上一期给大家讲过关于deep seek是什么，deep c能够做什么，如何使用deep seek的一些小的技巧。在本期的视频里面我们会给大家分享关于deep seek使用更深层次的技巧。首先我们来看deep seek使用的关键原则。说到deep sak的使用，就涉及到一个很重要的就是我们的提示词或者提示语的设计原则。
 
对于deep seek来说，上一期我们也给大家提及过，deep stick是一个推理模型。而对于推理模型来说，我们其实首先应该采用一种比较简洁的直接命令编写策略。在这个过程中，其实提示语的策略它有两个关键点。第一个就是我们要表达出我们的需求。第二就是我们要表达出我们明确确要求的结果或者说目标。因此在这里推理模型它本质上是已经内置化了我们的推理逻辑。所以我们不需要一步一步让它按照我们传统的任务指令进行执行，而是让他自己去做相关的推理演算过程。
 
在这个过程当中也要注意，我们如果过多的去拆解它的推理步骤，那对于推理模型而言有可能起到相反的效果。因为推理模型本身它就擅长自动化的去生成结构化大的推理过程。对于我们普通的通用模型来说，其实我们要采取的思路就是缺什么补什么。比如说它缺少结构化的提示，那我们就补充结构化的提。如果他缺少背景材料，那我们就不给他相应充分的背景材料，然后最终引导一个输出的结果。正由于deep seek在使用上的这种差异，所以我们的提示词要从下达指定到表达需求。
 
对于通用模型而言，其实我们更像是一个主管。就是我们要把任务进行一个清晰的拆解，然后一步一步的引导AI去完成相关的任务。而对于推理模型而言，我们的角色其实更像是一个需求方或者是一个甲方。我们需要表达出我们明确的一个目标，还有核心的诉求求。中间的这些干预过程，其实我们可以尽量的去减少。
 
就像我们可以把deposit当作一个经验丰富的专家。在这个任务执行过程当中，它是一个具备丰富知识储备的专家和判断专家。而且他可以做好自己的判断以及任务拆解的工作，并能自主完成相关的所有任务。在这个过程中我们就不需要再教专家怎么做事了，我们从怎么做转向到需要做什么。在这个时候我们会从一种步骤式的引导转向为一个虚需求的一个描述。
 
针对我们不同的任务需求，不同的模型，提示语的侧重点就不同。比如说在逻辑分析任务当中，我们就可以看到类似于一个电车难题这样的复杂问题。好，这样我先打开我们的d sak给大家进行一个演示。如果我这儿选中深度思考了以后，其实它就是是以推理模型来进行一个执行。那这个时候我们就可以直接抛出复杂问题，并让它根据复杂问题进行相关的工作。并且在这个过程当中，我们要尽量减少一些主观的引导。比如说分析电车难题当中功利主义和道德主义的一个冲突，并作出相关的最优选择。
 
好，这个时候我们就可以看到deep sik它会按我们的步骤对任务进行相关的拆解。这块智慧的部分就是D的逻辑思维推理过程。接下来它根据相关的，你看deep sik就根据相关的步骤，相关的问题，进行了任务的步骤的一一的一个拆解。最终它可以得到我们想要的一个答案，它的最优选择也就相关的得出来了。大家如果喜欢这样，我们可以点击喜欢。但如果发现这个可能与你们预期的结果有差异的时候，你也可以点击进行重新生成。
 
如果在这里我们需要用到大模型进行完成本次任务的话，那就要把任务进行相关的一个拆解。首先我们的进行了第一层次的拆解，就是功利主义和道德主义的一个冲突。接下来deep fake会根据我们相关的任务去完成它的答案。当这里是用到的是大模型。好，接下来我们再根据上述任务给出最优原则。接下来deep sit它实际上这个对话没有结束，它是有一个记忆的功能。所以说它会根据相应的功利主义和道德主义的冲突作为前提，给出最优的一个选择。好，由于时间的关系，我们有回到我们的正文。
 
刚才通过两个事例我们已经看到了任务需求的提示与策略的写法，以及对于我们指令化的提示与写法的差异。接下来就可能会引出大家另外一个问题，就随着AI模型能力的越来越强大，你看这个desk它能写出来的东西还是挺多的那我们是不是以后就可以简化我们的提示语，就不再需要那么费很大的精力去学习这种提示语。那其实是不对的。随着我们AI模型能力越来越强，特别是像deep sk这样的推理模型能力越来越强，或者越来越智能化。其实对于提示语的要求是不是会越来越降低？
 
这个问题其实大家需要了解一个底层逻辑，就是模型它本身能力的提升，本质上不是为了代替我们人类提示与编写策略的思考这个过程。而是为了能够更好的去理解和执行更复杂更精密的运算或者叫指令。纵观人类的发展史，所有的工具，其实deep seek不管是deep sak还是AI它始终是一个工具，它只是提升我们人类能力的一个途径。而对于我们的思想来说，也是需要我们自行进行写入的，然后再由我们的AI模型来进行一个完善。所以说这块我们的提示文的指令或者说提示文的需求编写策略对于我们来说是很重要的。我们的提示语写得越好啊，我们的大模型或者是deep seek执行起来就会越精准，越接近于我们想要的成果。
 
在这里我们也提及一些提示语的类型，关于提示语的元素的一个分类。在原则上提示语被划分为三个大类，一个是信息类元素，其次是结构的元素，还有就是控制类元素。在这里我们给大家进行一个相关的实战的一个引领。
 
首先我们来看一下我们的信息类元素，我们可以以一个篇实战的文档来进行一个分类。我们要求写一篇关于气候变化的文章主题元素，它可以是气候变化背景元素，是面向小学生群体数据元素，可以是比如说的温室气体数据，还有知识类的元素，涉及到了环境科学领域。好，我们按这个用deep seek生成一套相关的文档。首先deep take就已经得到了网页的搜索结果，现在它进入了思考阶段。这里智慧的部分就是deep seek根据我们给出的元素的内容，给到的思考方向，在这里它就可以进行一个文档的编写或者文案的创作了。
 
好，接下来我们回看我们的第二个元素是结构类的元素。结构类的元素往往是以格式、结构、风格、长度等等为内容来进行的，我们就让它第一篇文章，我们就让它继续生存着。接下来我就给出一个深入浅出的论述，美股最近走势好，这后面就涉及到我们的结构的元素。使用通俗易懂的语言文字，限定2000字以内。好，这个时候我们就可以把这个任务下放出去，让deep seek自动的为我们进行一个生成。
 
好的，现在deep seek就根据我们相应的第二类限定元素，再进行相应的文档生成。首先他也是在网上查到了相关的信息。接下来它会根据我们这种通俗易懂的语言和文字，限定2000字以内，生成相关的文案作品。除此之外还有我们第三类元素，我们的第三类元素就是我们的控制类元素。
 
这种控制类元素我也给大家分享一个案例，这个我们就让它继续执行。我们先起一个绘画，这个是一个关于电销的一个回复语料。首先一个我们有一些基础信息，这些基础信息可以告诉deep sak，然后客户现在说的内容也可以告诉客户，让最终我们生成我们的控制类的元素，生成回答结果。还有就是回答者的角色为销售人员。好，接下来我们交给deep sk f sak，也可以根据相关的信息做出适当正确的回复。
 
由于时间的的问题，所以说我们就把之前的一个案例给大家展示一下。这个是我们今天在培训之前我做好的这个案例，这个就是我们的限定元素。然后同时限定他的角色为销售人员，在此基础上就生成了一段销售人员的回复语。这种例子在我们的智能客服里面是经常用到的。所以说这种提示词的组合和编写其实是离不开它的基本元素的。
 
