簡介這份PDF資料源自清華大學(xué)新聞與傳播學(xué)院新媒體研究中心團(tuán)隊(duì)面向希望系統(tǒng)掌握DeepSeek大模型的初學(xué)者與進(jìn)階用戶幫助讀者厘清推理模型與通用模型的差異并掌握提示語設(shè)計的核心策略。內(nèi)容圍繞DeepSeek是什么、能做什么、如何使用、如何從入門到精通展開涵蓋文本生成、語義分析與情感識別、代碼生成與調(diào)試、聯(lián)網(wǎng)搜索與文件讀取等應(yīng)用場景并深入對比推理大模型在數(shù)學(xué)推導(dǎo)、邏輯分析上的優(yōu)勢與通用模型在創(chuàng)意寫作上的靈活性同時給出兩類模型在提示語策略上的差異化原則及AI倫理相關(guān)討論。資源包共1個PDF文件約5.5MB結(jié)構(gòu)完整、圖文清晰便于通讀與查閱。已有311人學(xué)習(xí)適合作為大模型應(yīng)用入門與提示語優(yōu)化的參考讀本。1. 第一次用 AI 大模型為什么你問一句它答一句別人卻能讓它寫方案、改代碼、做分析很多人第一次打開 AI 對話工具輸入“幫我寫個東西”得到的回復(fù)要么空泛得像模板要么干脆跑題。于是心里冒出一句這東西是不是被吹過頭了其實(shí)問題往往不在模型而在你還沒搞懂它是什么、該怎么跟它說話。DeepSeek 就是這樣一個國產(chǎn)、免費(fèi)、開源的大模型工具背后是一家專注通用人工智能的公司主攻大模型研發(fā)與應(yīng)用其中 DeepSeek-R1 是開源的推理模型擅長處理復(fù)雜任務(wù)且可免費(fèi)商用。它面向普通用戶和開發(fā)者提供智能對話、文本生成、語義理解、計算推理、代碼生成補(bǔ)全等能力支持聯(lián)網(wǎng)搜索與深度思考模式還能上傳文件、掃描讀取文件和圖片里的文字。這份入門指南要做的就是把你從“問一句答一句”帶到“知道先學(xué)什么、第一個例子怎么跑起來”。零基礎(chǔ)也能跟上不需要先啃論文。2. 先搞懂它到底能干什么五個高頻場景對號入座2.1 文本生成從寫文章到做表格都是它的基本功新手最容易上手的入口就是文本生成。你不需要懂任何技術(shù)打開對話界面把需求說清楚就行。它能做的事包括文章、故事、詩歌寫作營銷文案和廣告語生成社交媒體內(nèi)容如推文和帖子劇本或?qū)υ捲O(shè)計也能做長文本摘要比如論文和報告的濃縮文本簡化以降低復(fù)雜度多語言翻譯與本地化還能做結(jié)構(gòu)化生成比如表格、列表像日程安排、菜譜以及代碼注釋和文檔撰寫。入門階段建議先拿“摘要與改寫”練手因?yàn)檫@類任務(wù)對提示語要求低、反饋快你能立刻感受到“說清楚需求”和“沒說清楚”的差別。我第一次學(xué)的時候就是拿一篇長文讓它縮成五條要點(diǎn)再讓它把其中一條擴(kuò)寫成一段話來回幾次就摸到了節(jié)奏。2.2 自然語言理解與分析讓 AI 幫你讀評論、找重點(diǎn)第二個高頻場景是理解與分析。它涵蓋語義分析和語義解析情感分析比如評論和反饋意圖識別比如客服對話和用戶查詢知識推理里的實(shí)體提取如人名、地點(diǎn)、事件邏輯問題解答如數(shù)學(xué)和常識推理文本分類因果分析如事件關(guān)聯(lián)性主題標(biāo)簽生成如新聞分類以及垃圾內(nèi)容檢測。對零基礎(chǔ)的人來說這一塊最實(shí)用的切入點(diǎn)是情感分析把一段用戶反饋貼進(jìn)去問它“這段反饋是正面還是負(fù)面理由是什么”你會看到它把判斷依據(jù)一條條列出來。