【人工智能】学会表达自己的需求是用好DeepSeek R1的关键

DeepSeek R1入门指南

导读

大家好，很高兴又和大家见面啦！！！

经过前面的内容，相信大家都已经认识了什么是推理模型，什么是通用模型，以及如何选择适合自己的模型。

现在工具我们已经认识了，并且我们也拥有了一款自己的工具，那我们有应该如何使用呢？

在与推理模型和通用模型交互时，设计精准有效的提示语，能够更好地让模型理解并满足我们的需求。由于两种模型的功能和特点有所不同，提示语的设计也需区别对待。

在今天的内容中，我们将会介绍在使用不同类型的模型时，我们应该如何设计相应的提示语，准确的表达自己的需求，获取自己期望的结果。接下来我们就直接进入正题吧！！！

一、推理模型提示语设计

清晰定义问题：使用简洁、明确的语言阐述问题，避免模糊和歧义。例如在数学推理中，不要说 “这个数学问题有点难，你帮我想想”，而要说 “已知一个直角三角形，两条直角边分别为 3 和 4，求斜边长度及解题过程”。明确的问题定义能让推理模型迅速定位关键信息，展开逻辑推导。

引导推理步骤：可以在提示语中适当引导模型的推理方向和步骤。比如在法律推理任务中，提示语可以是 “首先分析该案例涉及的法律条文，然后结合案件事实，判断当事人的行为是否构成违法，最后给出具体的法律依据” ，这样模型就能按照设定的逻辑顺序逐步进行推理。

提供必要信息：将与问题相关的背景信息、条件等完整地提供给模型。在分析历史事件因果关系时，要告知模型事件发生的时间、地点、主要人物等信息，帮助模型基于全面的信息进行推理。

二、通用模型提示语设计

明确内容要求：清晰表述期望的内容类型、主题范围和风格特点。如果希望生成一篇新闻稿，提示语可以是 “以客观、中立的新闻报道风格，撰写一篇关于近期科技行业重大会议的新闻稿，内容涵盖会议主要议题、重要发言和创新成果” ，让模型清楚知道要生成的内容方向。

设定输出形式：根据需求设定输出的格式、字数等要求。若需要一段 500 字左右的产品介绍文案，可在提示语中明确说明 “请生成一段 500 字上下的产品介绍文案，采用总分总的结构，先概述产品特点，再详细阐述功能，最后总结优势” 。

鼓励创新与拓展：对于通用模型，可以适当鼓励其发挥创意，拓展内容。在创作故事时，提示语可以是 “基于冒险题材，发挥你的想象力，创作一个充满奇幻元素和意外情节的故事，字数不限，让故事尽可能丰富有趣” ，激发模型生成更具特色的内容。

三、DeepSeek R1 的使用

DeepSeek R1 作为一款强大的推理模型，具备独特的链式思维能力，能对复杂问题进行深度分析和逻辑推导。为了充分发挥其优势，设计恰当的提示语至关重要。

3.1 从下达指令到表达需求

在不同的场景中，我们在对模型表达需求的方式是有所不同的，下面我们将从4个维度进行介绍；

3.1.1 指令驱动：

• 定义与目标：直接给出明确的步骤或格式要求。
• 适用场景：适用于简单任务、需要快速执行的情况。
• 示例（推理模型适用）：“用 Python 编写快速排序函数，输出需包含注释。”
• 优势与风险：优势是结果精准高效；风险是限制了模型自主优化空间。

3.1.2 需求导向：

• 定义与目标：描述问题背景与目标，由模型规划解决路径。
• 适用场景：适用于复杂问题、需要模型自主推理的场景。
• 示例（推理模型适用）：“我需要优化用户登录流程，请分析当前瓶颈并提出 3 种方案。”
• 优势与风险：优势是能激发模型深层推理；风险是需要清晰定义需求边界，否则可能导致模型理解偏差。

3.1.3 混合模式：

• 定义与目标：结合需求描述与关键约束条件。
• 适用场景：用于平衡灵活性与可控性的场景。
• 示例（推理模型适用）：“设计一个杭州三日游计划，要求包含西湖和灵隐寺，且预算控制在 2000 元内。”
• 优势与风险：风险是需要避免过度约束，否则可能影响模型发挥。

