从DeepSeek官方最新的系统提示词,窥见DS的“性格”

大模型向量数据库机器学习

其实,很多人没意识到,一行行系统提示词,正是每个大模型团队的自画像。

有的模型,会在开头反复铺陈身份和原则,生怕你误解了它的边界和定位;

有的模型,讲究同理心,哪怕回答技术问题,也要关照你的情绪、细节和体验感受;

DeepSeek 的提示词,看起来极简,实则极致“务实”。picture.image

最近,DeepSeek 在 2025 年 5 月 28 日的一次更新里,终于拥有了属于自己的系统提示词。

说实话,这东西真没多复杂,本来也没打算专门写一篇。

但看到身边不少朋友对 DeepSeek 的系统提示词还有误解,公众号的 AI 提示词“家族”里也还差 DeepSeek 这一员,所以这篇就顺势补上。

其实 DeepSeek 一直都很开放。模型、训练集群的代码、甚至提示词,大多数都是直接公开的。

2024 年发布的 DeepSeek-R1 其实没有系统提示词,直到今年 5 月 28 日更新后才正式补上。

picture.image

https://huggingface.co/deepseek-ai/DeepSeek-R1-0528

那么,DeepSeek 的系统提示词到底长什么样?

一句话——极简主义

  
该助手为DeepSeek-R1,由深度求索公司创造。  
今天是{current date}。  

模型温度值设为 0.6(

)。

DeepSeek 官网和App,用的都是这一条“自我介绍”+日期。

比如今天的提示词,就是:

  
该助手为DeepSeek-R1,由深度求索公司创造。  
今天是2025年6月10日,星期二。  

就是这样,极简、直接,没有任何多余的修饰。你甚至很难从中感受到“情绪”或“风格”。

但这恰好就是 DeepSeek 团队的“性格缩影”:重技术、重执行,工程师气质拉满。

你在 DeepSeek 的系统提示词里,很难看到“关怀用户”或“情感共鸣”这样的表述。

他们最在意的是——如何让模型精准理解你的指令 ,如何分清信息的结构与区块 ,以及如何输出高效可靠的答案


文件上传场景的标准提示词

在 DeepSeek 里上传文件时,系统会自动用一套标准模板,引导大模型“看懂”你的需求,比如:

  
[file name]: {file\_name}  
[file content begin]  
{file\_content}  
[file content end]  
{question}  

这样,AI 一下子就明白:哪里是原始文件内容,哪里是你的问题,不会把两者混淆。


联网搜索场景的系统提示词

如果开启了联网搜索,DeepSeek 会用更详细的提示词来规范大模型表现,比如引用规范、信息筛选、答案结构等。以下是中文版提示词原文:

  
# 以下内容是基于用户发送的消息的搜索结果:  
{search\_results}  
在我给你的搜索结果中,每个结果都是[webpage X begin]...[webpage X end]格式的,X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分列出引用。如果一句话源自多个上下文,请列出所有相关的引用编号,例如[citation:3][citation:5],切记不要将引用集中在最后返回引用编号,而是在答案对应部分列出。  
……  
# 用户消息为:  
{question}  

对于英文用户,提示词会自动切换为英文版:

  
# The following contents are the search results related to the user's message:  
{search\_results}  
In the search results I provide to you, each result is formatted as [webpage X begin]...[webpage X end], where X represents the numerical index of each article. Please cite the context at the end of the relevant sentence when appropriate. Use the citation format [citation:X] in the corresponding part of your answer. If a sentence is derived from multiple contexts, list all relevant citation numbers, such as [citation:3][citation:5]. Be sure not to cluster all citations at the end; instead, include them in the corresponding parts of the answer.  
……  
# The user's message is:  
{question}  


其实,看多了各家系统提示词,真能感受到每个大模型的“性格”。

ChatGPT 处处体现中立、权威和稳健,像一位值得信赖的数字顾问。

Claude 强调情感、同理心和人文关怀,像个温柔的朋友。

Grok 则开放、跳脱,充满探索和脑洞,像头脑风暴合伙人。

DeepSeek 则极简、直接、务实,满满工程师风格——只关心怎么把事儿做对、把答案做好。

这些细微的差异,其实就是团队理念、产品风格在“话语”层面的折射。

是更像权威助理、还是人文伙伴、创新激发者、还是实用主义者?每个人都能找到和自己气质最契合的那一款AI。


最后

我是「云中江树」,每周在这里和你聊聊 AI 工具、智能玩法和我的真实体验。

如果你觉得这篇内容对你有帮助,欢迎点赞、在看、分享三连支持。关注「云中江树」,一起把 AI 用到极致,真正让智能成为你的生产力!

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
VikingDB:大规模云原生向量数据库的前沿实践与应用
本次演讲将重点介绍 VikingDB 解决各类应用中极限性能、规模、精度问题上的探索实践,并通过落地的案例向听众介绍如何在多模态信息检索、RAG 与知识库等领域进行合理的技术选型和规划。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论