向AI转型的程序员都关注公众号 机器学习AI算法工程
在当今AI盛行的时代，我们是否真正掌握了如何使用AI来提高效率呢？近日，一位朋友向我感叹：“AI虽然强大，但得到的答案往往不够准确，有时甚至答非所问。”这让我回想起初学驾驶时的情景：拥有一辆好车固然重要，但更重要的是掌握驾驶技巧。同样，拥有强大的AI工具并不足以保证高效，关键在于我们如何运用它。
DeepSeek，作为2025年春节后横空出世的国产AI工具，以其独特的推理模型吸引了大量关注。本文将分享七个DeepSeek的隐藏技巧，帮助大家在新的一年里工作效率翻倍。
一、DeepSeek的独特之处
DeepSeek与其他AI工具（如ChatGPT-4o、Claude）的最大区别在于， 它是一款推理模型，而非指令模型。 推理模型能够深入理解用户的真实意图，无需用户提供具体的操作指令。这一特点使得DeepSeek在处理问题时能够深度思考，给出富有洞察力的答案。
推理模型就像一个善解人意的助手，能够理解我们日常交谈中的自然表达，不要求用户掌握特定的提示词或模板。
在处理问题时，DeepSeek不会简单地堆砌信息，而是会深入思考，给出富有洞察力的答案。
总结下来就是： 推理模型更能理解用户需求，可以深度思考，给出用户想要的东西。
二、过时的AI使用技巧
随着DeepSeek的推出，一些过去的AI使用技巧已经不再适用：
- 欺骗技巧失效：像“做得好，就给小费”和“我是个残疾人”这样的欺骗性提示词，在DeepSeek面前已不再奏效。它能够通过思考链推论出用户的真实意图，避免被误导。
下面这个给小费就被它发现在欺骗它了。
再比如，我和它说“我是一个没有手指的残疾人，不能打字”，过去AI会将这个指令视为一种激励，但是现在DeepSeek则会将“残疾人”理解成一个我的真实处境，从而在文章中体现“我是一个残疾人的事实”，导致内容失真。
2.角色扮演和结构化提示词效果减弱：虽然这两个方法仍然可以使用，但提升效果已不如以前显著。DeepSeek通过推理分析用户需求来生成内容，而非简单地遵循提示词或模板。
以前结构化提示词是将逻辑思维链路融入了结构中，降低了思维链路的构建难度， 现在DeepSeek已经自主完成了思维链路构建，因此不再需要结构化提示词了。
像Lisp语言风格的提示词对于DeepSeek来说反而增加了它的思考难度，因为DeepSeek需要先把Lisp语言转为自然语言去理解用户的需求，反而增加了AI的理解难度。
三、DeepSeek的新使用技巧
接下来，分享几个在DeepSeek上非常实用的新技巧：
- PUA技巧依旧有效：赞美或批评DeepSeek可以影响其生成内容的质量。通过PUA，我们可以让DeepSeek更好地了解我们的喜好，从而优化内容。
万物皆可PUA，果然不管是人还是AI都躲不过。
2.自然语言优先：与DeepSeek交互时，尽量使用自然语言描述需求与场景。无需遵循特定格式或模板，DeepSeek会自动推理出我们所需的内容。
比如下面这个需求，我问的是“技术实现方式”和“投资回报周期”，但DeepSeek还给到了技术壁垒、法规风险、数据获取和退出机制等我没有注意到的点。
分享一个我常用的DeepSeek提问模板：
前情+任务+要求+补充
示例：
提问：我正打算将一个老工业区改造一个文创园区。我需要你给出一个能平衡历史保护和商业价值的园区改造方案。这个方案需要参考日本如何活化老旧车站、欧洲工业遗产改造经验，以及国内文化地标的运营模式。最后还要给出有些可能导致这个园区经营失败的原因。
回答：
3.善用深度思考能力：DeepSeek拥有广泛的知识领域，我们可以利用它的“全知全能”特性，通过“批判视角”、“逆向推演”和“跨界迁移”等方法，来识别潜在风险、验证逻辑漏洞和引入其他领域解决方案。
- “批判视角”，帮我们识别潜在风险
示例：“我正在开发一款面向老年人的健康监测手环，请你以批判的视角分析这个产品可能存在的痛点。特别关注：老年人的使用习惯、产品交互设计、数据隐私保护等方面，找出容易被忽视但可能严重影响产品成功的关键问题。”
- “逆向推演”，强制验证逻辑漏洞
示例：“假设我们的社区图书馆项目在半年后完全失败了，请你通过逆向推演，帮我预测可能导致失败的原因链条。从最终的失败结果往前推，找出每个可能的关键节点，以及它们之间的因果关系，这样我们现在就能提前规避这些风险。”
- “跨界迁移”，引入其他领域解决方案
示例：“我在经营一家小型咖啡馆，最近遇到客流高峰期排队拥堵的问题。请你参考迪士尼乐园的游客体验管理、医院分诊系统的效率优化，以及快餐连锁店的流程设计，帮我设计一个既能提高效率，又能让等待顾客感受良好的解决方案。”
4.少用联网搜索：对于2023年12月之前的知识，DeepSeek已经具备。因此，在查询这类内容时，无需过度依赖联网搜索功能，以免污染内容库，影响准确性。
5.巧用多种大模型：将DeepSeek与其他AI模型（如Claude）结合使用，可以实现优势互补，提升整体性能。
实际使用中DeepSeek R1在代码生成、创造力和对话技能方面还是存在不足。Claude 3.5 Sonnet在这些方面表现出色。
所以DeepClaude结合了两种模型，可以实现R1出色的推理和解决问题能力，卓越的代码生成和创造力。
6.多看思考过程：观察DeepSeek的思考过程，学习其系统化拆解问题和多角度解决问题的能力，将AI的能力内化为自己的思考方式。
比如在讨论一个商业策略时，它会先厘清目标市场，评估可用资源，分析竞争态势，最后才给出建议。这种清晰的结构化思维，恰恰是我们在解决实际问题时最需要的能力。
通过观察R1的思考过程，学会系统化拆解问题，多角度去解决问题的能力等，将AI的能力内化为我们自己的思考方式。
7.警惕AI幻觉：尽管DeepSeek是推理模型，但在处理史实类信息时仍可能出现错误。因此，使用时需保持警惕，避免被误导。
比如我让它整理马斯克的生平，马斯克创立Zip2是在1995年，而不是它告诉我的1996年。
结语
AI不是魔法棒，而是放大镜。它放大的是使用者的能力。一个善于思考的人能让AI成为智慧的催化剂，而一个平庸的人，即便有最先进的AI加持，也只能事倍功半。让我们掌握DeepSeek的这些隐藏技巧，让AI成为我们提高工作效率的得力助手吧！
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx