听“相声”学习《DeepSeek从入门到精通-清华大学版》
《DeepSeek:从入门到精通》清华大学新闻与传播学院新媒体研究中心
元宇宙文化实验室 @新媒沈阳 团队 :余梦珑博士后
https://oss.dolc.de/forum/audio/deepseek.wav
音频下载
本教材详细介绍了 DeepSeek，一家专注于通用人工智能的中国科技公司，并强调其开源的 DeepSeek-R1 模型的功能和应用。文档解释了 DeepSeek 如何提供智能对话、文本生成和代码辅助等服务，并深入探讨了 提示语工程的重要性，将其视为与 AI 高效互动的关键技能。文章详细阐述了各种提示语设计策略，包括任务分解、思维拓展和特定应用场景下的技巧，最后总结了在人机协作时代提升个人能力的重要性，以及 AI 在知识获取和创新中的辅助作用。
下载地址https://scc.ustc.edu.cn/_upload/ ... 62-e5e62913d6b8.pdf
人工智能助手能力提升与提示语设计研究指南
一、 测验
请用2-3句话简要回答以下问题：
[*]DeepSeek 是什么类型的科技公司？
[*]除了智能对话，DeepSeek 还可以提供哪些应用场景？
[*]DeepSeek-R1 推理模型的最大优势是什么？
[*]推理模型和非推理（通用）模型的关键区别在于什么？
[*]快思（概率预测）模型和慢想（链式推理）模型的主要差异体现在哪里？
[*]针对推理模型和通用模型，提示语策略有何不同？
[*]提示语（Prompt）的基本结构包含哪些要素？
[*]缺乏迭代是提示语设计中常见的陷阱之一，如何应对？
[*]AI幻觉的产生原因通常是什么？
[*]在文案写作中，情感共鸣的核心是什么？
二、 测验答案
[*]DeepSeek 是一家专注于通用人工智能（AGI）的中国科技公司。
[*]除了智能对话，DeepSeek 还可以提供文本生成、语义理解、计算推理、代码生成补全、联网搜索、深度思考和文件上传等应用场景。
[*]DeepSeek-R1 推理模型的最大优势在于其开源和免费商用，并且擅长处理复杂任务。
[*]推理模型专精于逻辑密度高的任务，而通用模型擅长多样性高的任务，更侧重于语言生成和上下文理解。
[*]快思模型响应速度快、算力成本低，基于概率预测；慢想模型响应速度慢、算力成本高，基于链式思维逐步推理。
[*]对推理模型提示语更简洁，只需明确任务目标；对通用模型需显式引导推理步骤并依赖提示语补偿能力短板。
[*]提示语的基本结构包含指令、上下文和期望。
[*]应对缺乏迭代陷阱的方法包括采用增量方法逐步添加细节、主动寻求AI反馈以及准备多轮对话进行澄清和改进。
[*]AI幻觉的产生通常是由于模型在缺乏相关信息的情况下，通过概率性选择生成内容，而非基于真实世界的知识库或逻辑推理。
[*]在文案写作中，情感共鸣的核心在于触动、共感和记忆。
三、 论述题建议
[*]结合DeepSeek的功能特点，分析在实际工作中，如何利用DeepSeek的不同能力来提升个人或团队的工作效率。
[*]论述在人机共生时代，掌握提示语设计核心技能的重要性，并结合Prompt DNA的基本元素，阐述如何构建强大的提示语。
[*]分析Prompt Chains（提示语链）的作用机制和设计原则，并举例说明在复杂任务中如何应用Prompt Chains来提高AI生成内容的质量和逻辑性。
[*]选择文案写作、营销策划、品牌故事、年终总结、微信公众号、微博、小红书或抖音中的任一场景，详细阐述其平台或内容特性对提示语设计的具体影响，并设计一套适用于该场景的提示语策略。
[*]探讨AI幻觉的产生原因及应对策略，并结合“人机共生质量影响因素分析”中的观点，分析人在AI内容生成质量中的主导作用。
四、 术语表
[*]DeepSeek: 一家专注于通用人工智能（AGI）的中国科技公司。
[*]AGI (通用人工智能): 具备理解、学习和应用知识解决任何问题的能力，达到或超越人类智能水平的人工智能。
[*]DeepSeek-R1: DeepSeek 开源的推理模型，擅长处理复杂任务并可免费商用。
[*]推理模型: 在传统大语言模型基础上强化推理、逻辑分析和决策能力的模型。
[*]非推理大模型 (通用模型): 侧重于语言生成、上下文理解和自然语言处理，不强调深度推理能力。
[*]快思模型 (概率预测模型): 基于概率预测，响应速度快，算力成本低。
[*]慢想模型 (链式推理模型): 基于链式思维，逐步推理问题步骤，算力成本高。
[*]Prompt (提示语): 用户输入给AI系统的指令或信息，用于引导AI生成特定的输出或执行特定的任务。
