👉 這是一個或許對你有用的社群
《專案實戰（影片）》：從書中學，往事上“練” 《網際網路高頻面試題》：面朝簡歷學習，春暖花開 《架構 x 系統設計》：摧枯拉朽，掌控面試高頻場景題 《精進 Java 學習指南》：系統學習，網際網路主流技術棧 《必讀 Java 原始碼專欄》：知其然，知其所以然
👉這是一個或許對你有用的開源專案國產 Star 破 10w+ 的開源專案，前端包括管理後臺 + 微信小程式，後端支援單體和微服務架構。功能涵蓋 RBAC 許可權、SaaS 多租戶、資料許可權、商城、支付、工作流、大屏報表、微信公眾號、ERP、CRM、AI 大模型等等功能：
Boot 多模組架構：https://gitee.com/zhijiantianya/ruoyi-vue-pro Cloud 微服務架構：https://gitee.com/zhijiantianya/yudao-cloud 影片教程：https://doc.iocoder.cn 【國內首批】支援 JDK 17/21 + SpringBoot 3.3、JDK 8/11 + Spring Boot 2.7 雙版本
DeepSeek yyds!芋道 24 年 7 月份，就完成了 DeepSeek 的接入:從 V1 => V2 => V3 => R1，真能感受到蛻變！大家可以嘗試下，我們 Java 開發者，也是可以玩轉大模型的。開源專案地址：https://github.com/stars/YunaiV/lists/yudao
最近，DeepSeek這款AI工具爆火國內外。
雖然許多人都開始嘗試使用它，但有人吐槽說，沒想象中那麼牛。
其實問題不在工具，很多人的使用姿勢就搞錯了，用大炮打蚊子，白白浪費DeepSeek的強大功能。
接下來，我將為大家分享9個實用技巧，你會發現DeepSeek遠比想象中更強大。
DeepSeek的三種模式
DeepSeek有三大適用模式：基礎模型（V3）、深度思考（R1）、聯網搜尋。
1. 基礎模型（V3）
基礎模型（V3）是DeepSeek的標配，沒有勾選預設就是基礎模型。V3版自去年12月升級後，效能大幅提升，堪比業內頂尖模型如GPT-4、Claude-3.5等。
它的作用相當簡單，回答日常的百科類問題，幫助使用者快速獲取資訊。
不管是查詢常見知識、處理簡單的文字生成任務，V3都能迅速給出答案。它的優點就是高效、便捷，幾乎沒有什麼門檻，適用於大部分場景。
尤其是在使用者並不要求複雜推理、深度分析的情況下，V3就顯得尤為合適。比如你只想問一個簡單的問題，或者需要一個快速的解答，V3足夠應付。簡單、直接，是它的最大特點。
2. 深度思考（R1）
R1作為DeepSeek的深度推理模型，專門用來解決那些需要複雜推理和深度思考的問題。它處理的任務更具挑戰性，比如數理邏輯推理、程式設計程式碼分析等。
R1模型有660B的引數，並採用了後訓練+RL強化學習方法，擅長從多個角度分析問題，並給出經過嚴密推理後的解答。
R1決定是一位專家，能夠為你提供精確、深刻的推理和分析。因此，如果你的問題涉及到複雜的推理，R1便是不二的選擇。
3. 聯網搜尋
聯網搜尋模式是DeepSeek的AI搜尋功能，基於RAG（檢索增強生成），這一模式讓DeepSeek不僅能依賴它自己的知識庫，還能根據網際網路即時搜尋相關內容來回答問題。
換句話說，聯網搜尋不僅讓模型能夠回答2024年7月以後的問題，還可以利用網路上的最新資訊來補充自己的回答。
如何對標其他模型？
DeepSeek的三個核心模式，能夠與chatGPT對標，為我們提供更清晰的選擇。
1. V3對標GPT-4o
DeepSeek的V3模型堪比GPT-4o，二者的設計理念和應用場景非常相似。V3採用了Moe架構，擁有671B的引數量，能夠在百科知識領域提供快速響應。
2. R1對標o1
R1是DeepSeek的深度推理模型，和OpenAI的o1模型非常類似。二者都在處理推理、深度思考以及複雜邏輯問題時，展現出了非凡的能力。
R1採用了660B的引數，並且在強化學習和後訓練方面表現出色。R1更擅長邏輯推理和複雜問題的解答，在這一點上，R1已經超越了o1模型。