当我们拥有了这些主题元素、数据元素，再加约束或者叫控制的元素以后，我们就可以像搭积木一样的，就组合成我们各种想要的一种场景。比如说我们需要追求一些高输出准确性的时候，我们可以把主题元素、数据元素还有质量元素作为一个组合。比如说我们需要一个优化任务的时候，我们可以把任务指令元素和结构元素以及格式元素进行一个深度的整合。除此之外，我们需要增强这种交互体验感的时候，我们就需要迭代指令元素和输出验证元素以及质量控制元素等等作为个良好的组合。所以说这种元素之间的组合就根据我们自己的场景来生成相应的提示语，这样就可以达到我们想要的一个效果。
 
其实对于一些新手来说，难免上一些坑，那如我们如何去避免这种坑，或者说陷阱的一种应对方式。我们平时遇到的最多的一个陷阱就是迭代陷阱。这个是什么？是迭代陷阱。就是当我们觉别的AI给出来的结果我们不是特别满意的情况下，很多人就会把提示语写的过于复杂，不停的去迭代相互之间的这种元素的一种组合。但其实这样会发现有些元素之间的组合的逻辑也是相互的冲突的。或者说他补充了好几次元素以后就觉得不够满意，那就放弃了。那么这种的一种解决方案就是我们要按前面我们所讲到的元素的基本类型以及它的组合方式。
 
这里的组合方式来解决这个问题。就是不要过多的去重复一些元素，或者是逻辑上进行一些冲突。这样我们的提示语才能写得足够准确。
 
第二就是我们的指令模糊不清，甚至指令里面的元素太多。超出了这个AI能识别的，或者大模型或者逻辑模型能识别的这个量级。比如说很多人直接一本小说扔过去帮我写一个读后感，或者对这个小说写一个评论，那这样可能往往就会出现相应的东西。所以说这时候我们就可以采用其他的应对方式。比如说我们可以考虑一部小说，我们可以考虑在网上搜索这部小说的剪辑性的内容，而避免把一些大量的文字性的东西一次性的扔给这个大模型或者逻辑推理模型，这样的话就可以解决相应的问题。
 
然后我们讨论了推理模型，它是一个能够自动生成和结构化的推理过程。在这个时候大家可能就会问，既然它都能够自动化的生成推理过程的情况下，我们还需要去了解提示语言的概念或者特征不，其实关于提示语链的一个概念以及特征的学习，是有利于我们去掌握如何编写提示语的一种策略。所以说我们还是先来了解一下提示语链的核心特征。首先提示语练具备序列性，我们这个逻辑还在跟其他的逻辑或者其他的数据是否有相绑定或者关联的关系，以及它的适应性。比如说我们当时说到了简明扼要，或者通俗易懂，或者以文学报告的形式输出一段话，或者输出一篇文档。那这个时候就会涉及到它的适应性，它不同的适应性就有不同的输出结果之外。
 
在我们编写提示语练的时候，实际上是分了八大步骤。第一个是要任务的定义，就要明确写明他的目标和要求。第二个就是知识的激活，也就是说我们需要调用相关的哪些知识库或者相应的文档，或者知识领域以及结构的一个构建。就是关于我们这个任务需要以什么样的结构来进行一个说明，以及内容生成产生的核心内容是什么？以及在这个文案或者文档当中，它还需要拓展或者联想哪方面的内容，以及对这个文档的逻辑梳理和语言表达的方式。最终当成果被产生出来了以后，我们还要进行一个二次的评估，看看是否是我们想要的结果。或者在我们写提示语练的时候，有哪些是存在问题的，我们进行改进。
 
那么在我们学习或者使用通用模型的时候，理念的编写方式会有一些区别。在我们使用通用模型的时候，也就是说我们需要一条一条的逐步来进行提示语句的编写。它这个就属于是非结构化的，而是面向过程化的一种就是提示语量的编过程。第一条指明要什么，第二条指明要什么，第三条指明要什么，然后逐条推进的方式。在我们使用大模型的时候，提示语练的编写才会达到我们想要的结果。
 
对上述所讲的那这个在提示语练编写中，任务分解就变成了一个很重要的一个任务。这样的情况下，我们的提示语殿的任务分解，其实就可以按照我分而治之分层级结构理论进行相应的编写。其实本质上它就一次模以我们人类处理复杂问题的一个方式。首先我们可以把一个任务分为几个主要的任务，然后依次一层级进行细细分，最终设计好对应的提示语，建立任务与任务之间的联系。
 
