大家好，我们来自善宇科技人工智能研究院。今天就由我代表我的团队向各位分享deep seek 0基础到精通part一部分。我们今天分享的这个话题也是最近很热门的一个话题，就是我们的deep sick。今天分享我们会沿着deep sick是什么？Deep sick能做什么，以及如何使用deep seek，就是如何学习与AI进行对话，提升AI对话的质量。
 
我们首先来聊聊第一个话题，什么是diep？首先deep sk就是一个大模型的一个产品，它是由杭州深度求索人工智能基础技术研究有限公司开发的大模型。值得一提的是desk在最新的它的V3版本里面，已经突破了行业，就是国内行业的一个参数极限，它达到了6710亿。当然在这个参数的加持下，deep sit v三这个版本在复杂的数学逻辑运算以及逻辑推理和我们的代码辅助编写。就比如说代码补全、代码纠错等方面，已经能跟欧美的先进模型，就是GPT4Q版这个版本相比接纳。
 
除此之外我们再来聊一聊deep sick的优势。总体说来desk的优势就是AI加国产加免费，再加开源加强。大说到大模型，大家会想到像OpenAI等国际化的大公司的产品，比如GPT系列或者cloud系列等等。这些模型往往非常的强大，但对于中国大陆的用户而言，它的使用往往存在一定的局限性，或者说一定的限制。比如说它的网络并不是很通畅，除此之外网速也比较慢，并且它还需要我们进行付费。但使用我们的deep seek，其实在这些方面大大降低了我们普通用户和企业用户使用AI的高质量门槛。
 
砍。只要你会上网，不管是用手机APP还是用网页都可以免费使用。同时它还是一个开源模型，你可以自由的进行修改和本地化部署。尤其是自由的进行修改，我们可以给deep seek再做一些增量的一些训练或者蒸馏，还有一些减脂。正由于他有这些属性，相关的企业和开发者都可以进行下载，下载后再进行相关的研究或者开发。这样就让更多的企业和开发者都能参与到OAI的研究和应用开发之中。同时由于deep sk开源的属性，对于推动国内AI行业的技术创新以及AI和各行各业融合也起着很积极的作用。同时if six的出现，也标志着我国在大语言模型这个领域已具备和国际一流公司有技术对话的实力。
 
因此最近有一个观点就是把deep seek可以称之为一个国运级别的科学成果。那么我们这么低门槛又好用的AI工具deep seek它可以做什么？首先我们从场景来看，deep seek是直接面向于用户或者开发者这两个群体，并提供了一系列的使用功能。包括了我们的智能对话、代码生成、代码补全、计算推理、文本生成、数据分析等等基础功能，并支持联网搜索与深度思考。接下来我们会在后面给大家详细介绍深度思考。同时，deep sik还支持文件上传，并扫描读取各类文件及图片中的文字内容进行分析。正由于deep sk具备这样的特性，deep seek在国内各行各业都有着广泛的应用场景。
 
而从技术角度来看，可以把deep seek和它的能力或者说核心能力划分为几个核心的板块。而我们就以下面的能力图谱做一个演示。首先，deep seek它具备自然语言的处理，包括了翻译、转换、语言理解、语言文本生成等功能。除此之外，deep seek还具备知识融合的功能，包括多元信息的融合，支持推理以及支持图谱的构建。然后deep seek还具备交付能力，这里就有对话能力、任务执行能力，多态模型或者叫多态交互的能力，以及deep sk具备辅助决策的能力，包括数据分析、方案规划和建议生成等等能力。除了这些体现的能力以外，deep seek在复杂逻辑推理的能力也是很强的。也是作为一个基础能力，我们将上述所有的基础能力进行有机的组合，就能支持更加复杂或者更加丰富的多行业创造性的应用场景。结合deep sk这个多层次多维度的能力结组合，也使得deep sak能够更好的服务于国内各行各业的应用以及需求。
 
