本文来自微信公众号：花叔，作者：华生的黑镜，原文标题：《爆肝50小时，DeepSeek使用技巧开云kaiyun.com，你保藏这一篇就够了！》，题图开头：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运用。

况兼在这个历程中，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%。

能得到这个建立的原因惟有一个，那即是：他们发布了一个免费，且无比灵巧的模子——DeepSeek R1。

尤其是“灵巧”这个性情，让大齐的请示词技巧运转失效，你只需要很简便地表述你的需求，便能得到超出预期的回复。若是回来大说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的发布让大模子插足了全球视线，而两年后的DeepSeek R1则是让一个满盈优秀的模子变得易如反掌。

四肢别称在B站/YouTube作念了一年多ChatGPT等AI产物素养，素养视频播放量超400万的AI博主，一方面我很喜跃原来诠释的技巧成了不必的屠龙之术，有更多东说念主不错更削弱容易地使用AI去提拔我方的责任、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，好多东说念主对大说话模子依然怀着诞妄的领会和预期，而这很可能会抵制使用R1的体验。

是以，更适合履行的情况是：

你不再需要那么多的请示词技巧，关联词还有两点止境枢纽。

（1）你需要交融大说话模子的责任旨趣与局限，这能匡助你更好地知说念AI可完成任务的界限；

（2）在和R1互助时，你最佳有管理者的念念维和训诫，你需要知说念怎样向R1这个灵巧进度比你高好多的下属顶住你的任务。

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的训诫，包括5个大说话模子的特色，7项与R1对话的技巧，以及7种考证无效你不错断念的请示战略。

这篇长文主要包含以下四个部分：

第一部分，我会向你解释DeepSeek R1模子和你可能使用过的豆包、ChatGPT等产物的互异，为什么这个模子不错使用更简便的请示战略了。

第二部分，我会向你先容大型说话模子最伏击的5个特色，让你交融为什么AI在完成某些任务时很灾祸，以及它的能力与学问界限是什么样的。

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交融为是四肢携带向灵巧的下属顶住任务时所需要眷注的点。

第四部分则是会谈及此前很灵验，关联词目下已失效的请示战略，若是你有丰富的大模子使用训诫了，你不错在这里望望你不错断念什么。

不外，在作念任何深入的先容之前，若是你还没使用过DeepSeek的话，热烈建议你先去作念一些尝试，再复返看著作，成果会更佳，你有两种官方使用格式：

拜访DeepSeek官网：https://chat.deepseek.com/

在AppStore或安卓运用商店搜索“DeepSeek”下载免费使用即可

在使用时，顾惜聊天输入框下方的两个遴荐“深度念念考R1”和“联网搜索”。

对于“深度念念考R1”：

当你需要更简便快速的回复时，不必绽放“深度念念考”，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，更三念念此后行时，你应该绽放“深度念念考R1”选项，这亦然今天我这篇著作东要在参议的模子；

对于“联网搜索”：

当你的任务所触及的学问在2023年12月之前，你无须绽放“联网搜索”功能，大模子自身就有此前被充分西席过的语料学问；

当你的任务所触及的学问在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，你必须绽放“联网搜索”功能，不然大模子在回复时会枯竭相应的学问。

一、推理模子与指示模子

在阐述任何技巧之前，你起初需要知说念的是，DeepSeek的R1是个与你日常使用的对话类AI止境不同的模子。

像OpenAI的GPT-4o、DeepSeek V3、豆包等齐属于指示模子（instruct model），这类模子是独特联想用于辞退指示生成内本心实践任务的。

而DeepSeek R1属于推理模子（reasoning model），专注于逻辑推理、问题处分的模子，能够自主处理需要多面目分析、因果推断或复杂决策的任务。

履行上，还有一个着名的模子，也即是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，也即是1437元。

而DeepSeek R1目下十足免费！

从我履行的体验来说，R1在大齐的写稿、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。关联词令东说念主恐怕的是，有了超强的推理能力之后，R1似乎在扫数任务上齐得到了质的飞跃，“败露”出了猜想除外的技巧。

