DeepSeek新手入门：提示语设计、推理模型与API实践指南

简介《DeepSeek从入门到精通》面向人工智能科研技术人员、大模型从业者及希望提升提示语设计能力的读者系统梳理国产开源推理模型DeepSeek-R1的核心技术与应用路径。压缩包内含1个PDF文件约5.4MB可直接查阅。内容涵盖DeepSeek背景、智能对话、文本生成、语义理解、知识推理与代码生成等场景也涉及联网搜索、文件上传和深度思考模式辨析推理模型与通用模型的任务差异并解释CoT链式思维等机制。提示语章节结合指令驱动、需求导向、混合模式与启发式提问说明如何从“下达指令”转向“表达需求”以发挥模型潜能。已有3005人学习适合需要系统入门、对照应用并优化人机协作流程的读者参考。1. 先弄明白DeepSeek 到底是个什么工具很多人第一次点开对话框输入“帮我写个年终总结”回车得到一段挑不出错、但也完全没法用的文字然后就把页面关了心里想“AI 也就那样”。问题往往不在工具本身而在于没人告诉你它擅长什么、该怎么开口。这份《DeepSeek 从入门到精通》补的就是这一课它用中文把 DeepSeek 是什么、能干什么、怎么问才有效讲了一遍还专门拆开了提示语设计这部分。说白了DeepSeek 是一个能跟你对话、能读文件、能写代码、能做多步推理的大模型产品。它不是一个更聪明的搜索框也不是许愿池你丢一句话进去它就能变出成品。这份资料适合完全没接触过大模型、想从零把它用起来的人不需要高数基础也不用先学会编程才能开始打开网页就能试第一句。2. 为什么要学搞懂推理模型和开源模型比背概念有用学任何工具之前先问自己一句“我为什么要学”。如果答案是“怕落后”大概率学两天就放下了如果答案是“我手头正好有一件具体的活儿想让它帮上忙”那就有得聊。这一章不堆术语只讲三件事推理模型特殊在哪里、开源模型对你一个普通用户意味着什么、提示语为什么是投入最小见效最快的那块。新手最容易犯的一个错是把所有大模型当成同一个东西觉得“反正都是聊天机器人用哪个不一样”。实际上它们内部至少分成两个流派选错了模型你会觉得它笨选对了你会觉得它像换了个人。2.1 推理模型和通用模型差别到底在哪先用一个生活化的类比。通用模型像一个见多识广、反应极快的同事你问什么他都能马上接话文笔好、思路活但你让他算一笔复杂的账他可能张口就来一个听着很顺、其实是编的数字。推理模型像一个做题速度不快、但会在草稿纸上一步步推的同事他慢一点可你让他证明一个结论他真会按步骤走完。资料的原文把这个差别讲得很清楚推理大模型是在传统大语言模型基础上强化了推理、逻辑分析和决策能力的模型通常借助强化学习等技术来增强问题解决能力典型代表是 DeepSeek-R1非推理大模型侧重语言生成、上下文理解和自然语言处理典型代表是早期的 GPT-3、BERT 这一类。表格对比大致是这样维度推理模型通用模型优势领域数学推导、逻辑分析、代码生成、复杂问题拆解文本生成、创意写作、多轮对话、开放性问答劣势领域发散性任务比如写诗、起名字需要严格逻辑链的任务比如数学证明性能本质专精于逻辑密度高的任务擅长多样性高的任务强弱判断并非全面更强只在训练目标领域显著占优通用场景更灵活专项任务要靠提示语补这里有个特别值得记住的结论推理模型不是“更高级的通用模型”它是“另一个方向”。你让它写一首诗、起二十个品牌名它可能还不如通用模型放得开你让通用模型做一道需要七八步推导的题它容易在中途跳步。选择依据应该是任务类型而不是“哪个名字听起来更新”。资料里还提到了一个很好用的比喻快思和慢想。快速反应模型靠大量数据训练出的概率预测直接给出最可能的答案响应快、算力成本低链式推理模型则模仿人一步步想问题的过程把复杂问题拆成若干步来解慢但稳。这两种模式没有优劣只有配不配。2.2 开源模型和免费商用对新手的实际意义“开源”这个词新手常常一眼扫过去觉得跟自己没关系——我又不写代码开源不开源关我什么事。其实关系挺大。第一层意义是可验证。闭源模型你只能看到输入和输出中间是个黑匣子开源模型意味着权重和部分技术细节是公开的研究者和开发者可以拿去复现、微调、对比。你看到的那些“某模型在某某测试上超过某某”的说法至少有人能去核对。第二层意义是可落地。资料里明确写了 DeepSeek-R1 擅长处理复杂任务且可免费商用。