DeepSeek高效工作与智能日常
- Deepseek是什么?
- Deepseek区别于其他大预言模型的特点是什么?
- Deepseek的优势在哪里?
- Deepseek如何操作?
"优雅的AI工具，为您的数字生活增添一抹蒂芙尼蓝的精致"
Deepseek是什么?
Deepseek（深度求索）是一家中国创新型科技公司，专注于开发先进的大语言模型（LLM）和相关技术，已成为全球AI领域的重要参与者：
- 创立背景：Deepseek由前幻方金融创始人梁文锋于2023年7月17日创立。梁文锋被认为是量化投资者投身AI创业的"第一人"，他希望"超越投资去直面更大的课题"。
- 模型发展历程：
- 2023年11月：发布首个模型 DeepSeek Coder，免费供商业使用且完全开源
- 2025年1月：发布 DeepSeek-R1，在数学、编程和推理能力上比肩OpenAI的o1模型
- 2025年3月24日: 发布DeepseekV3更新版,本课程主要讲解对象
世界地位
- 全球影响力：2025年1月，DeepSeek-R1发布后快速在全球范围内引起广泛关注，在苹果App Store中国区和美区免费榜均登顶，超越ChatGPT、Google Gemini等产品。
- 技术认可：得到了包括微软CEO纳德拉、计算机科学家吴恩达、Meta首席人工智能科学家杨立昆等业界知名人士的高度认可。
- 开源贡献：DeepSeek的模型在开源社区Hugging Face上下载量已超过10万次，为全球AI开发者提供了宝贵资源。
"中国AI技术的璀璨明珠，正在全球舞台上闪耀光芒"
Deepseek的优势在哪里?
对于小学老师来说，Deepseek具有以下特别的优势：
- 中文理解深入：相比其他国际模型，Deepseek对中文语境、文化背景和表达习惯有更深入的理解，能更准确把握中文用户的意图。
- 教育场景适配性强：Deepseek对中国教育体系和教学需求有深入理解，能生成符合教学大纲和教育理念的内容，更适合小学老师的日常教学需求。
- 文档处理能力强大：Deepseek能处理更长的文档，可以帮助老师分析和整理大量教学资料，如学生作文、教案和学习资料等，提高工作效率。
- 代码能力卓越：Deepseek在代码理解、生成和调试方面表现突出，可以迅速产出"教具"
- 上下文窗口更大：Deepseek支持更长的上下文窗口（最高128K），能处理更复杂的长文本任务，如长文档分析、多轮对话等。
- 推理能力强：在复杂推理和逻辑分析任务上表现优异，能够处理多步骤的思维链任务。
"为中国教育者量身打造的AI助手，理解您的教学需求，提升您的工作效率"
Deepseek如何操作?
小学老师可以通过以下简单方式使用Deepseek进行文字处理：
- 文档修改：可以要求Deepseek修改现有文档，如"帮我修改这份家长通知，使它更加简洁清晰"，然后粘贴您的文档。
- 难道Deepseek只能做简单文字处理么????????????????????????
"简单的操作，强大的效果，让AI成为您教学工作的得力助手"
一、什么是提示词
提示词（Prompt）是引导LLM进行内容生成的命令。它可以是任何内容：一句话，一个问题，或者一个计算公式。当LLM收到提示词后，便开始根据提示词和之前训练的数据，生成相关的回应。
示例提示词：
"解释量子计算的基本原理，用简单的语言描述，适合高中生理解"
二、什么是提示词工程
提示词工程（Prompt Engineering）是有技巧地使用提示词，从而最大限度地提高LLM响应的有效性、准确性和实用性。"工程"表明了这是一个持续的，不断迭代优化的过程。
"好的提示词如同精心设计的珠宝，需要反复打磨才能闪耀光芒"
OpenAI分享了优化提示词的六大策略：
- Write clear instructions（编写清晰的说明）
- Provide reference text（提供参考文本）
- Split complex tasks into simpler subtasks（将复杂任务拆分为更简单的子任务）
- Give the model time to "think"（给模型时间"思考"）
- Use external tools（使用外部工具）
- Test changes systematically（系统地测试变化）
三、提示词的常用技巧
1. 目标明确
模型无法预知你的确切目标，与其让它猜测不如明确告诉它：
Write clear instructions（编写清晰的说明）
- 如果输出太长，就在提示词中要求简短回复
- 如果输出太简单，请要求专家级内容编写
- 用5w1h原则，明确目标(Why, What, How, When, Where, Who)
示例：
写一首诗
写一首七言诗
写一首七言八句诗
模仿李白，写一首关于爱情的七言八句诗
"明确的目标如同精准的切割，能让AI的'宝石'更加璀璨"
三、提示词的常用技巧
2. 结构化输出 (推荐使用markdown)
大部分情况下LLM的输出是类似于聊天的风格。为了提高输出的可读性，或者便于对结果进行加工处理，可以要求LLM进行格式化输出，例如列表、表格、JSON等。
为什么要学markdown？因为markdown具有出色的结构化特性。（由于中文没有大小写，天然表达少了一层维度，结构化输出能另层级权重表达获得明显收益）
示例：
❌早餐买什么
✅以列表的形式输出早餐购买清单
❌中国有哪些经典菜系
✅以表格的形式输出中国经典菜系
"结构化的输出如同珠宝的展示盒，让内容井然有序地呈现"
三、提示词的常用技巧
3. 角色扮演
角色扮演能够更精准地引导语言模型（LLM）理解你的需求，并生成更符合期望的、具有特定风格和专业性的内容。简单来说，角色扮演让模型"扮演"一个特定身份的人，从而调动与该身份相关的知识、技能和表达方式。也能限制大模型发散性的胡编乱凑
示例：
编写智能手表广告语，强调健康监测和便捷支付
你是一个在时尚杂志工作了5年的资深文案编辑，擅长撰写针对年轻都市女性的潮流科技产品文案。请为一款最新发布的智能手表撰写一段广告文案，目标用户是25-35岁的年轻都市白领女性，她们注重健康、追求时尚、生活节奏快。
你是一个科技产品测评博主，在社交媒体上拥有大量年轻粉丝，以客观、幽默、接地气的风格著称。请为一款新型智能手表撰写一段产品推荐文案，用于社交媒体平台发布。
"让AI扮演角色，就像为宝石选择最合适的镶嵌方式"
三、提示词的常用技巧
4. 提供样本
在提示词中提供样本，也称为少样本提示（Few-shot Prompting），它利用了LLMs的上下文学习能力（In-context Learning），即模型能够在没有微调的情况下，通过输入上下文中提供的少量示例来学习和执行新任务。
示例：
指令：判断以下句子是正面情感还是负面情感："我今天心情很糟糕。"
指令：判断以下句子是正面情感还是负面情感。以下是一些例子：
句子：这部电影太棒了！
情感：正面
句子：我非常失望。
情感：负面
句子：今天天气真好。
情感：正面
句子：我感冒了，很难受。
情感：负面
"好的样本如同珠宝设计的草图，为AI提供清晰的创作方向"
三、提示词的常用技巧
5. 思维链 区分步骤
思维链提示是在提示词中要求模型分步骤解答问题，并展示其推理过程的每个步骤。通过这种方式，可以减少不准确结果的可能性，也更容易评估模型的响应。
示例：
一个农场有鸡和牛共35头，脚总共有94只。鸡和牛各有多少头？
一步一步地计算下面问题，并给出每一步的计算过程。第一次得到结果后，再增加一个步骤对结果进行验证。
问题：一个农场有鸡和牛共35头，脚总共有94只。鸡和牛各有多少头？
"分步思考如同珠宝制作的工序，每一步都至关重要"