3.1.4 启发式提问：

• 定义与目标：通过提问引导模型主动思考，如 “为什么”“如何” 等问题。
• 适用场景：适用于探索性问题、需要模型解释逻辑的场景。
• 示例（推理模型适用）：“为什么选择梯度下降法解决此优化问题？请对比其他算法。”
• 优势与风险：优势是触发模型自解释能力；风险是可能偏离核心目标，因为模型的回答可能过于发散。

3.2 任务需求与提示语策略

在不同类型的任务中，我们在设计提示语时，其侧重点也有所不同，下面我们以5种任务类型为例进行介绍；

3.2.1 数学证明

推理模型适合鼓励发散性思维，通过设定角色或风格来激发创作灵感，像 “以海明威的风格写一个冒险故事”，但要避免过度约束逻辑，否则会限制其创造力。

通用模型则需要明确约束创作目标，防止自由发挥，比如 “写一个包含‘橙子’和‘沙漠’的短篇小说，不超过 200 字”，开放式指令会导致生成内容缺乏方向和重点。

3.2.2 创意写作

推理模型适合鼓励发散性思维，通过设定角色或风格来激发创作灵感，像 “以海明威的风格写一个冒险故事”，但要避免过度约束逻辑，否则会限制其创造力。

通用模型则需要明确约束创作目标，防止自由发挥，比如 “写一个包含‘橙子’和‘沙漠’的短篇小说，不超过 200 字”，开放式指令会导致生成内容缺乏方向和重点。

3.2.3 代码生成

推理模型仅需简洁表述需求，如 “用 Python 实现快速排序”，信任它的逻辑能力，无需进行分步指导，过多的分步指导反而会限制其发挥。

通用模型则需要细化步骤，明确输入输出格式，如 “先解释快速排序原理，再写出代码并测试示例”，模糊需求会使生成的代码不符合实际需求。

3.2.4 多轮对话

通用模型适合自然交互，以日常对话的方式提问，如 “你觉得人工智能的未来会怎样？”，强制逻辑链条会让对话显得生硬不自然。

推理模型则需要明确对话目标，避免开放发散，例如 “从技术、伦理、经济三方面分析 AI 的未来”，情感化提问不利于模型进行理性分析。

3.2.5 逻辑分析

推理模型可以直接抛出复杂问题，如 “分析‘电车难题’中的功利主义与道德主义冲突”，添加主观引导会干扰其客观分析。

通用模型则需要拆分问题，逐步追问，如 “先解释电车难题的定义，再对比两种伦理观的差异”，一次性提问复杂逻辑会使它难以全面准确地回答。

在不同任务类型中，根据推理模型和通用模型的特点设计提示语，能够让它们更好地完成任务，满足我们的需求。

3.3 如何表达需求

那我们又应该如何准确的表达自己的需求呢？下面我们同样还是以5种类型需求来进行说明：

3.3.1 决策需求：

• 特点：需权衡不同选项，评估风险，进而选择最优解。
• 需求表达公式：

• 示例：比如目标是选购一款笔记本电脑，选项是不同品牌型号，评估标准是性能、价格等。
• 推理模型适配策略：要求逻辑推演和量化分析，通过严谨的逻辑和数据计算来辅助决策。
• 通用模型适配策略：直接建议，依赖模型经验归纳，凭借过往经验给出相对直接的建议。

3.3.2 分析需求：

• 特点：需要深度理解数据或信息，发现其中模式或因果关系。
• 需求表达公式：

• 示例：例如针对某地区销售数据，运用统计分析方法来探究销售趋势。
• 推理模型适配策略：触发因果链推导与假设验证，从因果关系出发进行深入推理和验证。
• 通用模型适配策略：表层总结或分类，对数据信息进行较为表面的总结或分类处理。

3.3.3 创造性需求：

• 特点：要生成新颖内容，如文本、设计或方案等。
• 需求表达公式：

• 示例：比如以旅游为主题，采用文艺风格，在一定篇幅限制下，融入独特视角。
• 推理模型适配策略：结合逻辑框架生成结构化创意，借助逻辑框架有序产出创意内容。
• 通用模型适配策略：自由发散，依赖示例引导，在一定示例引导下自由发挥创造力。

3.3.4 验证需求：

• 特点：需检查逻辑自洽性、数据可靠性或方案可行性。
• 需求表达公式：

• 示例：例如针对一个项目方案，明确验证方法和可能风险点。
• 推理模型适配策略：自主设计验证路径并排查矛盾，独立思考设计验证流程并发现问题。
• 通用模型适配策略：简单确认，缺乏深度推演，只是进行较为简单的确认。