对个人来说这可能只是“用着不心疼”但对一个想做点小工具的人来说这条决定了你能不能把 demo 变成一个能拿出去的东西。很多模型演示起来很惊艳一看商用条款就歇了。第三层意义是生态会自己长出来。一个模型开源之后会有人做本地部署方案、有人做垂直领域微调、有人写教程和踩坑记录。新手从这个生态里受益往往比自己啃论文快得多。所以看到“开源模型”这个词你的正确反应不是“跟我无关”而是“这意味着我遇到问题能搜到别人的血泪经验”。提示判断一个模型适不适合你先试不要只看排行榜。找一个你手上的真实任务同一个问题分别丢给两个模型对比输出比看十篇评测有用。2.3 深度学习、自然语言处理这些词新手要不要先补答案分两半概念要认得原理先别碰。深度学习、自然语言处理、大模型、推理模型、提示语这几个词你在搜资料、看文档、跟人交流的时候会反复撞见。不知道它们大致指什么你连“我该搜什么关键词”都定不下来。但只要到“知道它在说什么”的程度就够了比如深度学习让机器从大量数据里自己找规律的一类方法你不用手写规则。自然语言处理让机器处理和理解人类语言的那个方向。大模型参数量很大、在大量文本上训练出来的模型能生成和理解语言。提示语你输入给模型的那段话包括指令、背景和你的期望。反过来“注意力机制怎么算”“反向传播的链式求导”这类内容对一个只想把工具用好的人来说现阶段性价比极低。我第一次学的时候也犯过这个毛病抱着原理视频看了三个晚上结果连一句像样的提示语都写不出来。后来才想明白这就像学开车先去研究发动机热效率——不是没用是顺序错了。资料本身的结构也印证了这一点它把大量篇幅放在“能做什么”和“怎么问”上而不是推导公式。跟着这个思路走不容易半途而废。2.4 提示语设计投入最小、见效最快的一块如果只能从这份资料里挑一章先看我建议挑提示语那一章。原因很朴素模型是别人训好的你改不了界面是产品定的你也改不了。你能完全控制的变量只有你输入的那段话。而这段话对输出质量的影响大到超出多数新手的想象。同一件事“帮我写个方案”和“我要给一家五个人的小公司写一份为期两周的新员工入职安排缺人手、缺模板、预算很紧请给我一版按天拆分的表格标出哪几天必须有人带”得到的完全是两个东西。更关键的是提示语这项技能不需要任何前置知识。不用装环境、不用配密钥、不用懂代码打开网页就能练练完立刻能看到反馈。对这种低成本高回报的技能先上手再理解比先理解再上手划算得多。3. 第一步怎么迈从打开网页到跑通第一个例子这一章是全篇最“动手”的部分。目标只有一个让你在半小时内跑出一个自己觉得“诶有点用”的结果。别贪多跑通一个再说。3.1 第一次用别急着问难题新手最容易在第一次使用时踩的坑是把最难的活儿丢给它——比如“帮我分析一下我们公司该怎么转型”。这种问题连你自己都想不清楚模型只能给你一堆看着很对、实际没用的漂亮话然后你就被劝退了。正确的第一次是挑一件你自己心里有标准答案的小事。比如把一段啰嗦的话压缩成三条要点、把一份会议记录整理成待办清单、把一段英文说明书翻译成人话。这类任务你一眼能判断好坏模型输出得对不对你立刻知道反馈闭环短学起来快。入口很简单网页端打开对话页面手机上装同名应用注册登录就能用。资料里也写了它支持联网搜索和深度思考模式还支持上传文件能读取文件及图片中的文字。这几个开关后面会讲第一次先别全打开不然出了问题你不知道是哪个环节的锅。3.2 第一个可复现的例子把一句口语需求改成提示语我们用一个真实感很强的场景你手头有一段乱糟糟的口语描述想让模型帮你整理成能直接发给同事的任务清单。第一版也就是新手最常见的写法帮我整理一下这个项目的事情下周三之前要把新员工入职手册弄完但是没人手模板也没有预算也不多。输出大概率是一段“建议您先明确目标、再分配资源、注意时间节点”的通用建议。没错但没用。第二版补上三样东西角色、背景、输出格式你是一名带过多个项目的老项目经理。背景我们是一家不到十人的小公司要在下周三之前完成一份新员工入职手册。目前困难是没有人专门负责、没有现成模板、预算很少。请输出一个 Markdown 表格四列任务、负责人角色用岗位名代替具体人、预计耗时、卡点提醒。表格下面再补三条最容易翻车的地方。不要写客套话。差别在哪里第一版你只给了“愿望”第二版你给了“约束条件”和“交付物的形状”。