這里有個小提醒分析類任務(wù)對“上下文”要求高你得把背景交代清楚否則它只能靠猜。入門階段不用追求一次問全先練“給背景、提一個問題、要一個理由”這個最小閉環(huán)。2.3 編程與代碼相關(guān)不寫代碼的人也能用它讀代碼第三個場景是編程與代碼相關(guān)包括代碼生成、代碼調(diào)試、技術(shù)文檔處理具體有根據(jù)需求生成代碼片段支持 Python、JavaScript 等語言錯誤分析與修復(fù)建議代碼性能優(yōu)化提示API 文檔生成代碼庫解釋與示例生成自動補(bǔ)全與注釋生成以及常規(guī)繪圖。哪怕你不寫代碼也可以用“代碼庫解釋”功能讓它把一段看不懂的代碼翻譯成大白話。入門建議從“解釋這段代碼在干什么”開始而不是一上來就讓它寫完整項(xiàng)目。等你熟悉了它的表達(dá)方式再讓它生成小片段比如一個排序函數(shù)并明確要求“輸出需包含注釋”。這樣你既能驗(yàn)證結(jié)果又能順便學(xué)一點(diǎn)代碼結(jié)構(gòu)。2.4 推理模型和通用模型別拿螺絲刀去敲釘子這是新手最容易翻車的地方。推理大模型是在傳統(tǒng)大語言模型基礎(chǔ)上強(qiáng)化了推理、邏輯分析和決策能力的模型通常借助強(qiáng)化學(xué)習(xí)、神經(jīng)符號推理、元學(xué)習(xí)等技術(shù)增強(qiáng)推理和問題解決能力比如 DeepSeek-R1 在邏輯推理、數(shù)學(xué)推理和實(shí)時問題解決方面表現(xiàn)突出。非推理大模型也就是通用模型側(cè)重語言生成、上下文理解和自然語言處理不強(qiáng)調(diào)深度推理比如主要用于語言生成、語言理解、文本分類、翻譯等任務(wù)。兩者的強(qiáng)弱判斷很關(guān)鍵推理模型并非全面更強(qiáng)僅在其訓(xùn)練目標(biāo)領(lǐng)域顯著優(yōu)于通用模型通用場景更靈活但專項(xiàng)任務(wù)需依賴提示語補(bǔ)償能力。用一張表看清楚維度推理模型通用模型優(yōu)勢領(lǐng)域數(shù)學(xué)推導(dǎo)、邏輯分析、代碼生成、復(fù)雜問題拆解文本生成、創(chuàng)意寫作、多輪對話、開放性問答劣勢領(lǐng)域發(fā)散性任務(wù)如詩歌創(chuàng)作需要嚴(yán)格邏輯鏈的任務(wù)如數(shù)學(xué)證明性能本質(zhì)專精于邏輯密度高的任務(wù)擅長多樣性高的任務(wù)強(qiáng)弱判斷并非全面更強(qiáng)僅在其訓(xùn)練目標(biāo)領(lǐng)域顯著優(yōu)于通用模型通用場景更靈活但專項(xiàng)任務(wù)需依賴提示語補(bǔ)償能力入門的話建議先記住一句話數(shù)學(xué)任務(wù)選推理模型創(chuàng)意任務(wù)選通用模型。不要因?yàn)槟硞€模型熱度高就什么都丟給它這是血淚經(jīng)驗(yàn)。2.5 快思慢想兩種模型背后的選擇邏輯CoT 鏈?zhǔn)剿季S的出現(xiàn)把大模型分成了兩類“概率預(yù)測快速反應(yīng)”模型和“鏈?zhǔn)酵评砺偎伎肌蹦Ｐ?。