知識庫的更新時間
目前，DeepSeek的預訓練資料已經更新到2024年7月。
但對於之後的新聞或技術動態，DeepSeek的聯網搜尋模式就顯得尤為重要，它能夠根據網路即時獲取最新資訊，彌補知識庫的空白。
告別提示詞
很多AI熟手可能會囤一堆提示詞模板，但是，DeepSeek 完全不用準備提示詞，只要簡單明瞭地描述你的需求，DeepSeek 就能理解並給出精準的答案。
舉個例子，如果你想讓 DeepSeek 幫你寫一段蛇年拜年祝福語，直接告訴它這個需求，它就能立刻生成多個風格的版本。
與DeepSeek的對話，儘量使用簡單、直白的語言。越是接地氣的表達，DeepSeek就越能發揮其最大潛力。
避免過於正式、結構化的表述，簡單、直白、帶點口語化的語言往往能夠獲得最自然、流暢的答案。
DeepSeek的理解能力非常強，不需要過多的引導，給它一個清晰的問題，它就能提供精準的答覆。
“小學生”溝通技巧
與DeepSeek對話時，有時我們可能覺得AI的回答過於抽象。
這其實源於傳統AI模型過於注重結構化表達，結果都是“八股文”的回答，我們可以藉助DeepSeek的“小學生”溝通技巧。
可以給它一個提示：“我是一名小學生，請用小學生能聽懂的話解釋什麼是大模型。”
透過持續追問，獲取詳細答案
運用持續追問的技巧，能夠幫你快速搞清楚一個複雜問題，大致步驟如下：
-
\1. 提出一個概括性的問題 -
\2. 基於回答內容進行深入追問 -
\3. 繼續挖掘具體細節 -
\4. 將對話資訊整理成清單格式
例如，我先問DeepSeek：“如何寫好提示詞？”
對於如何提供上下文，我還是不明白，我可以繼續追問DeepSeek。
最後我讓DeepSeek把對話整理成詳細的清單格式。
活用聯網搜尋
聯網搜尋是DeepSeek的一大亮點，它讓模型在回答時不僅僅依賴預訓練資料，還能即時從網路上檢索最新的資訊。
你可以問到2024年7月以後發生的事件，或者某些新興技術領域的問題，DeepSeek都能透過聯網搜尋為你提供更準確、及時的回答。
例如，你問DeepSeek：“2025年春晚有哪些節目？”它可以在網路上找到最相關的資料，並結合大語言模型的能力生成確的回答。
但是，最近DeepSeek受國外網路攻擊，聯網搜尋暫不可用了，尷尬~
上傳附件功能
除了聯網搜尋，DeepSeek還支援上傳附件功能，這為使用者提供了更多個性化的體驗。
透過上傳附件，你可以將自己的私密資料、知識庫、甚至是一些需要深度推理的材料直接交給DeepSeek，讓它基於這些專有的檔案進行分析和推理。
上傳附件最多支援50個檔案，每個檔案最大100MB，資料量較大的檔案，DeepSeek也能處理自如。
R1的三個開放特性
對於深度思考（R1）模型，DeepSeek做到了三個重要的開放特性，讓R1不僅僅是一個“黑盒”模型，它的思維過程、訓練技術和模型引數都是透明開放的。
1. 思維鏈全開放
R1的思維鏈是完全開放的，使用者可以看到模型進行推理時的每一步邏輯。
這不僅是一個回答，而是一個完整的思考過程。透過這種方式，使用者能獲得最終答案，還能夠理解AI是如何得出這個結論的。
2. 訓練技術全部公開
DeepSeek採用了RL（強化學習）技術，透過極少的標註資料提高了推理能力。
所有的訓練技術，包括模型的後訓練過程和資料增強方法，都是公開的。
這讓廣大網友都能深入理解模型的訓練過程，並且可以根據需要進行調整和最佳化。
3. 開源模型
DeepSeek還將R1的部分模型進行開源。雖然R1模型本身的引數高達660B，通常只有大公司才能使用，但DeepSeek也為社群提供了更小的開源模型，讓更多的開發者和研究者可以使用。
最小的模型只有1.5B引數，適合個人開發者進行實驗和開發。
這格局太頂了，幫助全球的開發者共同推動AI的發展。
以上9個技巧，希望能幫助你更好地使用DeepSeek。歡迎大家在評論區分享你的使用技巧，一起探討、學習。
歡迎加入我的知識星球，全面提升技術能力。
👉 加入方式，“長按”或“掃描”下方二維碼噢：
星球的內容包括：專案實戰、面試招聘、原始碼解析、學習路線。
文章有幫助的話，在看，轉發吧。
謝謝支援喲 (*^__^*）