模型不知道你的处境它只能往平均值上靠你把处境说清楚它才有得选。第三版加上验证要求……同上输出表格之后请自查一遍每个任务的预计耗时加起来有没有超过三个人三天的工作量如果超过了指出哪几项可以砍掉或延后。这一步是很多人会跳过的。让模型自己检查一遍自己的输出能拦掉相当一部分“看起来合理但算不过来”的方案。这不是玄学就是让它多走一步。照着这三版依次试一遍你会对“提示语到底改变了什么”有一个非常具体的体感比看十页理论都强。3.3 用 API 跑通第一段程序网页版够用了但如果你想把它接进自己的小工具、批量处理文件、或者做点自动化就得走 API。这一步新手听着吓人其实代码不超过十五行。先装依赖# 安装 OpenAI 兼容的 Python 客户端DeepSeek 的接口格式与它兼容 pip install openai然后是第一个脚本from openai import OpenAI # 密钥在开放平台的控制台里生成千万不要硬编码后提交到代码仓库 client OpenAI( api_key你的 API Key, base_urlhttps://api.deepseek.com, # 接口地址具体以官方文档为准 ) resp client.chat.completions.create( modeldeepseek-chat, # 通用对话模型需要长链条推理时换成对应的推理模型 messages[ # system 用来定角色和输出格式相当于给模型的一个长期设定 {role: system, content: 你是一名严谨的行政主管回答只输出 Markdown 表格不加解释。}, # user 是你这次的具体需求 {role: user, content: 把新员工入职第一周需要办的事按天拆成表格包含事项、负责岗位、所需材料。}, ], temperature1.0, # 控制输出的发散程度数值越低越保守稳定越高越发散 ) print(resp.choices[0].message.content)逐项解释一下几个关键位置。api_key是身份凭证等于你的账号密码泄露了别人就能拿你的额度跑任务所以别写死在代码里更别提交到公开仓库。base_url是接口地址写错会直接连不上。model决定用哪个模型通用对话和推理任务通常对应不同名称具体叫什么以官方文档当前写的为准别照抄一年前的教程。messages是一个列表system定基调user给需求多轮对话就往里继续追加。temperature调的是随机性写代码、做表格这类要求稳定的任务可以调低写文案、起名字可以调高。跑通之后print出来就是你平时在网页上看到的那段回答。区别在于现在它可以被你的脚本调用可以循环处理一百个文件可以接进一个网页。这一步跨过去你对“AI 应用”这四个字的理解会变。注意第一次跑报错大概率是三类——密钥错、地址错、模型名错。把错误信息原文贴出来对照文档别急着改代码逻辑。3.4 文件上传和联网搜索什么时候该打开资料里提到两个很实用但新手容易用错的功能。文件上传适合处理你手上已有的材料比如一份几十页的报告要提炼要点、一份表格要找异常值、一张截图里的文字要提取出来。用法上有个小技巧上传之后别只说“帮我看看这个文件”要说清楚看什么——“这份合同里把涉及付款时间的条款逐条列出来并标注每条的原文位置”。联网搜索适合问题答案会随时间变化的情况比如“某个软件最新版本的更新说明”“某个标准现在的版本号”。但要注意联网搜索返回的是网页内容质量参差不齐所以最好要求它给出处。不需要实时信息的时候别开开了反而可能引入噪声。4. 提示语设计入门把“下达指令”换成“表达需求”这是整份资料里分量最重的一块也是最值得你花时间的地方。它讲的核心转变一句话概括从“下达指令”变成“表达需求”。指令是“把这段翻译成英文”需求是“这段要发给一个不熟悉业务的海外客户请翻成英文语气正式但不生硬专业术语保留英文原词并在括号里加简短解释”。前者模型只能照做后者模型有了判断空间输出质量立刻不一样。