前者基于概率預(yù)測通過大量數(shù)據(jù)訓(xùn)練快速預(yù)測可能的答案響應(yīng)速度快、算力成本低依賴預(yù)設(shè)算法和規(guī)則決策擅長解決結(jié)構(gòu)化和定義明確的問題后者基于鏈?zhǔn)剿季S逐步推理問題的每個步驟來得到答案慢速思考、算力成本高能自主分析情況、實(shí)時做出決策能夠生成新的創(chuàng)意和解決方案更自然地與人互動、理解復(fù)雜情感和意圖能夠處理多維度和非結(jié)構(gòu)化問題。了解它們的差異有助于你根據(jù)任務(wù)需求選擇合適的模型實(shí)現(xiàn)最佳效果。對新手來說這意味著趕時間要快速反饋用快速反應(yīng)模型遇到需要一步步推的復(fù)雜問題切到慢速思考模式。別在簡單任務(wù)上硬開深度思考也別在復(fù)雜推理上指望秒回。3. 為什么提示語設(shè)計是新手最該先練的基本功3.1 提示語到底是什么指令、上下文、期望三件套提示語Prompt是用戶輸入給 AI 系統(tǒng)的指令或信息用于引導(dǎo) AI 生成特定的輸出或執(zhí)行特定的任務(wù)。簡單來說提示語就是我們與 AI“對話”時所使用的語言它可以是一個簡單的問題、一段詳細(xì)的指令也可以是一個復(fù)雜的任務(wù)描述。它的基本結(jié)構(gòu)包括三部分指令是核心明確告訴 AI 你希望它執(zhí)行什么任務(wù)上下文為 AI 提供背景信息幫助它更準(zhǔn)確地理解和執(zhí)行任務(wù)期望則明確或隱含地表達(dá)你對 AI 輸出的要求和預(yù)期。入門階段你只要在每次提問時自覺補(bǔ)齊這三樣輸出質(zhì)量就會明顯不一樣。比如“幫我寫個總結(jié)”只有指令加上“這是一份項(xiàng)目周報面向團(tuán)隊(duì)負(fù)責(zé)人控制在 200 字以內(nèi)”就有了上下文和期望。3.2 六種提示語類型從指令型到多模態(tài)提示語的本質(zhì)是連接人類意圖和 AI 理解的溝通橋梁是任務(wù)定義器也是輸出塑造器和能力引導(dǎo)器。常見類型有六種指令型提示語直接告訴 AI 需要執(zhí)行的任務(wù)比如“將以下內(nèi)容翻譯為法語Hello, world”問答型提示語向 AI 提出問題期望得到相應(yīng)答案角色扮演型提示語要求 AI 扮演特定角色、模擬特定場景比如“假設(shè)你是一位 19 世紀(jì)的歷史學(xué)家評論拿破侖的崛起”創(chuàng)意型提示語引導(dǎo) AI 進(jìn)行創(chuàng)意寫作或內(nèi)容生成比如“為一篇關(guān)于氣候變化的文章寫一個引言長度 200 字”分析型提示語要求 AI 對給定信息進(jìn)行分析和推理比如“用簡單的語言解釋量子力學(xué)假設(shè)你在跟一個 10 歲的孩子說話”多模態(tài)提示語結(jié)合文本、圖像等多種形式的輸入。新手先練指令型和問答型熟練后再試角色扮演和分析型別一上來就堆復(fù)雜結(jié)構(gòu)。3.3 推理模型和通用模型的提示語策略差異這是提示語設(shè)計里最容易被忽略、又最影響結(jié)果的一條。推理模型的提示語更簡潔只需明確任務(wù)目標(biāo)和需求因?yàn)樗褍?nèi)化推理邏輯無需逐步指導(dǎo)模型會自動生成結(jié)構(gòu)化推理過程若強(qiáng)行拆解步驟反而可能限制其能力。通用模型則需要顯式引導(dǎo)推理步驟比如通過 CoT 提示否則可能跳過關(guān)鍵邏輯它依賴提示語補(bǔ)償能力短板比如要求分步思考、提供示例。