這個春節，DeepSeek  實在太火了，無須贅述。

今天，我們直接講干貨。用10個問題帶大家了解：DeepSeek 怎么用，如何與DeepSeek 高質量對話，以及一些隱藏技巧。

1、巧用 DeepSeek 的三種模式

DeepSeek 提供了三種聊天模式--基礎模型、深度思考（R1）和聯網搜索，你可以根據不同的情境和需求，自由選擇合適的模式。

基礎模型已在去年12月升級至 DeepSeek-V3版本，其性能可與全球領先的開源和閉源模型相媲美，包括 4o、Claude-3.5-Sonnet、Qwen2.5、Llama-3.1等。

如果不選擇任何特定功能，系統將默認使用 V3 基礎模型。在大多數情況下，基礎模型就能滿足您的需求。

深度思考（R1）模式，是今年1月推出的 DeepSeek-R1 正式版，其表現完全不亞于 OpenA I的 o1（該模型僅供 Pro 用戶使用，費用為 200美元/月）。由于 DeepSeek-R1 免費、開源且 API 價格極低，使得 DeepSeek 在春節期間成為國內外熱議的“國運”級模型。

R1 模式是一個擅長深入推理的智能模型，特別適合處理數學邏輯、編程以及需要深度推理的復雜問題。而對于一些創作需求，比如寫詩或撰寫文章，通常不需要使用這個模型。

聯網搜索模式允許 DeepSeek 根據網絡搜索結果來回答問題，這類似于 RAG（檢索增強生成）。您可以將其視為 DeepSeek 的 AI 搜索功能。

2、R1 對標 o1，V3 對標 4o

若不啟用深度思考模式，系統將默認使用 V3 模型，這是 DeepSeek 的核心基礎模型。它基于 MoE 架構，擁有 671B 參數，與 GPT-4o、Claude-3.5-Sonnet 等模型相似。該模型在快速回答百科知識方面表現出色（不過，近期可能會有一些延遲，因為用戶數量激增，尤其是在國外用戶活躍的時間段）。

而一旦開啟深度思考模式，系統將切換到 R1 模型，這是一種類似于 o1、o3 的推理型模型，擁有 660B 參數。R1 模型經過后訓練和 RL 強化學習，擅長處理邏輯推理和復雜問題解答，但響應速度相對較慢。

3、知識更新到2024年7月

DeepSeek 的預訓練數據（可以將其視為模型已經掌握的知識）已更新至2024年7月。

因此，對于2024年7月之前的問題，通常不需要啟用聯網功能。然而，對于7月之后的事件（比如：英偉達與 DeepSeek 的相關動態、春晚秧 Bot 的話題），由于 DeepSeek 尚未學習這些信息，建議使用時開啟聯網功能，以獲得更佳的解答效果。

4、提示詞核心：準確表達

無論是 DeepSeek 的 V3 模型還是 R1 模型，它們對提示詞（Prompt）的依賴性都不強，關鍵在于【清晰表達】。

通用的提示詞模板可以是：【你是誰】+【你的目標】。

在適當的情況下，可以添加一些額外的背景信息，例如：【你是誰】+【背景信息】+【你的目標】。

或者也可以這樣表達：【我要】+【做什么】+【目的】+【希望達到的效果】+【可能擔心的問題】……

無論采用哪種模板，關鍵在于【清晰表達】。只要能夠做到這一點，通常就足夠了。以前學習的那些結構化的提示詞，現在可以不再使用了。

比如：作為玄姐談AGI（一家專注于 AI 大模型應用落地的視頻號）的 CEO，請你以 CEO 的身份撰寫一封感謝用戶的公開信。信件需要文筆細膩、具有感染力，大約300字。

