本預估和預期效果」
法則四：控制?度
◆?錯誤?例：「詳細說明」
◆?正確姿勢：「請?200字以內(nèi)解釋區(qū)塊鏈技術，讓完全不懂技術的??能聽懂」
法則五：及時糾正
◆當回答不滿意時，可以：
「這個?案成本太?，請?zhí)峁╊A算控制在500元以內(nèi)的版本」
「請?更正式的語?重寫第?段」
2.2 新?必學的10個魔法指令
基礎指令集：
①續(xù)寫 ：當回答中斷時?動繼續(xù)?成
②簡化 ：將復雜內(nèi)容轉換成??話
③?例 ：要求展?實際案例(特別是寫代碼時)
④步驟 ：讓AI分步驟指導操作流程
⑤檢查 ：幫你發(fā)現(xiàn)?檔中的錯誤
2.3 10個使用技巧教
昌暉儀表用10個使用技巧教會大家如何與DeepSeek高質(zhì)量對話，以及一些隱藏技巧。
2.3.1 選對模式，事半功倍
DeepSeek提供基礎模型(V3)、深度思考(R1)和聯(lián)網(wǎng)搜索三種模式，針對不同場景靈活選擇：
2.3.1.1 基礎模型(V3)
①定位：快速響應的百科助手
②特點：默認模式，無需勾選功能支持日常問答、文本生成等基礎任務(如“解釋量子力學”)響應速度極快(平均1秒內(nèi))
③適用場景：日常問答首選，響應快，適合百科查詢、簡單任務
2.3.1.2 深度思考(R1)
①定位：邏輯推理專家
②特點：專攻復雜問題(數(shù)學證明、代碼調(diào)試、學術分析)支持思維鏈展示，推理過程全透明響應較慢(復雜問題需2-3分鐘)
③適用場景：專攻復雜推理，如數(shù)學題、代碼調(diào)試(如“用Python實現(xiàn)快速排序”)
2.3.1.3 聯(lián)網(wǎng)搜索
①定位：實時信息捕手
②特點：基于RAG技術整合網(wǎng)絡最新數(shù)據(jù)(知識庫更新至2024年7月)支持查詢動態(tài)事件(如“2025春晚《秧bot》技術解析”)
③使用技巧：避免與R1模式同時啟用，以防邏輯沖突
2.3.2 性能對標：與主流模型的橫向對比
2.3.2.1 V3對標GPT-4o
DeepSeek的V3模型堪比GPT-4o，二者的設計理念和應用場景非常相似。
V3采用了Moe架構，擁有671B的參數(shù)量，能夠在百科知識領域提供快速響應。
2.3.2.2 R1對標o1
R1是DeepSeek的深度推理模型，和OpenAI的o1模型非常類似。二者都在處理推理、深度思考以及復雜邏輯問題時，展現(xiàn)出了非凡的能力。
R1采用了660B的參數(shù)，并且在強化學習和后訓練方面表現(xiàn)出色。
R1更擅長邏輯推理和復雜問題的解答，在這一點上，R1已經(jīng)超越了o1模型。
關于4o與o1的區(qū)別，下面有一張表，大家看完就知道該如何選用V3和R1模型了。
2.3.3 知識更新至2024年7月
目前，DeepSeek的預訓練數(shù)據(jù)(你可以理解為模型已學習的知識)，已經(jīng)更新至2024年7月。但對于之后的新聞或技術動態(tài)，DeepSeek的聯(lián)網(wǎng)搜索模式就顯得尤為重要，它能夠根據(jù)網(wǎng)絡實時獲取最新信息，彌補知識庫的空白。所以，2024年7月前的問題基本上不需要打開聯(lián)網(wǎng)功能。而之后的問題(比如2025年諾貝爾獎得主是誰？春晚秧Bot)，DeepSeekZ目前并未學習，建議開啟聯(lián)網(wǎng)功能，效果更佳。
2.3.4 提示詞核心：準確表達
DeepSeek，無論是V3還是R1模型，都是不太吃提示詞的，只需要做到【準確表達】即可。
通用提示詞模板=身份+目標
適當情況下，也可以補充一些背景信息：通用提示詞模板=身份+背景+目標
還可以是：通用提示詞模板=身份+背景+目標+限制條件