關(guān)鍵原則有三條第一優(yōu)先根據(jù)任務(wù)類型而非模型熱度選擇數(shù)學(xué)任務(wù)選推理模型創(chuàng)意任務(wù)選通用模型第二推理模型要簡潔指令、聚焦目標(biāo)、信任其內(nèi)化能力也就是“要什么直接說”通用模型要結(jié)構(gòu)化、補(bǔ)償性引導(dǎo)也就是“缺什么補(bǔ)什么”第三避免誤區(qū)不要對推理模型使用啟發(fā)式提示如角色扮演可能干擾其邏輯主線也不要對通用模型過度信任直接詢問復(fù)雜推理問題需分步驗(yàn)證結(jié)果。我第一次學(xué)的時候就在這里踩過坑對著推理模型寫了一長串“先這樣再那樣”的步驟結(jié)果它反而繞暈了后來改成一句話說清目標(biāo)輸出立刻干凈了。3.4 從下達(dá)指令到表達(dá)需求五種需求類型的表達(dá)公式提示語設(shè)計正在從“下達(dá)指令”走向“表達(dá)需求”。按需求類型分有五種常見公式?jīng)Q策需求用“目標(biāo) 選項(xiàng) 評估標(biāo)準(zhǔn)”適合需要權(quán)衡選項(xiàng)、評估風(fēng)險、選擇最優(yōu)解的場景推理模型適配策略是要求邏輯推演和量化分析通用模型是直接建議、依賴模型經(jīng)驗(yàn)歸納分析需求用“問題 數(shù)據(jù)/信息 分析方法”適合需要深度理解數(shù)據(jù)、發(fā)現(xiàn)模式或因果關(guān)系的場景推理模型觸發(fā)因果鏈推導(dǎo)與假設(shè)驗(yàn)證通用模型做表層總結(jié)或分類創(chuàng)造性需求用“主題 風(fēng)格/約束 創(chuàng)新方向”適合生成新穎內(nèi)容推理模型結(jié)合邏輯框架生成結(jié)構(gòu)化創(chuàng)意通用模型自由發(fā)散、依賴示例引導(dǎo)驗(yàn)證需求用“結(jié)論/方案 驗(yàn)證方法 風(fēng)險點(diǎn)”適合檢查邏輯自洽性、數(shù)據(jù)可靠性或方案可行性推理模型自主設(shè)計驗(yàn)證路徑并排查矛盾通用模型做簡單確認(rèn)、缺乏深度推演執(zhí)行需求用“任務(wù) 步驟約束 輸出格式”適合完成具體操作如代碼、計算、流程推理模型自主優(yōu)化步驟、兼顧效率與正確性通用模型嚴(yán)格按指令執(zhí)行、無自主優(yōu)化。入門階段不用背全先記住“決策”和“執(zhí)行”兩種覆蓋你八成日常場景。3.5 一個能直接照抄的提示語示例拿決策需求舉例實(shí)戰(zhàn)技巧是這樣的為降低物流成本現(xiàn)有兩種方案 ① 自建區(qū)域倉庫初期投入高長期成本低 ② 與第三方合作按需付費(fèi)靈活性高 請根據(jù) ROI 計算模型對比 5 年內(nèi)的總成本并推薦最優(yōu)選擇。這段提示語里“目標(biāo)”是降低物流成本“選項(xiàng)”是兩個方案“評估標(biāo)準(zhǔn)”是 ROI 和 5 年總成本三件套齊全模型不需要猜。再看執(zhí)行需求的例子將以下 C 語言代碼轉(zhuǎn)換為 Python要求 ① 保持時間復(fù)雜度不變 ② 使用 numpy 優(yōu)化數(shù)組操作 ③ 輸出帶時間測試案例的完整代碼。任務(wù)、步驟約束、輸出格式都寫明了結(jié)果就穩(wěn)定。