4.1 提示语的三个零件指令、上下文、期望资料把提示语拆成三个基本结构这个拆法很好用值得背下来零件作用缺了会怎样指令 Instruction明确告诉模型要执行什么任务模型不知道你要干什么只能泛泛而谈上下文 Context提供背景信息帮它准确理解模型只能往“平均水平”上靠输出很空期望 Expectation说明你要的形式、长度、风格、标准输出格式随机你得反复改举个例子对照。只有指令“写个产品介绍。”三个都补齐“我要给一款面向独居老人的智能音箱写产品介绍上下文目标用户听力下降、对复杂操作没耐心请写 200 字左右期望长度突出‘不用学就会用’这一点期望重点语气平实不要用‘颠覆’‘赋能’这类词期望风格。”同样一段话三个零件齐了输出的可用度差好几倍。4.2 六种提示语类型各管一件事资料里列了六种常见类型新手不用全记但要认得遇到任务时知道该切换模式指令型直接告诉它做什么适合翻译、格式转换这类目标明确的任务。问答型提一个问题等一个答案适合查概念、要解释。角色扮演型让它扮演某个身份比如“假设你是一位带过十年毕业班的老师”适合需要特定视角的建议。创意型引导它做创意生成适合写文案、起名字、编故事。分析型让它对给定材料做归纳和推理适合读报告、找矛盾。多模态型结合文字和图片一起输入适合看图说话、识别图表。这里要提前埋一个伏笔角色扮演对推理模型要慎用。资料里明确提醒不要对推理模型使用启发式提示比如角色扮演可能干扰它的逻辑主线。原因是推理模型内部已经在按步骤推了你在外面再加一层“你是一位诗人”的设定等于给它加噪声。这个坑后面避坑章还会展开。4.3 五种需求类型的表达公式资料里最有价值的一张表是把需求分成五类每类给了一个表达公式和两种模型下的策略差异。整理成这样需求类型表达公式推理模型怎么问通用模型怎么问决策需求目标 选项 评估标准要求逻辑推演和量化分析直接给建议依赖它的经验归纳分析需求问题 数据/信息 分析方法触发因果链推导与假设验证表层总结或分类创造性需求主题 风格/约束 创新方向结合逻辑框架生成结构化创意自由发散依赖示例引导验证需求结论/方案 验证方法 风险点自主设计验证路径、排查矛盾简单确认缺乏深度推演执行需求任务 步骤约束 输出格式自主优化步骤兼顾效率与正确严格按指令执行不做自主优化拿“决策需求”试一次就懂了。比如你要在两个方案里选一个为降低仓储成本现有两种方案一自建区域仓库初期投入高但长期成本低二与第三方合作按需付费但灵活性高。请根据 ROI 模型对比五年内的总成本列出关键假设最后给出推荐并说明在什么条件下推荐会反转。注意最后半句“在什么条件下推荐会反转”这是个小技巧。它逼着模型去考虑边界情况而不是给你一个拍脑袋的结论。新手最容易接受一个干脆的答案但现实里的决策几乎都带条件。4.4 同一个问题两种模型两种问法资料里反复强调的一点是提示语策略要跟着模型走不能一套话术打天下。对推理模型写法要更简洁。它内部已经把推理逻辑内化了你只需要说清目标和边界别拆步骤。你非要写“先做第一步、再做第二步”反而可能限制它的能力甚至把它带偏。对通用模型写法要更结构化。它不会自动补推理链你得显式引导比如“请分三步思考”“请先列出假设再给结论”“参考下面这个示例的格式”。资料里举过一个很典型的对照让推理模型证明勾股定理直接说“证明勾股定理”就行让通用模型做同一件事得写“请分三步推导勾股定理参考1. 画直角三角形……”。同一个任务两种模型两种写法。这段话我建议你抄在便签上。还有一条要记住的原则不要对通用模型过度信任。你直接问它一个复杂的推理问题它很可能跳过关键步骤给出一个看起来流畅但中间有断层的答案。遇到这类任务要么换推理模型要么逼它分步并逐步验证。5. 新手避坑这五个坑几乎人人踩一遍这一章是给未来的你省时间的。下面五条都是新手在前两周最容易撞上的每一条按“现象—原因—解决”写撞上了直接对号入座。5.1 坑一把它当搜索引擎用现象输入“某软件怎么设置”得到一段听起来很靠谱的操作步骤照着做发现菜单里根本没有那个选项。原因模型给的是训练数据里的统计结果不一定对应当前版本。它不知道“现在是什么时候”也不知道你装的是哪个版本。你把它当搜索用它就会用编造来填补空白还很自信。解决凡是涉及“当前版本”“最新政策”“具体价格”“实时数据”的问题打开联网搜索并且要求它给出处。找不到出处就自己核。另一个办法是把问题改写成“给我排查思路”而不是“给我唯一答案”——思路错了还能纠答案错了你会照着做。