在原来指示模子的期间，AI的能力受到了很强的为止，你需要通过请示词的种种技巧才能引发模子更好的阐述，而平等闲东说念主来说，学这些技巧的确让东说念主头大不已。

在DeepSeek R1模子下，你只需要清澈、明确地抒发你的需求就好了。就像你领有一个比你灵巧得多的清北毕业的具有10年责任训诫的下属，你不需要一步步套路它，携带它的责任，你只需要把扫数他需要知说念的信息告诉他，然后将你的任务顶住下去即可。

但怎样顶住任务呢？起初你需要知说念这个下属的特色。

二、交融大型说话模子的骨子特征

尽管像DeepSeek R1这么的推理模子比较指示模子有了止境大的朝上，你不需要那么多技巧了，但他依然是个大型说话模子（LLM），他依然存在说话模子的局限性，交融它的特色将会匡助你更好的运用他。

特色1: 大模子在西席时是将内容token化的，大模子所看到和交融的寰宇与你不一样

在交融模子行动之前，咱们需要了解它是怎样“学习”的。大型说话模子的预西席骨子上是让模子修复文本片断之间的关联限定。为了终了这个议论，扫数西席数据（包括书本、网页、对话记录等）齐会经过额外处理：起初将文本切割成称为token的基本单位（访佛翰墨的“碎屑”），然后将这些token升沉为数字编码。这个历程就像把现实寰宇的说话，翻译成惟有模子能交融的“密码本”。

在推理模子出来之前，好多东说念主止境可爱用来测验大模子才智的一个问题是：Strawberry这个单词中有几个r字母？

此前像GPT-4、GPT-4o这类被认为很迢遥的大模子也没法把这个问题回复准确，这不是因为模子不够“灵巧”，而是它在被西席时的特色导致了这一收尾。

而所谓的token化即是大模子为了西席会将部分单词、中翰墨符进行拆分分解，比如在GPT3.5和GPT4的西席中，“词”这个字就被拆成了两个token，Strawberry则被拆成三个token，折柳是“Str”“aw”“berry”。这种切割格式取决于西席时接受的tokenizer算法，也可能把荒凉词拆解成无趣味的片断。

举这个例子是想告诉你，大模子所看到的寰宇和你所看到的不一样。当你在数字母时看到的是不竭的字符流，而模子看到的却是经过编码的token序列。是以，访佛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齐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，目下推理模子表面上不错完成我例子中的任务，关联词你望望他推理的历程……是不是认为照旧有些汉典，有些于心不忍。

特色2：大模子学问是存在截止时刻的

天然DeepSeek R1在2025年1月才庄重发布，但其基础模子的西席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——从贵府集聚到最终付印需要完好意思的出产周期。具体来说存在三重时刻壁垒：

（1）预西席阶段需要处理PB级原始数据；

（2）数据清洗需要经验去重、脱敏、质地考证等工序；

（3）后期还要进行监督微调、强化学习、基于东说念主类响应的强化学习（RLHF）等迭代优化。

这种学问滞后性会带来一系列的问题和幻觉，比如DeepSeek R1目下还认为GPT-4是寰宇上最强的模子，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巴黎奥运会赛事收尾，无法告诉你2025年春晚或春节档的电影阐述。

这些齐是模子西席的特色导致的，好多东说念主拿访佛任务去问R1，发现R1问官答花，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》必须记录2021年的新词——骨子是学问载体的物感性情使然。

要打破这种学问为止，也有设施：

激活联网搜索功能：给R1提供自主搜索查找信息的权益；

补充必要学问：你不错通过上传文档、在请示词中提供充足的信息之后，再让R1去为你实践具有更近时效性的任务。

特色3：大模子枯竭自我领会/自我果断

DeepSeek R1或者任何模子其实齐枯竭“我是谁”的见识，若是他自愿有了，那可能说明AGI左近，咱们可能反而该警惕了。

好多模子齐不知说念我方叫xx模子，这是很迢遥的沉静，除非大模子厂商在部署的时候在系统请示词中作念了设定，或者预西席完成后用了特定的语料进行微调。

以及，因为这种自我领会的枯竭会带来两个问题：

（1）AI有时候会给出诞妄的自我领会，比如deepseek以及好多别的模子齐可能认为我方是ChatGPT，因为ChatGPT发布后，好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沉静。