为最终实现我们任务的良好分解，不知道怎么去区分一个任务的时候，我们可以采用这个picture任务分解模型来进行一个任务的一个分割。我们可以让他把或者说我们可以把我们的一个大的任务分成3到5个子任务。第二，我们可以分出各个任务之间的一个优先级。第三我们就可以让它进行一个对子任务的细化。当然我们首先要选出我们这些这些子任务里面最级别最高的一个子任务，然后我们来进行细化，把细化后的任务归类为2到3个小目标，或者两个2到3个小任务项。紧接着我们可以进行链接的提示，也就是说分析各个子任务之间的关系，并让他们形成如何相互支撑，相互影响的一个结构，总体推动我们总任务的一个实现。
 
最终我们可以规定好各个子任务的一个时序，并根据它的持续情况为每个子任务分配相应的资源。在各个子任务执行完成以后，再去评估出它各个子任务的输出质量，以及总体为我们总目标的一个贡献度。在有必要的时候我们再去调整我们的子任务，最我们就可以得到一个规划相对合理的任务分解模型。
 
在我们的任务执行完成以后，这个时候就会涉及到我们的另外一个概念了。就是我们其实任务可以分为这是一个生存阶段以及探索阶段后的第一个阶段生成阶段。其实我们更着重的是一些让AI自行去发挥完成一些发散思维。在这个过程当中可以鼓励AI去做一些跨越常规的思考，包括我们可以用一些比较暴力的提示词，让他尽可能的去展示自己的想象力与探索其中的一个可能性，再去做这种深化和拓展的初始想法。这里就可以举一个小例子，比如在此之前我们让AI生成了一个文案，这个时候我们可以你设计一个反转让I通过自己刚刚所提到的文案去寻找一些代替性的方案。这个时候就是我们的AI的探索阶段，我们为大家进行一个总结。
 
今天我们所讲的提示语，第一个其实就是知识唤醒。在这个阶段其实我们要把AI当做一个头脑风暴的小伙伴，让他帮我们形成整体的的知识框架，激发更多的思考。第二个阶段就是知识整合，通过AI我们去发现不同的知识点和知识点之间的联系，找到相适应的一些知识场景，最终形成整套系统化的知识体系。第三个阶段就是整合之前提及的所有的关键信息要素，构建清晰的提示语链的结构，设定具体的约束，并让AI根据我们的要求进行执行。在执行后我们也可以根据AI最终的执行结果，在对我们的提示语进行相应的优化以及调优，这样就可以得到我们想要的结果。
 
好，最后我们来做一个总结，就是在这个AI时代要培养自己的核心竞争力，我们可以把它归结为一个思想，三种能力。第一个叫AI的思维，这里面就包括的AI的决策力，AI的逻辑能力，以及提升数据驱动分析的能力。把握AI的一些边界能力，建立人机交互协作的模型。这里面其实就是我们一个核心思路，我们要去掌握AI的思维模式，然后建立与AI协作的一个清西的认知和构架。第二个就是我们的整合能力，包括跨域的组合，知识的融合。我们的目标是在整个整合过程当中，充分去发挥人类的优势和机器的优势，创造一个一加一大于二的价值。
 
第三个就是我们引导力，就包括提示工程对话管理以及前面提到的质量控制和任务分解。核心需要去主导AI的一个交付过程，确保他的一个输出是否合乎预期。就像一个优秀的指挥家，他是需要去控制整个演奏的节奏还有方向。
 
第四就是我的判断力。在这里面涉及到我们刚刚提及到的真伪辨别、价值评估、风险预测，还有情景适配。我们要保持一个独立思考，然后让AI成为一个把关者，而不是被动的一个接受者。
 
这一种思维，三种能力它其实是相互支撑，相互补充的。其实它是构成了一个完整的能力圈，它是一个基础能力，可以把它理解为一种手段。判断力是保证。