0.前言

0.1 DeepSeek R1

DeepSeek发布了一个免费，且无比聪明的模型DeepSeek R1。尤其是“聪明”这个特性，让大量的提示词技巧开始失效，你只需要很简单地表述你的需求，便能获得超出预期的回答。
可是现在，很多人对大语言模型依然怀着错误的认知和预期，而这很可能会阻碍使用R1的体验。
所以，你不再需要那么多的提示词技巧，但是还有两点非常关键：

1. 需要理解大语言模型的工作原理与局限，这能帮助你更好的知道AI可以做什么；
2. 在和R1合作时，最好有管理者的思维和经验，你需要知道如何向R1这个（聪明程度比你高很多的）下属布置你的任务。

带着这样的预期，总结了19条帮助你更好使用DeepSeek R1的经验，包括5个大语言模型的特点，7项与R1对话的技巧，以及7种验证无效你可以舍弃的提示策略。

0.2 文章结构

1. 第一部分：推理模型与指令模型，解释DeepSeek R1与豆包、ChatGPT等差异，以及为什么可以使用更简单的提示策略。
2. 第二部分：理解大型语言模型的本质特征，介绍大型语言模型最重要的5个特点，理解为什么AI在完成某些任务时很糟糕，以及它的能力与知识边界是什么样的。
3. 第三部分：有效的R1使用技巧，介绍使用DeepSeek R1的技巧，这些技巧也可以理解为作为领导向聪明的下属布置任务时所需要关注的点。
4. 第四部分，会谈及此前很有效，但是现在已失效的提示策略，如果你有丰富的大模型使用经验了，你可以在这里看看你可以舍弃什么。

不过，在做任何深入的介绍之前，如果还没使用过DeepSeek，强烈建议先去做一些尝试，再返回看文章，效果会更佳，下面是使用方式：
访问DeepSeek官网：https://chat.deepseek.com/
在AppStore或应用商店搜索DeepSeek下载使用

0.3 DeepSeek功能介绍

在使用时，注意聊天输入框处两个按钮：深度思考（R1）和联网搜索

1. 深度思考（R1）

   • 需要更简单快速的回答时，不必打开深度思考，使用默认模型V3

2. 联网搜索

   • 当任务涉及的知识在2023年12月之前，无须打开联网搜索功能，其本身就有被充分训练过的语料知识
   • 当任务涉及的知识在2023年12月及以后，比如昨天NBA比赛的赛果，硅谷对DeepSeek R1的评价等，必须打开联网搜索功能，否则大模型在回答时会缺乏相应的知识。

1.推理模型与指令模型

1.1 指令模型与推演模型

在阐述任何技巧之前，你最先需要知道的事，DeepSeek R1是个与你日常使用的对话类AI非常不同的模型。
像GPT-4o、DeepSeek V3、豆包等都属于指令模型（instruct model），这类模型是专门设计用于遵循指令生成内容或执行任务的。
而DeepSeek R1属于推理模型（reasoning model），专注于逻辑推理、问题解决的模型，能够自主处理需要多步骤分析、因果推断或复杂决策的任务。

1.2 DeepSeek R1的闪光点

同为推理模型，OpenAI GPT-o1必须每个月花20美元成为plus会员才能使用，且每周只有50次的使用权限。想要更多，那请掏出200美金/每月，也就是1437元。

而DeepSeek R1目前完全免费
有人测试，R1在大量的写作、写代码的任务上甚至比o1更强。
一般地，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。但令人意外的是，有了超强的推理能力之后，R1似乎在所有任务上都获得了质的飞跃，出现意料之外的技能。
在原本指令模型的时代，AI的能力受到了很强的限制，你需要通过提示词的各类技巧才能激发模型更好的表现，而对普通人来说，学这些技巧实在让人头大不矣（秃头变强）。
DeepSeek R1只需要清晰、明确地表达你的需求就好了。就像你拥有一个比你聪明得多的清北毕业的具有10年工作经验的下属，你不需要一步步套路它，指导它的工作，你只需要把所有他需要知道的信息告诉他，然后将你的任务布置下去即可。
但，如何布置任务呢？首先你需要知道这个下属（DeepSeek R1）的特点。

2.理解大型语言模型的本质特征

虽然DeepSeek R1等新一代推理模型比传统指令模型更智能易用，但它们作为大语言模型仍存在文本生成类AI的固有局限。了解这些技术特点，将助您更高效地使用这类工具。

2.1 训练内容token化

大模型在训练时是将内容token化的，大模型所看到和理解的世界与你不一样
在理解模型行为之前，我们需要了解它是如何"学习"的。大型语言模型的学习方式可以这样理解：

• 核心目标：让模型发现文字之间的关联规律
• 数据准备：把书籍、网页等资料拆解成词语片段（token）
• 翻译过程：将这些文字碎片转化为计算机能处理的数字
  就像把人类的语言转换成机器专用的数学密码，模型通过分析这些数字模式来掌握语言规律。

在推理模型出来之前，很多人非常喜欢用来考察大模型智商的一个问题是：Strawberry这个单词中有几个r字母？
此前像GPT-4、GPT-4o这类被认为很强大的大模型也无法把这个问题回答准确，这不是因为模型不够聪明，而是它在被训练时的特点导致了这一结果。

而所谓的token化就是大模型为了训练会将部分单词、中文字符进行拆分分解，比如在GPT3.5和GPT4的训练中，词这个字就被拆成了两个token，Strawberry则被拆成三个token，分别是Str、aw、berry。这种切割方式取决于训练时采用的tokenizer算法，也可能把生僻词拆解成无意义的片段。

这个例子告诉我们，大模型所看到的世界和人所看到的不一样。当你在数字母时看到的是连续的不间断字符，而模型看到的却是经过编码的token序列。所以，像单词中的字母数量，或者精确要求输出字数的内容都是有些强模型所难的，他的机制决定了他不擅长处理这些任务。
当然，现在推理模型理论上可以完成例子中的任务，但是他推理的过程...看起来很费劲，有些于心不忍。

Strawberry推理过程

2.2 知识时效性

特点二：大模型知识是存在截止时间的
虽然DeepSeek R1在2025年1月才正式发布，但其基础模型的训练数据窗口期早在2024.7就已关闭。这就像出版一本百科全书，从资料收集到最终出版需要完整的生产周期。
具体来说存在三重时间壁垒：

1. 预训练阶段需要处理PB级原始数据；
2. 数据清洗需要经历去重、脱敏、质量验证等工序；
3. 后期还要进行监督微调、强化学习、基于人类反馈的强化学习（RLHF）等迭代优化。

这种知识滞后性会带来一系列的问题和幻觉，比如DeepSeek R1目前无法说出2025春节期间新上映电影的表现。因为他目前的知识库的截止时间是2024.7。

这些都是模型训练的特点导致的，很多人拿类似的问题去问R1，发现R1答非所问，得出R1模型太差的结论。事实上这就像要求2020年出版的《辞海》必须记载2021年的新词，本质是知识载体的物理特性使然。
要突破这种知识限制，也有方法：

1. 激活联网搜索功能：给R1提供自主搜索查找信息的权力；
2. 补充必要知识：你可以通过上传文档、在提示词中提供充足的信息之后，再让R1去为你执行具有更近时效性的任务。

2.3 自我认知/自我意识

特点三：大模型缺乏自我认知/自我意识
DeepSeek R1或者任何模型其实都缺乏我是谁的概念，如果他自发有了，那可能说明AGI临近，我们可能反而该警惕了。
很多模型都不知道自己叫xx模型，这是很正常的现象，除非大模型厂商在部署的时候在系统提示词中做了设定，或者预训练完成后用了特定的语料进行微调。
以及，因为这种自我认知的缺乏会带来两个问题：

1. AI有时候会给出错误的自我认知，比如deepseek以及很多别的模型都可能认为自己是ChatGPT，因为ChatGPT发布后，很多人将自己与ChatGPT的对话内容发布在了网上。所以你在问一个模型 你是谁/who are you 的时候，模型偶尔的幻觉是很常见的现象。
2. 你没法让DeepSeek R1说出它自己有什么样的特点，使用它有哪些技巧等等。这也是发布这篇文章的初衷。

2.4 记忆有限

多数大模型都有上下文长度的限制，deepseek R1目前提供的上下文只有64k token长度（官方API文档的说明，实际聊天对话的长度待确认），对应到中文字符大概是3-4万字，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过3万字时，你可以理解为他是通过RAG（检索增强）的方式去选取你文档中的部分内容作为记忆的一部分来展开与你的对话的，而不是全部内容。而当你与他对话的轮次过多时，他很可能会遗忘你们最初聊天的内容。
这部分的限制在你开展让AI写代码的任务时会感受尤其明显。

2.5 输出长度有限

相比上下文对话的输入长度，大模型的输出长度则会更短得多，多数大模型会将输出长度控制在4k或者8k，也就是单次对话最多给你2-4千中文字符。
所以，你没法复制一篇万字长文让DeepSeek一次性完成翻译，也不能让DeepSeek一次性帮你写一篇5000字以上的文章，这些都是模型输出长度限制导致，你需要理解这个问题的存在。
如果要解决这个问题的话，翻译类的任务你可以通过多次复制，或者自己写代码去调用API多次执行任务完成一篇长文甚至一本书的翻译。而长文写作类的任务，比较妥当的做法是先让R1梳理框架列出提纲目录，再根据目录一次次分别生成不同阶段的内容。

3.有效的R1使用技巧

3.1 提出明确的要求

清楚地表达信息，不要让DeepSeek去猜。DeepSeek虽然很聪明，但它无法猜中你的心思，需要明确告诉DeepSeek需要他做什么，做到什么程度。

例1:复制一段英文文本给它，需要明确表达你的指令，也就是他要做什么。否则，DeepSeek并不会理解你想要做什么。是翻译？总结？还是你要学英语让他出题？这些信息不要让R1去猜。
例2：写一篇500字的公众号文章，需要明确表达文章主题需要500字，虽然我们前面提过了大模型并不擅长计算数字，它大概率只会给你返回300-700之间长度的文章，但这至少是大致符合你的篇幅要求的。