（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大齐我方的脑力算力去写稿这篇著作的原因。

特色4：追忆有限

多数大模子齐有高下文长度的为止，deepseek R1目下提供的高下文惟有64k token长度（官方API文档的说明，履行聊天对话的长度待阐述），对应到中翰墨符大要是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超越3万字时，你不错交融为他是通过RAG，也即是检索增强的格式去登第你文档中的部天职容四肢追忆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。

这部分的为止在你开展让AI写代码的任务时会感受尤其较着。

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度在4k或者8k，也即是单次对话最多给你2千～4千中翰墨符。

是以，你没法复制一篇万字长文让DeepSeek一次性完成翻译，也不成让DeepSeek一次性帮你写一篇5000字以上的著作，这些齐是模子输出长度为止导致，你需要交融这个问题的存在。

若是要处分这个问题的话，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屡次实践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，比较安妥的作念法是先让R1梳理框架列出提纲领次，再凭证目次一次次折柳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

能说了了的信息，不要让DeepSeek去猜。DeepSeek天然很灵巧，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，作念到什么进度。比如：若是你复制一段英文文本给它，你需要明确抒发你的指示，也即是你需要它作念什么。不然，DeepSeek并不会交融你想要作念什么。是翻译？总结？照旧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字的公众号著作，那你就明确抒发你写的著作东题需要500字，天然咱们前边提过了大模子并不擅长筹画数字，它大要率只会给你复返300-700之间长度的著作，但这至少是约莫适合你的篇幅条目的。

诞妄示范：

为跨境电商平台写个用户增长有盘算

优化有盘算：

为衣饰跨境电商平台联想30天新用户增长筹办，咱们祈望要点打破东南亚市集（议论国度：印尼/越南/泰国）。你的有盘算中需包含：外交媒体运营战略、KOL互助框架、ROI预估模子

技巧2：条目特定的立场

具有念念维链的R1在进行特定立场的写稿时，比较其他模子，我发现R1依然出现了断层最初的水平，比如让R1用李白的立场写诗，按贴吧烦燥老哥的立场骂东说念主，用鲁迅的文风进行挖苦，或者师法轻易作者立场进行写稿，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齐追不上R1的车尾。

在这个模式下，有个很灵验的表述格式是让R1“说东说念主话”，或者让R1认为“你是初中生”，他就能将复杂见识简化为你提供更易交融的解释。

又或者，你十足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走路街用户的公众号著作。

技巧3：提供充分的任务布景信息

当你让DeepSeek匡助你完成某项责任时，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念念考中，这不错让收尾更适合你的需要。

比如当你要DeepSeek帮你生成减肥筹办时，你最佳告诉他你的肉体状态，你目下的饮食摄入和清醒情况是什么样的。

诞妄示范：

帮我生成为期一个月的减肥筹办。

优化有盘算：

我是男性，目下身高175，体重160斤，每天清醒量是走路1公里，我但愿1个月内瘦到150斤，请帮我制定一个清醒及饮食减肥筹办。

技巧4：主动标注我方的学问状态

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学问状态。就像真诚备课前需要了解学生学力水平，清澈的学问坐标能让AI输出的内容精确匹配你的交融档次。

像咱们前边提到了告诉R1“我是初中生”或者“我是小学生”是个把我方扬弃在一个学问布景约等于0的学问状态的好格式，关联词当某些内容你但愿能和AI深入探讨时，你最佳更清澈抒发你在该限制的学问状态，或者你是否存在关联限制的学问，这能让AI更交融你，为你提供更精确的回复。

