DeepSeek雖然是推理類大模型，對結構化prompt的要求沒有那么訓練類模型（如Kimi、Claude）那么高。
但是依然需要用戶擅長和它對話，而這就是AI時代最值錢的技能之一：指令調教。
一 為什么需要調教指令
AI輸出任務的難度不同，對指令的質量要求截然不同，調教難度千差萬別。
如果只是一個不需要任何背景信息的客觀單任務，比如明天杭州天氣，比如小米15和iphone 15性能對比，也就是說和用戶沒關系，答案非常穩定，就不需要什么指令學問，隨便問，甚至搜索就能直接解決。
但如果這個任務，個性化+多變量，那就需要好的指令。
如果對這2個關鍵詞不好理解，我們一個個來說。
第一，非常個性化，也就是和執行人的背景信息高度相關，比如去杭州旅行2天的攻略，1000個人有1000種玩法，預算上可以花100，也可以花10萬，景點安排上，酒店安排上，到處都是差異。
第二，是多變量復雜任務。
也就是說需要拆分為各種元素的，比如你讓AI幫你寫篇文章，但你知道，一篇文章由太多元素組合而成，標題、開頭、正文、結構、表達、語句、金句、結尾等等。
不做每個元素的限定指令，你心里想要的和AI實際生成的就會差之毫厘謬以千里。
二 指令調教的底層邏輯
所以指令調教，就像是給AI先教會，再讓它完成任務。
這個和人的學習非常像，比如我們每個人開車是手動眼動腳動腦動，基本上都已經形成機械記憶了。
但是我們學駕照的時候，教練是怎么教我們的，是把一個個動作拆分給我們的，怎么換檔位，怎么踩剎車，怎么調燈光，怎么打方向盤等等。
那有人會問了，AI不是特別強大嘛，為什么我們還要去教他？
它確實很強大，但它強大的是它背后有海量的知識，比如GPT 4他被喂養了幾千萬本書了，DeepSeek也已經被喂養了海量的中英文知識庫。
但是他是一個書呆子，他動手能力還不行，沒辦法執行你的任務，但好在他學習能力很強，而且是真學，這就需要你，先把任務做細化的拆分，先教會它。
這就像是一個老板和一個中高層給下面的同事布置任務，是不是要根據這個人的身份，任務的目標，這個人的能力資源需求，還有具體要做的事情來布置。
這就是目前所有的高質量的指令的底層邏輯，這是我開發并命名的CHAT模型，也是元指令。
這個元指令，我把它命名為CHAT模型，不是瞎編，瞎往ChatGPT上湊，是Character（角色)， History（背景)， Ambition（目標)， Task（行動)的首字母縮寫。
1 給它一個角色身份，告訴它它是誰。2 給它充分的上下文背景信息。3 告訴它你要實現什么目標。4 明確告訴它幫你做什么。
三 AI指令的5個層次
不同層次的指令會帶來截然不同的生成結果。
這也是為什么AI在有些人手中是人工智障，但在高手手中是人工智能。
我調教過無數個指令，也看過很多別人調的指令，更看過海量的AI生成的指令。
根據生成質量的不同，我把他們分為五個層次。
第一層，邏輯層，簡單的問是什么，為什么，怎么樣，答案類似搜索引擎，常常結果不讓人滿意。
比如你問AI，如何每天早起，得到的就是和搜索一樣的無用的廢話或道理。
他不知道你的背景信息，也不知道為什么要早起，更不知道你愿意為早起付出什么等等。
第二層，案例層，用一個例子投喂給AI，讓它模仿，結果超過第一層，但是模仿痕跡太過，創意不足。
這個方法其實很多人在用，比如給AI一個文案例子，然后讓他直接模仿，生成新的文案。
但是，通常情況下，質量很不行。
這個質量不行，來自于兩個原因，因為你不夠專業，你喂養他的這個案例根本質量就不行，第二，AI的學習模仿能力還沒有這么強。