接下来我们看一看如何使用deep c不管你是用手机APP还是网页版，都可以直接使用手机。那就是到手机商城进行一个下载，下载DPCK的APP，下载成功以后，再用手机号进行一个注册，注册通过后就可以直接使用了。在这里我们先跟大家介绍一下如何通过网页版来进行一个使用。首先我们打开浏览器，进入到我们这个deep sick的这个界面。Deep seek的界面。大家可以看到这里有一个对话的一个界面，下面有一些控件，这几个控件需要大家看一看。首先在这里有一个可以上传文件的一个控件，这个上传文件就是可以识别到文件中所有的文字信息。接下来这个是联网查找的控件，一旦选中它就可以进行联网查找。
 
这里有一个深度思考的空间，但深度思考在一简单任务里面，其实就不建议大家进行一个深度思考。当然涉及到复杂的任务里面，那就需要进行一个深度思考。首先我们一个简单的例子，好，以这个简单的例子为例。首先deep sit我们开启网搜索模式，他会去查找网络上关于成都今日天气情况的一些信息。然后它经过我们的通用模型或者叫大语言模型整理相应的信息反馈给大家。接下来他会有简单的一个穿衣的一个建议。这一块就是通用模型或者叫大语言模型的一个概率论的一个测算，它就会实现相应的信息。
 
除了这种生活类的简单的deep seek的功能，它还可以帮我们进行一些相应的工作。比如说我是一个自媒人，还要写一篇小红书的文案。我是一个户外新手，需要购买哪些装备，在哪里买比较便宜？在这个文案里我们可以要求他去这里要具备专业性和传播能力。好，这样我们就可以让deep stand在这个时候，其实我们这里会涉及到一个改动。这个改动因为它这个文案是一个相对来说比较复杂的一个过程，所以说我们在这里需要去选中它的深度思考模式。
 
好，这个时候deep seek就开始了任务的执行。首先他会去寻找网络上跟户外相关的装备的所有信息。你看他这儿从很多地方去找到了相应的信息。然后接下来他有一个深度思考的一个过程，这个灰色的字体就表示了它在进行思考，并思考了哪些方面的问题。在这里我们也可以监督他这些思考全不全面。如果不全面的情况下，我们可以给它下放在下一次任务的时候，下放需要加入哪些元素的深思考。
 
接下来在这下面他就已经开始写入我们的正文的文案了。他这些文案就会根据我们的需求以及互联网上查找到的内容，在经过他思考的这些方面，最终形成一比较完整的文案。你看他在这里写到了需要买的入门进阶的装备，以及国货可以在哪里进行购买。
 
当这个文案生成以后，其实我们还不能直接在小红书进行发布。那这个时候我们就可以向deep sik发布我们的第二条命令，那就是形成HTML的代码。同时我们还可以要求而颜色清晰并具备视觉吸引力。毕竟小红书为了文案对了吸引人的获得更多的关注，更多的流量。好，这下他就可以按我们的要求进行相关的文案的相关的代码的生成。值得一提的是，在这里你们可以选择喜欢或者不喜欢，不喜欢的情况下还可以进行一个重新生成。由于这个时它生成可能需要一些时间，我们就以前天我们做的这个任务为给大家进行一个展示，在这里它就直接生成了HTML的代码，我们可以对代码进行复制或者下载。但如果我们可以马上去看一我们想马上去看一看，我们也可以点击这个运行，这样你就可以看到它的直接效果。
 
好，接下来回到我们的正题，刚才我们分享两个deep seek使用的案例。其实通过刚才的分享我们可以看到，只要我们会用AI会跟AI进行对话。不管是国内的大模型还是国外的大模型。只要我们具备这个基础对话的能力，那其实我们就掌握了使用deep seek入门的定义。
 
我们进行了入门了以后，我们如何从入门到精通。就说当所有人都会用AI或者deep c了以后，如何提高你的竞争力，或者说如何让你用的更好更出彩。这个时候就需要我们去了解模型的更深层次的逻辑原理。说去了解不同的模型的特点或者特性，以及各种模型它的边界能力和与之对应的AI对话策略。通俗一点说就是我们问问题的策略，也就是我们人机交互中提示语的策略。
 