新手可以先把這兩個模板抄下來換成自己的內(nèi)容練三五次就能找到感覺。注意示例里的語言和格式要求是給你參考結(jié)構(gòu)用的實(shí)際使用時按你的真實(shí)需求替換。4. 新手避坑這五個坑我替你踩過了4.1 現(xiàn)象問什么都只回一句“好的以下是……”原因提示語只有指令沒有上下文解決補(bǔ)齊背景和期望這是最常見的翻車現(xiàn)場。你輸入“寫個方案”它回你一段放之四海而皆準(zhǔn)的套話。原因很簡單提示語只有指令缺少上下文和期望模型只能按最通用的理解去生成。解決辦法是每次提問前問自己三件事這件事的背景是什么、給誰看、要多長什么格式。把這三樣補(bǔ)進(jìn)去輸出立刻具體。比如把“寫個方案”改成“這是一份面向新員工的入職培訓(xùn)方案公司規(guī)模 50 人控制在 500 字以內(nèi)分三個部分”差別肉眼可見。4.2 現(xiàn)象數(shù)學(xué)題算錯、邏輯題繞圈原因用通用模型硬扛推理任務(wù)解決按任務(wù)類型選模型數(shù)學(xué)和邏輯優(yōu)先推理模型很多人默認(rèn)“模型越新越強(qiáng)”拿通用模型去做數(shù)學(xué)證明結(jié)果它跳過關(guān)鍵步驟答案看著像那么回事一驗(yàn)算就錯。原因在于通用模型側(cè)重語言生成和上下文理解不強(qiáng)調(diào)深度推理。解決辦法是按任務(wù)類型選模型數(shù)學(xué)推導(dǎo)、邏輯分析、代碼生成、復(fù)雜問題拆解優(yōu)先用推理模型。如果你不確定當(dāng)前用的是哪類就看它是否會自動展開推理過程會展開的通常是推理模型。選對模型比反復(fù)改提示語省力得多。4.3 現(xiàn)象對推理模型寫了一大段角色扮演結(jié)果邏輯反而亂了原因啟發(fā)式提示干擾了推理主線解決推理模型只給目標(biāo)和約束別替它拆步驟這個坑很隱蔽。你出于好意對推理模型說“假設(shè)你是一位資深工程師先這樣再那樣”結(jié)果它把精力花在扮演角色上推理主線被打斷。原因是對推理模型使用啟發(fā)式提示可能干擾其邏輯主線。解決辦法是推理模型只給目標(biāo)和約束比如“用 Python 實(shí)現(xiàn)快速排序輸出需包含注釋”別替它拆步驟。它自己會生成結(jié)構(gòu)化推理過程你強(qiáng)行拆解反而限制其能力。我第一次學(xué)的時候不信邪試了三次才服氣。4.4 現(xiàn)象通用模型給的復(fù)雜結(jié)論不敢用原因過度信任沒有分步驗(yàn)證解決把大問題拆成小問題逐步追問并核對通用模型在開放性問答上很靈活但遇到需要嚴(yán)格邏輯鏈的任務(wù)它可能跳過關(guān)鍵環(huán)節(jié)。如果你直接問一個復(fù)雜推理問題得到的答案可能表面通順、內(nèi)里站不住。解決辦法是把大問題拆成小問題逐步追問每一步都讓它給出理由你再核對。比如驗(yàn)證一個結(jié)論先問“實(shí)驗(yàn)數(shù)據(jù)是否支持該結(jié)論”再問“對照組設(shè)置是否存在偏差”最后問“重新計算 p 值并判斷顯著性”。分步驗(yàn)證雖然多花幾分鐘但能避免拿著錯誤結(jié)論去做決策。4.5 現(xiàn)象上傳文件后它讀不出重點(diǎn)原因文件格式或掃描質(zhì)量影響文字提取解決先確認(rèn)文字可讀再明確讓它提取哪部分DeepSeek 支持文件上傳能掃描讀取各類文件及圖片中的文字內(nèi)容但這不是萬能的。