诞妄示范：

给我讲讲机器学习

优化有盘算

我是刚交往AI的文科生，请用生计案例解释什么是机器学习，条目300字以内，幸免数学公式

进阶示例

我有三年Python设备训诫，正在学习Transformer架构，请对比RNN和Transformer在长文本处理中的性能互异，需包含重见地机制的中枢公式

技巧5：界说议论，而非历程

R1四肢推理模子，目下完成任务的念念维历程止境令东说念主印象深切。是以我很建议你提供了了你的议论让R1具备一定的念念考空间去匡助你实践得更好，而非提供一个机械化实践指示。你应该像产物司理提需求般描述“要什么”，而不是像圭臬员写代码般法令“怎样作念”。

譬如说，你的产物评审会可能需要整理灌音翰墨稿，一种作念法是径直条目怎样整理，比如“删掉口吻词，如期间分段，每段加小标题”这亦然个止境清澈明确的优质请示语；关联词你不异不错进一步念念考下这段灌音翰墨稿所总结出的材料要怎样使用，为R1提供议论，让他创造性地为你完成任务。

等闲示范：

优化底下这段灌音转录的翰墨稿，删掉口吻词，如期间分段，每段加小标题

优化有盘算：

优化底下这段灌音转录的翰墨稿，需要整理成可供新职工快速交融的会议纪要，要点呈现功能迭代决策与风险点

技巧6：提供AI不具备的学问布景

咱们在第二部分提到过，AI模子具有“学问截止时刻”的性情，当任务触及模子西席截止后的新信息（如2024年赛事收尾、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打破学问为止，幸免因信息枯竭导致出现诞妄回复。

诞妄示范：

分析2024年巴黎奥运会中国代表团的金牌散播

优化有盘算：

***上传《2024巴黎奥运会中国夺金名堂统计表》***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清醒名堂的金牌孝顺率

技巧7：从开放到管制

R1的念念维链是全透明在你明前张开的，我频频会认为我从R1念念考的历程中能收成的信息比他给我提供的收尾还多，尤其是他在张开念念考你提的需求时，会作念一个可能性的预计。有时，在看到这部分预计后你才发现原来我方莫得计议到某些方面的信息，若是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、适合你需要的收尾。

譬如说，不才面这个案例中，R1在念念考时为咱们提供了三种不同的加价设施（分阶段加价、加多产物价值、通过营销行为鼎新重见地），以及揣度了咱们可能具有的两种深层需求（保捏市集份额or进步品牌形象）。咱们不错借此念念考我方倾向的设施和议论是什么，对请示词进行进一步的管制，那么接下来能得到的回复也将会愈加精确。

四、无效的请示词技巧

在使用R1时，以下prompt战略训诫证已基本失效，致使部分技巧会起副作用，比如：

1、念念维链请示，比如条目模子一步步念念考，或者提供解答问题的念念维念念路等，这齐是十足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念念维链了。

2、结构化请示词，不错有，但也没那么需要，你依然不错使用markdown面目的语句去让信息结构更清澈，东说念主类搜检和机器阅读的时候更好交融，关联词因为你需要请示的内容少了， 是以必要性也大大衰减。

3、条目饰演众人变装，依然变得十足没必要，目下R1自身即是众人模子众人念念维，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，你只需要去请示学科即可，不需要药企众人了。

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寒。

5、少示例请示（few-shot），这是DeepSeek团队在发布R1时期文告时明确建议狡饰的一个请示技巧，不要有示例，你说了了条目比给示例更伏击。

6、变装束演，R1不太擅长，你很难用R1去搭建一个AI女友/男友，可能是因为情感化的对话齐是依赖直观，是反三念念此后行的。

7、对已知见识进行解释，没必要进行解释，比如咱们著作前边提到的，当你让AI去师法某个作者、名东说念主的立场时，你没必要解释阿谁作者是谁，他的立场是什么样的，AI有我方的交融，况兼在念念考历程中对你所提供的见识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，授权事宜请联系 hezuo@huxiu.com