首先我们要知道deep seek不管是R一还是V3的版本，它是实时的一个推理模型，和OpenAI的GPT o31样都是推理模型。推理模型它是大在大语言基础上的一个加强，主要体现在有强化推理逻辑分析决策能力的模型。这一类的模型就是我们现在所说的逻辑推理模型。它适用于解答难题或者进行数据推理，以及数学运算的复杂推理。和逻辑关系的复杂推理上相较其他的模型，它在逻辑推理和和辅助决策上都有相应的优势。
 
与之对应的就是我们的非推理模型。这种模型也通常称为我们的通用模型，一般侧重于语言生成、上下文理解和自然语言的处理，而不是强调复杂深度的推理能力。此类模型往往是通过大量的文本训练掌握语言规律并能够生成适合的内容，但缺乏复杂推理的能力。比如说GP3、GP4、bert等等。通用模型推理出得出来的结果一般都是以概率为准的。好，接下来我们就针对这两款模型向大家介绍他们这两款模型不同的运算方式。
 
首先我们的非推理模型或者说通用模型，它是基于概率预测的一种运算方式。它依赖于历史数据和观测值特征值等等构建一个概率模型。他得出的结果也是以概率的大小进行一个评判的标准。所以说他往往输出的结果是未来这件事发生的概率，也或者概率分布。
 
而我们的推理模型用的是链式推理的运算方式，在一定程度上我们一开始就要把这个事实以及事实相关的规则和条件，以及依据等等信息作为一个推理的起点。让我们的模型进行逐步推理，一并推导出相关的结果。所以说这两种模型它的运算方式也是不一样的。那么针对这两款模型不同的运算方式，我们在采取的提示与策略也是不同的推理模型。因此需要明确提示语的前提条件、推理步骤以及因果关系。并且它的结果输出范围也要做相应的限定，约束它逻辑运算的一个边界，缩小推理的空间，这样才能使它这个推理更加的准确。
 
接下来就是还要强调它的解释性。我们的通用模型或者说非推理模型，一般我们就要给出一个开放式的引导，然后给出一定的上下文关联的信息，最后再发布一个任务，让他进行一个概率运算。好，可能大家听起来觉得比较空洞，那我们就以现有的这两款模型的提示语给大家做一个实际的讲解。
 
首先我们这儿有三个实战的一个经验技巧。第一个就是涉及到我们的决策分析，或者叫决策需求的一个分析。在这款产品，在这个任务里面我们是用到了推理模型。你看在这里我们首先固定了它的前置条件，ERP系统的建设成本。接下来我们给他们两个条件限定，第一是自建团队，第二是第三方合作，相互的优劣势列出来。
 
最终我们在得出结果的时候，我们也给他了很多的一个限定。首先我们的计算模型是什么？第二我们的总成本年限是多久？好，通过这样我们就得出了相应的结果。当然这个是我们在deep seek上运行出来的结果。由于它推理的时间比较漫长，为了给大家节约时间，所以说我们就以截屏的方式给大家进行一个展示。你看这样我们就可以得到一些比较准确的结果。
 
接下来我们还有一个需求分析，这个需求分析我们也是用到了推理模型。你看我们给出了前期的一些前置条件，近三年食用油商品出口的一个销量。接下来还有一些条件，依据是什么？增减趋势和关税政策。最后我们给出了一个限定，这个限定就在预测2025年下半年食用油出口趋势，以及它需要用哪个模型进行解释。好，这块我们也是根据得到了他相关的信息的一个结果。
 
第三块就是创造性的需求。创造性的需求我们就用到了我们的通用模型。你看这里我们就很开放的设计一款智能驾驶的一个产品。接下来它解决的问题是什么？解决的就是一款智能驾驶的产品，它解决的问题是什么？解决的就是疲劳驾驶行车安全的问题。我们给他一些启发式的一些东西，结合国内的主流地图以及传感器或者物联网的一些产品。这样可以他也根据我们的要求得出了相关的产品的设计方案。