[*]Instruction (指令): 提示语的核心，明确告诉AI希望执行什么任务。
[*]Context (上下文): 为AI提供背景信息，帮助其更准确地理解和执行任务。
[*]Expectation (期望): 明确或隐含地表达对AI输出的要求和预期。
[*]Prompt DNA: 指构成强大提示语的基本元素，分为信息类、结构类和控制类。
[*]AI Hallucinations (AI幻觉): 生成式人工智能模型生成包含虚构、不准确或与事实不符的信息。
[*]AIGC (人工智能生成内容): 通过人工智能技术自动生成的内容。
[*]Prompt Chains (提示语链): 用于引导AI生成内容的连续性提示语序列，将复杂任务分解为多个子任务。
[*]Meta-prompt (元提示): 一种指导AI“如何做”而非仅“做什么”的策略。
[*]CIRS Model: 提示语链设计模型，包括Context (上下文), Instruction (指令), Refinement (优化), Synthesis (综合)。
[*]SPECTRA Model: 任务分解模型，包括Segmentation (分割), Prioritization (优先级), Elaboration (细化), Connection (连接), Temporal Arrangement (时序安排), Resource Allocation (资源分配), Adaptation (适应)。
[*]Geneplore Model: 创造性认知模型，包括生成阶段（Generate）和探索阶段（Explore）。
[*]IDEA Framework: 发散思维提示语链设计框架，包括Imagine（想象）, Diverge（发散）, Expand（扩展）, Alternate（替代）。
[*]FOCUS Framework: 聚合思维提示语链设计框架，包括Filter（筛选）, Optimize（优化）, Combine（组合）, Unify（统一）, Synthesize（综合）。
[*]BRIDGE Framework: 跨界思维提示语链设计框架，包括Blend（混合）, Reframe（重构）, Interconnect（互联）, Decontextualize（去情境化）, Generalize（泛化）, Extrapolate（推演）。
[*]PIA (语用意图分析): 建立在语用学和言语行为理论基础上，分析任务的语用意图。
[*]TFM (主题聚焦机制): 借鉴认知语言学中的原型理论和框架语义学，锁定核心内容。
[*]DES (细节增强策略): 整合认知叙事学和信息处理理论，深化内容质量。
[*]CMM (跨域映射机制): 借鉴概念隐喻理论和类比推理方法论，激发创新思维。
[*]CGS (概念嫁接策略): 借鉴认知科学中的概念整合理论，创造性融合概念。
[*]KTT (知识转移技术): 基于迁移学习理论和组织学习理论，实现跨域智慧应用。
[*]RCM (随机组合机制): 建立在强制联系和创意综合理论基础上，打破常规思维。
[*]EHS (极端假设策略): 借鉴逆向思维和假设性思考概念，突破思维界限。
[*]MCS (多重约束策略): 基于创造性问题解决理论和有限性思维概念，激发创造性问题解决。
[*]RSM (语体模拟机制): 建立在语域理论和语体分析基础上，精准捕捉语言特征。
[*]EIS (情感融入策略): 基于情感语言学和心理语言学研究成果，增强文本感染力。
[*]RTA (修辞技巧应用): 基于修辞学和文体学理论，提升语言表现力。
[*]人机共生: 人类与人工智能协同合作，共同完成任务和创造价值。
[*]AI思维: 理解人工智能决策逻辑、能力边界和协同模型。
[*]整合力: 将人工智能能力与人类洞察有机结合的能力。
[*]引导力: 能够准确地引导人工智能完成任务的能力。
[*]判断力: 对人工智能输出的准确性和适用性做出评估的能力。
[*]TACT Framework: 提示词框架，包括Task (任务), Audience (目标受众), Structure (结构), Tone (语气), Example (示例)。
[*]ALIGN Framework: 提示词框架，包括Aim (目标), Level (难度级别), Input (输入), Guidelines (指导原则), Novelty (新颖性)。
[*]三重概率: AIGC内容生成体系，包括初始生成概率、交互筛选概率和主观优化概率。
[*]具身知识库: 人的基于感知、情境和实践经验形成的知识积累。
[*]形式知识库: AI基于数据、逻辑规则和抽象概念形成的知识体系。
页:
[1]