错误示范

3.2 要求特定的风格

具有思维链的R1在进行特定风格的写作时，相比其他模型，会出现R1断层领先的水平，比如让R1用李白的风格写诗，按贴吧暴躁老哥的风格骂人，用鲁迅的文风进行讽刺，或者模仿任意作家风格进行写作，按脱口秀演员风格创作脱口秀脚本等，其他模型在这方面的表现都追不上R1的车尾。
在这个模式下，有个很有效的表述方式是让R1说人话，或者让R1认为你是初中生，他就能将复杂概念简化为你提供更易理解的解释。

又或者，你完全可以尝试特定风格的写作：用付航的口吻写一篇介绍MySQL的公众号文章

3.3 提供充分的任务背景信息

当需要DeepSeek帮助你完成某项工作时，提供充分的上下文背景信息，告诉他你为什么做这件事，你面临的现实背景是什么或问题是什么，让DeepSeek将其纳入所生成文本的思考中，这可以让结果更符合你的需要。
比如当你要DeepSeek帮你生成减肥计划时，你最好告诉他你的身体状况，你目前的饮食摄入和运动情况是什么样的。
错误示范

3.4 主动标注自己的知识状态

当你向DeepSeek寻求知识型帮助时，最好能明确标注自己相对应的知识状态。就像老师备课前需要了解学生学力水平，清晰的知识坐标能让AI输出的内容精准匹配你的理解层次。
像我们前面提到了告诉R1我是初中生或者我是小学生是个把自己放置在一个知识背景约等于0的知识状态的好方式，但是当某些内容你希望能和AI深入探讨时，你最好更清晰表达你在该领域的知识状态，或者你是否存在关联领域的知识，这能能让AI更理解你，为你提供更精确的回答。
错误示范

3.5 定义目标，而非过程

R1作为推理模型，现在完成任务的思维过程非常令人印象深刻。所以我很建议你提供清楚你的目标让R1具备一定的思考空间去帮助你执行得更好，而非提供一个机械化执行指令。你应该像产品经理提需求般描述「要什么」，而不是像程序员写代码般规定「怎么做」。
比方说，你的产品评审会可能需要整理录音文字稿，一种做法是直接要求如何整理，比如删掉语气词，按时间分段，每段加小标题这也是个非常清晰明确的优质提示语；但是你同样可以进一步思考下这段录音文字稿所总结出的材料要如何使用，为R1提供目标，让他创造性地为你完成任务。
普通示范

3.6 提供AI不具备的知识背景

我们在第二部分提到过，AI模型具有知识截止时间的特性，当任务涉及模型训练截止后的新信息（如2024年赛事结果、行业趋势）时，或者你们公司有一些内部信息是AI不具备的时，你需要主动填补缺失的图块。通过结构化输入帮助AI突破知识限制，避免因信息缺乏导致出现错误回答。
错误示范

3.7 从开放到收敛

R1就像把他的思考过程公开出来一样，不仅能看到最后的答案，还能看到他是怎么一步步想到答案的。如果发现自己缺少提供某部分信息，就需要再去提供给他，这样R1就不需要去猜，可以得到更完整准确地答案。
比方说，在下面这个案例中，R1在思考时为我们提供了三种不同的涨价方法（分阶段涨价、增加产品价值、通过营销活动转移注意力），以及预测了我们可能具有的两种深层需求（保持市场份额or提升品牌形象）。我们可以借此思考自己倾向的方法和目标是什么，对提示词进行进一步的收敛，那么接下来能得到的回答也将会更加精准。

4.无效的提示词

在使用R1时，以下prompt策略经验证已基本失效，甚至部分会技巧会起反作用，比如：

1. 思维链提示：比如要求模型一步步思考，或者提供解答问题的思维思路等，这都是完全无效甚至起反作用的策略，R1通过强化学习自己能产生更好的思维链了。
2. 结构化提示词，：可以有，但也没那么需要。你依然可以使用markdown格式的语句去让信息结构更清晰，人类查看和机器阅读的时候更好理解，但是因为你需要提示的内容少了， 所以必要性也大大衰减。
3. 要求扮演专家角色：已经变得完全没必要，现在R1本身就是专家模型专家思维，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，你只需要去提示学科即可，不需要药企专家了。
4. 假装完成任务后给予奖励等：也无效，甚至会被R1是笑话，所以就不要再骗AI了，省得他觉醒之后要来找你麻烦的。
5. 少示例提示（few-shot)：这是DeepSeek团队在发布R1技术报告时明确建议规避的一个提示技巧，不要有示例。你说清楚要求比给示例更重要。

6. 角色扮演：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都是依赖直觉，不是深思熟虑的。
7. 对已知概念进行解释：没必要，比如我们文章前面提到的，当你让AI去模仿某个作家、名人的风格时，你没必要解释那个作家是谁，他的风格是什么样的，AI有自己的理解，并且在思考过程中对你所提供的概念能完成丰富和深入的解构。

参考地址：花椒