從 DeepSeek R1 發布那天開始，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時，發現很多朋友并沒有很好的發揮出 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。
在哪使用 DeepSeek
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. 網頁版：打開 https://chat.deepseek.com/ 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，即現在讓“硅谷震驚”的模型。
深度思考旁邊還有個聯網搜索，默認情況下 DeepSeek 使用的是好幾個月前的訓練數據，如果我們想參考最新的新聞，則點擊聯網搜索讓 DeepSeek R1 基于最新的網絡數據來優化回答。
另外 DeepSeek 還提供了服務狀態的監控，可以打開 https://status.deepseek.com 查看服務狀態。
一般來說，當服務狀態為紅色時，會較頻繁的出現“服務器繁忙，請稍后再試”的提示。
基礎技巧
好了，現在正式進入正題，看看用什么技巧能讓 DeepSeek R1 成為我們的得力助手。
直接提需求
首先說下 DeepSeek 相對于 GPT 等主流大模型的區別。
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，催我結婚，讓我回家。給我講七大姑八大姨家的孩子都結婚了，為啥就我單身，再給我安排幾個相親對象。”
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，限制它們的發揮。
DeepSeek R1 在發表的論文中也提到：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 “當老黃看到英偉達的股價因為 DeepSeek R1 暴跌 17% 時，寫出他的內心獨白” 為例，對比下幾個主流大模型，就能看出一些區別。
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系統，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助手。
這位專業助手不需要我們告訴它應該怎么做，我們只管“當大爺”提需求，讓助手干活就行了。
可能幾次交流之后，你會得出這樣的結論：我們是真不如 AI 那樣博學啊。
下面再介紹一些技巧，讓你的 DeepSeek 好用到爆。
萬能提問模板
雖然直接提問題已經能得到不錯的答案，但如果再加上“背景描述”這個簡單的優化，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（如我一個互聯網打工人）、我當前的水平（如我是自媒體小白）、我想讓 DeepSeek 充當的角色（如你是一名自媒體運營專家）等。
有時 DeepSeek 回答的內容可能不是你想要的，這時我們可以增加約束條件，來限制、優化它回答的內容。
所以可總結成這個簡單、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習單詞、語法、閱讀和寫作，還提供了一些應試技巧和日常訓練的方法。
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、學習、生活的好幫手。
讓 DeepSeek “說人話”
模板雖好用，但是當我們問到一些專業領域的問題時，DeepSeek 的回答會摻雜很多專業名詞來解釋問題。
如果我們是行業內的人，專業名詞能幫我們快速清楚的解釋明白問題。
但如果這個領域剛好不是我們擅長的話，通常都會覺得這些專業名詞晦澀難懂，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，如果我們是業內人士，自然知道 MoE 架構、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，用“高清電影轉 MP4 格式”來解決 FP8。
是不是一下就懂了！
模仿回答
我們還可以用“模仿 X”、“以 X 的口吻/語氣”，“以 X 的內心獨白”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 DeepSeek 導致英偉達股價暴跌的問題。
用貼吧暴躁老哥的語氣回應美國多名官員稱 DeepSeek 偷竊了他們的技術。
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。
讓《雪中悍刀行》的作者烽火戲諸侯，寫短篇小說給我們看。
有網友分享了“哲學大師”，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果。
高級技巧
這里再提供幾個比較繁瑣但高級的用法。
多模型組合
對于復雜場景，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 告訴我們應該怎么處理問題，然后根據它給的答案讓指令型大模型去生成結果。
業務分析
如果我們想分析業務，可以開啟“聯網搜索”實時搜索內容，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“聯網搜索”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。
以我測試的結果看，一波策劃和數據分析師要失業了。
DeepSeek 不適合做什么
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. 敏感內容：國產審核比較嚴，這里不說多了，懂得也懂。
2. 長文本內容：現在 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構（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。
其實還有很多內容還沒寫出來，大家可以先關注我，后續會持續給大家帶來一些干貨。
最后再說一句，從去年 ChatGPT 的爆火到現在的 DeepSeek R1 的轟動，AI 就像當年的智能手機一樣，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。
大家應該很難相信，人類現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。
END
關注我，及時獲取更多有趣資訊