3.3.5 执行需求：

• 特点：需完成具体操作，如代码计算、流程执行等。
• 需求表达公式：

• 示例：像给出编写代码任务，规定步骤和输出格式。
• 推理模型适配策略：自主优化步骤，兼顾效率与正确性，在执行中自行优化流程以达更好效果。
• 通用模型适配策略：严格按指令执行，无自主优化，完全依照指令内容执行，不做自主调整。

3.4 提示语实战技巧

下面我们从不同需求类型的出发，通过对应的提示语示例来总结其类型的提示语技巧实战技巧，具体内容如下：

3.4.1 决策需求：

• 示例：为降低物流成本，现有两种方案：

①自建区域仓库（初期投入高，长期成本低）； ②与第三方合作（按需付费，灵活性高）。

请根据 ROI 计算模型，对比 5 年内的总成本并推荐最优解。

• 实战技巧：提供明确选项、评估标准和目标，以便模型基于量化分析给出决策建议。

3.4.2 分析需求：

• 示例：分析近三年新能源汽车销量数据（附 CSV），说明：

①增长趋势与政策关联性； ②预测 2025 年市占率，需使用 ARIMA 模型并解释参数选择依据。

• 实战技巧：给出数据、分析问题和指定分析方法，引导模型深度挖掘数据信息、发现模式和因果关系。

3.4.3 创造性需求：

• 示例：设计一款智能家居产品，要求：

①解决独居老人安全问题； ②结合传感器网络和 AI 预警； ③提供三种不同技术路线的原型草图说明。

• 实战技巧：明确主题、风格、约束条件和创新方向，让模型生成新颖且符合要求的内容。

3.4.4 验证性需求：

• 示例：以下是某论文结论：“神经网络模型 A 优于传统方法 B”。请验证：

①实验数据是否支持该结论； ②检查对照组设置是否存在偏差； ③重新计算 p 值并判断显著性。

• 实战技巧：给出结论或方案、验证方法和需关注的风险点，使模型检查逻辑和数据的可靠性。

3.4.5 执行需求：

• 示例：将以下 C 语言代码转换为 Python，要求：

①保持时间复杂度不变； ②使用 numpy 优化数组操作； ③输出带时间测试案例的完整代码。

• 实战技巧：清晰描述任务、步骤约束和输出格式，确保模型准确完成具体操作。

结语

在今天的内容中我们学习了两种类型的模型所对应的提示语应该如何设计：

• 推理模型
• 清晰定义问题：使用简洁、明确的语言阐述问题，避免模糊和歧义。
• 引导推理步骤：可以在提示语中适当引导模型的推理方向和步骤。
• 提供必要信息：将与问题相关的背景信息、条件等完整地提供给模型。
• 通用模型
• 明确内容要求：清晰表述期望的内容类型、主题范围和风格特点。
• 设定输出形式：根据需求设定输出的格式、字数等要求。
• 鼓励创新与拓展：对于通用模型，可以适当鼓励其发挥创意，拓展内容。

之后我们又学习了在使用DeepSeek R1时，应该如何设计提示语并准确的表达自己的需求：

1. 决策需求：

• 特点：需权衡不同选项，评估风险，进而选择最优解。
• 需求表达公式：

• 提示语技巧：提供明确选项、评估标准和目标，以便模型基于量化分析给出决策建议。

1. 分析需求：

• 特点：需要深度理解数据或信息，发现其中模式或因果关系。
• 需求表达公式：

。

• 提示语技巧：给出数据、分析问题和指定分析方法，引导模型深度挖掘数据信息、发现模式和因果关系。

1. 创造性需求：

• 特点：要生成新颖内容，如文本、设计或方案等。
• 需求表达公式：

。

• 提示语技巧：明确主题、风格、约束条件和创新方向，让模型生成新颖且符合要求的内容。

1. 验证需求：

• 特点：需检查逻辑自洽性、数据可靠性或方案可行性。
• 需求表达公式：

• 提示语技巧：给出结论或方案、验证方法和需关注的风险点，使模型检查逻辑和数据的可靠性。

1. 执行需求：

• 特点：需完成具体操作，如代码计算、流程执行等。
• 需求表达公式：

• 提示语技巧：清晰描述任务、步骤约束和输出格式，确保模型准确完成具体操作。

今天的内容到这里就全部结束了，在下一篇内容中我们将介绍DeepSeek的一些实用技巧，大家记得关注哦！