而且很多時候因為你喂給AI的只是一兩個例子，他的輸出結果是很不穩定的。
它在這個產品可以模仿，換別的產品呢，換別的品類呢，換別的行業呢。
第三層，模板層，用各種限制元素確定好的模板，直接套用。
這個模板層，有一個詞大家可能很熟悉，特別是有知識體系的人，就叫思維模型，或者叫方法論。
比如講故事，寫文章，就有SCQA模型，STORY模型、故事7步公式法模型等等。
那你用這些模型框架去給AI做限定，比如讓AI寫一篇1000字左右的講書稿，和讓AI用SCQA模型寫一篇講書稿，質量就完全不一樣，而且有了框架支撐，就像人的骨架一樣，他的輸出結果是非常穩定的。
比如目標管理和教練技術，就有GROW模型。
比如復盤總結，就有PDCA模型。
比如做演講，就有黃金圈模型3W。
第四層，角色層，賦予它一個身份，讓它執行你的任務。
聽過OpenAi首席的開發專家分享，再結合我自己的調教經歷，我就發現給他一個身份，特別是專家身份，它的輸出結果就好很多。
這真的有跟人很像。
我還記得在十幾年前，我高考前的百日誓師大會上，一個學長就跟我們分享。
他說我之前也是一個很討厭學習的人，但自從有一天用了一個方法就是自我催眠，自我欺騙，說，我很愛學習，就真的每天會多學一點，慢慢的有進步了，他就真的相信自己很愛學習。
這種心理暗示，其實是有科學來源的，在心理學要安慰劑效應。
我在育兒的時候也很有體會，多表揚閨女，多夸閨女，他就會表現的更好。
比如我們在指令里說，你是一個爆款文章寫作專家，就比直接說你幫我完成什么什么任務，生成質量要好很多。
但是如果我們給他下指令，說你是一個備受讀者吹捧的爆款文章寫作專家，你的粉絲像追小說連載一樣，追你的文章，生成的質量效果就更好。
第五層，混合層，把前四層綜合運用。
第五層就是混合層，我幾乎每個高質量的指令都是用混合層來調整完成的。
有專業的角色身份，有優質的案例，有科學的思維模型框架，再加上具體的目標和任務。
在這里舉個例子，完整的呈現一下我調教一個高質量指令的全過程。
比如我在調教爆款標題指令的時候。
第一步，找到大量非常優質的爆款標題，特別是咪蒙的標題。
這第一步非常關鍵，如果你沒有判斷爆款標題的能力，你喂養給AI的標題語料都是很劣質的，你自己不是行業內的細分專家，你不可能調教出高質量指令。
就像人吃的食物很劣質，就不可能有健康的身體，也不可能有很好的工作表現。
第二步，讓AI總結出爆款標題的特點。
第三步，把自己的爆款標題方法改造成AI懂的。
用你自己的爆款標題方法論和這些特點做一個結合。
有人可能會問了，為什么不直接把自己的爆款標題方法給到AI讓他直接去生成。
因為很多時候你的爆款標題方法論，他之前沒有學習過，但是沒有創造能力的。
還記得我們始終要堅持的一點嗎，先把AI教會再讓它來幫助我們完成高難度的任務。
我們前面幾步的把標題語料喂養給他，并讓他總結，其實就是他的一個模仿學習過程。
第四步，用CHAT模型和模型框架+案例
給Ai下任務，這一步是測試我們的爆款標題指令是否能夠生成高質量的標題。
第五步，大面積推理測試
第五步是測試它的穩定性，看這個指令是否能夠高質量的生成不同場景的高質量標題。
不同類型的文章，不同類型的視頻，不同類型的文案，不同類型的書籍。
哪個類型發揮失常，就需要繼續加限制。
比如我前段時間用得到AI來生成書籍的金句，就發現如果我不限定這個金句的來源，他就會胡編亂造。
第一版本是幫我給《活著》這本書找十個金句，第二個版本結果就好很多，幫我給《活著》這本書找十個金句，并說明在書中哪里。
第六步，用打分指令，給這個終極指令再打個分優化一下。