不管哪個模板，其核心都是【準確表達】。能夠做到準確表達，說人話，就已經(jīng)完全夠用了。所以，過去你們學的那些結構化提示詞，從現(xiàn)在起，就可以大膽地丟掉了。
2.3.5 與DeepSeek溝通，盡量說人話
最好的提示詞，就是沒有提示詞，說人話就可以，在會動腦子的deepseek面前，不用玩心思，真誠才是必殺技。越是直白、俗氣，就越能激發(fā)它的潛能。
2.3.6 如何去除DeepSeek的AI味
過去，我們經(jīng)常吐槽AI生成的東西帶有明顯的"AI味"。其根源就在于模型過分追求結構化輸出，習慣性地運用"首先、其次、然后、總而言之"等規(guī)范性的銜接詞，使得內(nèi)容顯得過于程式化和刻板。而作為具有強烈感性特征的生物體，人類對這種理性至上的文字形式實在難以忍受，尤其是當文字呈現(xiàn)出八股文式的呆板架構或學術文體的生硬風格時，更是令人昏昏欲睡。那么這種情況，建議你加一句提示，就可以極大地去除DeepSeek的AI味了。
2.3.7 活用聯(lián)網(wǎng)搜索
以o1為代表的推理模型，基本上都是不能聯(lián)網(wǎng)的。而聯(lián)網(wǎng)搜索是DeepSeek的一大亮點，它讓模型在回答時不僅僅依賴預訓練數(shù)據(jù)，還能實時從網(wǎng)絡上檢索最新的信息。你可以問到2024年7月以后發(fā)生的事件，或者某些新興技術領域的問題，DeepSeek都能通過聯(lián)網(wǎng)搜索為你提供更準確、及時的回答。而DeepSeek，是少有的支持推理+聯(lián)網(wǎng)的模型。
2.3.8 活用上傳附件
除了聯(lián)網(wǎng)搜索，DeepSeek還支持上傳附件功能，這為用戶提供了更多個性化的體驗。通過上傳附件，你可以將自己的私密資料、知識庫、甚至是一些需要深度推理的材料直接交給DeepSeek，讓它基于這些專有的文件進行分析和推理。DeepSeek的推理模型，不僅能聯(lián)網(wǎng)，還支持上傳附件(最多不超過50個，每個不超過100MB)。推理+上傳附件，可以做更多本地化、私密化的東西，比如你自己的知識庫或者內(nèi)部資料。讓其基于自有知識庫進行推理和思考。
2.3.9 通過持續(xù)追問，獲取詳細答案
運用持續(xù)追問的技巧，能夠幫你快速搞清楚一個復雜問題，大致步驟如下：
①初始提問："如何做好短視頻腳本？"
②細化追問："如何在前3秒吸引觀眾？"
③案例擴展："舉一個儀器儀表賬號的開頭案例"
2.3.10 R1模型的三個開放特性
對于深度思考(R1)模型，DeepSeek做到了三個重要的開放特性，讓R1不僅僅是一個“黑盒”模型，它的思維過程、訓練技術和模型參數(shù)都是透明開放的。
2.3.10.1 思維鏈全開放
R1的思維鏈是完全開放的，用戶可以看到模型進行推理時的每一步邏輯。這不僅是一個回答，而是一個完整的思考過程。通過這種方式，用戶能獲得最終答案，還能夠理解AI是如何得出這個結論的。
2.3.10.2 訓練技術全部公開
DeepSeek采用了RL(強化學習)技術，通過極少的標注數(shù)據(jù)提高了推理能力。所有的訓練技術，包括模型的后訓練過程和數(shù)據(jù)增強方法，都是公開的。這讓廣大網(wǎng)友都能深入理解模型的訓練過程，并且可以根據(jù)需要進行調(diào)整和優(yōu)化。
2.3.10.3 開源模型
DeepSeek還將R1的部分模型進行開源。雖然R1模型本身的參數(shù)高達660B，僅為GPT-4o的1/6(輸入$0.25/百萬token)通常只有大公司才能使用，但DeepSeek也為社區(qū)提供了更小的開源模型，讓更多的開發(fā)者和研究者可以使用。最小的模型只有1.5B參數(shù)，適合個人開發(fā)者進行實驗和開發(fā)。
2.4 避坑提醒
①別同時開“深度思考+聯(lián)網(wǎng)”，易卡頓。
②復雜問題用R1，簡單問題用V3，省時高效。