輸出：

5、與 DeepSeek 溝通，盡量說人話

與 DeepSeek 交流時，請盡量使用日常語言。

越是直接、通俗的表達，越能發揮其潛力。

例如：以諷刺崇洋媚外的公知口吻來調侃 Deepseek。

圖片

在模仿某種風格時，同樣如此。不需要指導 DeepSeek 如何寫作，它自己懂得如何下筆。

你只需明確告訴它，要模仿的對象是誰，以及要寫的內容是什么，這就足夠了。

6、我是一名小學生

以前，我們總是抱怨 AI 大模型生成的內容充滿了人工智能的味道。

這主要是因為模型輸出過于注重格式化，充斥著“首先、其次、然后、總而言之”這類連接詞，使得內容顯得過于刻板。

人類是感性的生物，對于這種過于理性的表達方式往往感到厭煩，尤其是在文字創作領域，那些如同八股文、學術論文般的文字常常讓人讀來感到乏味。

針對這種情況，建議你添加一句這樣的提示詞：

“我是一名小學生 / 請用小學生能理解的話來說明。”

在 DeepSeek 中使用這樣的提示詞，效果非常顯著。

例如：請用小學生能理解的話解釋，推理大模型的思維鏈是如何運作的？

看，是不是一下就明白了 CoT 思維鏈的原理？

當然，如果你想要更高級的解釋，也可以說自己是高中生、大學生甚至研究生。

7、活用聯網搜索

以 o1 為代表的推理模型，大多數都不具備聯網功能。

這就導致在獲取知識庫更新截止日期之后的信息時，會感到非常困擾。例如，昨晚春晚上的扭秧歌機器人表演，以及2025年春節 DeepSeek 火爆的輿論反應。

DeepSeek 則不同，它是少數既支持推理又能夠聯網的模型。

8、活用上傳附件

DeepSeek 的推理模型不僅具備聯網功能，還允許上傳附件（最多50個，每個不超過100MB）。

結合推理和上傳附件的功能，可以執行更多定制化、隱私化的任務，例如使用個人知識庫或內部文件。這使得 DeepSeek 能夠基于專屬知識庫進行推理和思考。

例如：請閱讀這份資料，并闡述您認為o系列模型將如何引領AI的發展？請提供簡潔而深刻的見解。

9、活用 V3+R1

之前，我們提到 V3 是基礎模型，主要致力于明確我們的需求。而 R1 是推理模型，專注于指導我們如何進行思考和推理。

那么，為何不將這兩個模型的優勢結合起來呢？比如，先與 V3 進行多輪對話，獲取推理所需的細節和提示詞，接著將這些信息傳遞給 R1，由 R1 進行進一步的推理和輸出。這樣的結合使用，無疑會進一步提升 DeepSeek 的整體能力。

示例：請為我撰寫一段對 OpenAI 的犀利批評。

接著，將這段生成的文本和提示詞一起提交給 R1 推理模型進行處理：

10、R1 的3個開放

DeepSeek 在 R1 模型上實現了三個層面的開放性：

1）思維鏈條的完全開放。無論是通過應用端還是 API，用戶都能觀察到完整且透明的思考過程。通過在 API 中設置 model='deepseek-reasoner'，即可輕松調用。

API 調用指南請參考：

??https://api-docs.deepseek.com/zh-cn/guides/reasoning_model??

2）訓練技術的全面公開。DeepSeek 在后期訓練中廣泛采用了 RL 強化學習技術，僅用少量標注數據就顯著提升了模型的推理能力。所有訓練技術均已公開，全球多家研究機構已成功復現 R1 模型。

例如，香港科技大學完成了 R1 模型的復現并將其開源。

以及 TinyZero 項目，僅用不到30美元的成本，就見證了 AI 思考的“頓悟”時刻（即 DeepSeek 論文中提到的“aha moment”）。

相關論文鏈接：

??https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf??

3）開源2個大型模型和6個小型模型。R1 模型的預覽版和正式版參數高達660B，這對一般公司來說難以承擔。為了進一步普及技術，DeepSeek 推出了6個小型模型，并將它們開源給社區。其中最小的模型參數為 1.5B，可以在10G 顯存的環境下運行。

Github 上的鏈接：

??https://github.com/deepseek-ai/??

本文轉載自公眾號玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/FGadeS8z3EL7hwKn93cQng???