5.2 坑二对推理模型做角色扮演现象你写了一大段“假设你是一位从业二十年的资深律师请以你的口吻分析……”结果输出反而不如一句干巴巴的“分析这份合同的三个风险点”。原因资料里说得很直接不要对推理模型使用启发式提示比如角色扮演可能干扰它的逻辑主线。推理模型是靠内部链式推理得出答案的你在外层套一个角色设定等于给它的推理路径加了一层无关约束它得分心去维持“资深律师的口吻”。解决对推理模型把角色设定换成目标设定。不写“你是谁”写“要什么、有什么约束、按什么格式给”。角色扮演留给通用模型和创意任务那才是它发光的地方。5.3 坑三一次塞进三万字的材料现象你上传一份长报告要求“总结全文并给出所有改进建议”输出泛泛而谈重点全漏。原因两个层面。一是材料太长模型对中间部分的注意力天然弱一些开头结尾记得清楚中间容易滑过去。二是你的要求太宽“所有改进建议”等于没说范围它只能挑几个显眼的写。解决拆。先让它给目录级摘要你挑出关心的三节再针对每一节单独提问最后让它把几段结论合并。要求也要收窄把“所有建议”换成“针对成本控制这一章列出三条可执行建议每条注明依据原文哪一段”。5.4 坑四直接相信它给的数字和引用现象输出里带了具体百分比、年份、文献名看着特别专业一查全是拼出来的。原因这是通用模型的典型短板。它擅长生成“像那么回事”的文本不擅长保证每个数字都对。这不是它在骗你是它的工作机制决定的——它在预测接下来最可能出现的词不是在校对事实。解决养成一个习惯凡是数字、日期、人名、文献、法条一律视为待核实项。可以在提示语里直接加一句“不确定的地方标注‘需核实’不要编造”。这句话能拦掉相当一部分幻觉。更稳的做法是把验证和生成分两步先让它列结论再单独问“这些结论里哪些需要外部数据支持”。5.5 坑五把 API Key 写进代码提交上去现象写了个小脚本传到公开仓库第二天发现额度被跑光了。原因密钥就是账号凭证公开仓库会被自动扫描。新手常觉得“我这个小项目没人看”实际上扫描是自动化的跟你项目大小无关。解决密钥放环境变量代码里读环境变量。已经泄露的立刻去控制台作废重发。另外给密钥设置用量上限这是最省心的后悔药。注意这五条里前四条会让你输出变差第五条会让你真的损失。第五条优先处理。6. 下一步学什么一条能走三个月的路径跑通第一个例子之后很多人会陷入第二个迷茫期接下来学什么网上教程铺天盖地一会儿让你学微调一会儿让你学写 Agent看着都很厉害上手全是坑。我的建议是按“用得上”排序不按“听起来高级”排序。6.1 三个月的大致节奏阶段时间目标判断是否过关第一段第 1–2 周把三个零件的写法练成习惯每天用真实任务练三次你能不看模板写出带角色、背景、格式要求的提示语第二段第 3–5 周分清推理模型和通用模型的适用场景同一任务两种问法各试一遍拿到新任务时你能先判断该用哪类模型第三段第 6–8 周跑通 API做一个小工具比如批量整理文件、自动生成周报脚本能在你不盯着的时候跑完并输出可用结果第四段第 9–12 周挑一个你工作里的真实场景做深比如合同条款提取、客服问答整理输出能直接交给别人用不用你再改一遍这个节奏不是标准答案但它有个好处每一段都有明确的过关标准你不会陷入“学了很多但不知道学到哪了”的状态。6.2 一个立刻能用的小技巧如果你只想带走一个技巧带走这个给每次提问加一句“如果信息不足先问我不要猜”。新手最常做的事是把一个信息残缺的需求丢过去然后抱怨输出不对。加上这句话之后模型会先把缺的信息问回来你再补一轮下来质量差一个档次。这招我用得最多尤其是在需求还没想清楚的时候。还有一个习惯值得养把你觉得好用的提示语存下来建一个自己的小库按场景分类。三个月后你会发现常用的其实就那么十来个模板剩下的都是它们的变形。我第一次学这类工具的时候犯的最大错误是贪多——一口气看了七八份资料每份都看了个开头结果一个例子都没跑通。后来改成拿到新资料先只干一件事找一个最小可运行的例子照着做一遍做完再看第二遍。这个习惯帮我省下的时间比任何技巧都多。所以从那以后我每次拿到一份新资料都强制自己先跑通一个最小例子再往下读看完不跑等于没看。这份《DeepSeek 从入门到精通》在各文档站和网盘流传得比较广搜书名基本都能找到找到后建议先看“能做什么”和提示语那两部分边看边在对话框里试别一口气读完。希望帮到你。本文还有配套的精品资源点击获取