DeepSeek过年期间火爆了，假期一直热度不断，学习了几个关于DeepSeek的使用要点。
DeepSeek-R1 是一款强化学习（RL）驱动的推理模型，解决了模型中的重复性和可读性问题。在 RL 之前，DeepSeek-R1 引入了冷启动数据，进一步优化了推理性能。它在数学、代码和推理任务中与 OpenAI-o1 表现相当，并且通过精心设计的训练方法，提升了整体效果。【引用硅基流动平台的介绍】
（一）指令不需要那么繁琐了，要简单直接
DeepSeek-R1是一款推理模型，首先在提示词的使用上要进行调整，尽量舍弃AI身份指令，直接引导推理，去掉#角色#背景#目标#限制等指令，简单直接说人话。
DeepSeek-R1最好的提示词组成：
1、要做什么？
2、做这个干什么用？
3、希望达到什么效果？
4、但是我担心什么问题
场景化模板：“我要【目标】，给【对象】用，希望达到【效果】，但担心【问题】...”。
风格迁移模板：“模仿【作家名】的【文体】写关于【主题】的【内容类型】”。
例如：用金庸的武侠小说风格，描写一段程序员使用DeepSeek-R1高效编程的场景。
（二）说人话/用小学生能听懂的话
在之前的大模型对话中，在提示词的末尾添加”思考后再回答“的规则依然适用，添加的提示词是”说人话“，不是所有场景都适用。
也可以“用小学生能听懂的话解释【专业术语】”，例如：用小学生能听懂的话解释RLHF。
（三）多轮对话存在缺陷
DeepSeek-R1官方的论文中提到了多轮对话的问题，在与R1进行多轮对话时，虽然上下文长度是64K，但是在长时间多轮对话后，R1会忘记前面的内容。
（四）在多次对话中反问大模型
（五）如果返回效果不理想，如何继续对话
遇到不理想回答时补充信息：
"刚才关于光伏发电的解答太专业了，能否用生活化的比喻再解释一次？"
需要避免的情况：
- 模糊表述："这个怎么做？"
- 同时问多个问题："怎样备考公务员又准备考研还能找工作？"
- 缺乏关键信息："为什么我的代码报错？"（未提供代码和错误信息）
记住：提供越具体的上下文（如：知识水平/使用场景/特殊要求），得到的回答会越精准。例如："请用小学生能听懂的方式，解释为什么下雨后会出现彩虹"
- 如果对我的回答有疑问，随时可以用以下方式追问：
"能否举个现实中的例子？" - "如果是[某种特殊情况]应该怎么处理？"
- "你提到的XX概念能否用更简单的方式解释？"