如果掃描件模糊、排版混亂提取出來的文字可能殘缺模型自然讀不出重點(diǎn)。解決辦法是先確認(rèn)文件里的文字能被正常識別再明確告訴它你要提取哪部分比如“只提取第三頁的表格數(shù)據(jù)”。另外長文件建議分段處理一次丟進(jìn)去太多內(nèi)容重點(diǎn)容易被淹沒。入門階段先用清晰的文本文件練手熟悉了再挑戰(zhàn)掃描件。5. 第一步怎么邁從在線試用到本地部署再到下一步學(xué)什么5.1 在線使用零安裝打開就能練對零基礎(chǔ)新手來說最省事的第一步是在線使用。DeepSeek 提供直接面向用戶的在線對話入口你不需要安裝任何軟件打開網(wǎng)頁就能開始。入門階段建議按這個順序練第一天用“摘要與改寫”任務(wù)熟悉基本對話拿一篇長文讓它縮成要點(diǎn)第二天練“情感分析”貼一段用戶反饋?zhàn)屗袛嗾?fù)面并給理由第三天試“代碼解釋”找一段簡單代碼讓它翻譯成大白話。每天 20 分鐘三天下來你就摸清了它的脾氣。注意在線使用時把需求說清楚比反復(fù)重試更有效別指望它讀心。5.2 本地部署想離線用或做開發(fā)時的入門路徑如果你希望離線使用或者后續(xù)想做開發(fā)集成可以走本地部署路線。項(xiàng)目正文給出的路徑是訪問 Ollama 相關(guān)的中文站點(diǎn)獲取本地部署方式按頁面指引下載安裝即可。入門階段不用一上來就折騰本地部署先把在線版用熟確認(rèn)自己真的需要離線能力再動手。本地部署對電腦配置有一定要求第一次裝建議跟著頁面上的步驟一步步來別跳步。裝好之后先用一個簡單任務(wù)驗(yàn)證比如讓它做一次文本摘要確認(rèn)模型能正常響應(yīng)再去試復(fù)雜任務(wù)。這一步的坑在于環(huán)境配置遇到報錯先看提示信息里的關(guān)鍵詞再對照頁面說明排查別急著重裝。5.3 下一步學(xué)什么三條路徑按需選用熟基礎(chǔ)功能之后下一步學(xué)什么取決于你想往哪走。第一條路徑是提示語設(shè)計進(jìn)階重點(diǎn)練五種需求類型的表達(dá)公式把決策、分析、創(chuàng)造性、驗(yàn)證、執(zhí)行五類需求各寫十個提示語形成自己的模板庫。第二條路徑是模型選擇與組合搞清楚什么任務(wù)用推理模型、什么任務(wù)用通用模型以及兩者如何接力比如先用通用模型發(fā)散創(chuàng)意再用推理模型驗(yàn)證邏輯。第三條路徑是場景落地挑一個你工作或?qū)W習(xí)中的真實(shí)場景比如周報生成、代碼審查、資料整理把整個流程跑通一遍。三條路徑?jīng)]有先后按你的實(shí)際需求選。入門的話建議先走第一條因?yàn)樘崾菊Z是所有場景的地基。5.4 一個具體技巧建立自己的提示語模板庫最后給一個能立刻用上的技巧建一個自己的提示語模板庫。做法很簡單準(zhǔn)備一個文本文件按“決策、分析、創(chuàng)造性、驗(yàn)證、執(zhí)行”五類分欄每類下面放三到五個你驗(yàn)證過有效的提示語標(biāo)注適用場景和注意事項(xiàng)。每次遇到新任務(wù)先翻模板庫找最接近的改一改再用比從零想快得多。這個習(xí)慣我堅持了很久最大的好處是避免重復(fù)踩坑同一個錯誤不會犯第二次。從那以后我每次遇到新場景都強(qiáng)制先翻一遍模板庫再動手效率高了不少。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取