DeepSeek提示词的基础、进阶和高级版本,超越99%的人

学术   2025-02-02 12:16   河北  
来源:学君说
作者:学君    编辑:学妹


DeepSeek提示词的基础版本

RCR 框架:Role-Context-Request(角色-上下文-请求)

角色定位(Role)

▸ 基础版:你是一位资深网络安全工程师

▸ 进阶版:你是有15年Java开发经验的架构师,擅长高并发系统设计,习惯用比喻解释复杂概念

上下文限定(Context)

▸ 基础版:用户是刚学Python的新手

▸ 进阶版:目标读者为医疗行业从业者,需避免专业术语,用患者能理解的语言解释CT扫描原理

明确请求(Request)

▸ 基础版:写一段二叉树的遍历代码

▸ 进阶版:`用Python实现非递归中序遍历,要求:

  • 添加中文注释解释栈操作逻辑

  • 输出示例包含3层节点结构

  • 时间复杂度分析



DeepSeek提示词的进阶版本

 1.  分步式指令

用特殊符号明确执行步骤。

案例提示词:

请按以下步骤分析:

① 识别用户需求中的核心矛盾  

② 列出3种可能的解决方案  

③ 用SWOT分析法对比选项  

④ 给出可落地的执行建议


 2.  模板填充法

将提示词拆分为可复用的模块。

案例提示词:

生成一份跨境电商营销方案,包含:

【目标人群】20-35岁北美都市女性  

【痛点分析】列出3个核心痛点  

【渠道策略】分社媒/EDM/KOL三类说明  

【ROI预测】用表格对比各渠道成本与预期转化率


 3.  意力分配法

通过 分段标记 和 关键词强化,引导模型聚焦核心信息:

案例提示词:

请分析以下文本(重点关注加粗部分):

**量子计算的核心优势**在于并行处理能力,但**量子退相干问题**仍是主要挑战。


 4.  多模态融合

通过跨模态信息提示增强大模型理解力。

案例提示词:

根据这张图表(图1),分析销售额的季节性波动,并结合文本描述(见下文)预测下季度趋势。


 5.  动态调整生成参数:温度(Temperature)

通过调整温度值生成不同风格(大模型中,温度值控制生成文本的随机性,值低结果保守常规,值高更随机创新但可能欠逻辑,取值范围在0-1。)

案例提示词:

以严谨的学术语言回答(temperature=0.3),避免发散性内容。


 6.  动态调整生成参数:Top-p(Nucleus Sampling):

通过Top-p值来控制生成内容的多样性(top-p 是大模型中用于核采样的参数,通过设定一个概率阈值,让模型从累计概率达到该阈值的词中选择生成内容,值越小生成越保守,值越大生成越多样且更随机)

案例提示词:

生成5个创意点子,要求覆盖不同领域(top-p=0.9)。


 7.  自我修正提示

让模型先输出初步结果,再自我优化:

案例提示词:

先生成一段代码,然后分析潜在的性能瓶颈,并提出优化方案。


 8.  多视角验证

通过角色切换增强输出可靠性:

案例提示词:

以开发者的角度实现功能,再以测试工程师的角度找出潜在缺陷。


DeepSeek提示词的高阶版本

 1.  元提示(Meta-Prompting)

让模型生成提示词,再基于生成的提示词完成任务。

案例提示词:

你是一位提示词工程师,请为以下任务设计一个高效提示词:

任务:生成一篇关于“AI伦理”的深度分析文章,要求包含正反方观点。


 2.  思维链增强(Chain-of-Thought Augmentation)

显式引导:通过分步指令强化逻辑推理:

案例提示词:

请按以下步骤分析:

① 识别问题核心  

② 列出可能的解决方案  

③ 评估每种方案的可行性  

④ 给出最终建议

隐式引导:通过提问激发模型推理:

案例提示词:

如果量子计算机实现商用化,会对传统加密算法产生哪些影响?请逐步分析。


 3.  多角色协作(Multi-Agent Collaboration)

通过提示词模拟多个角色的协作过程。

案例提示词:

你是一个团队,包含以下角色:

1. 产品经理:定义需求  

2. 设计师:提供UI方案  

3. 开发者:实现功能  

请协作完成一个“智能家居控制App”的原型设计。


 4.  对抗性提示(Adversarial Prompting)

通过对抗性提问挖掘模型的潜在能力。

案例提示词:

请反驳以下观点:“AI永远无法超越人类创造力”,并提供支持论据。


 5.  逆向提示工程(Reverse Prompt Engineering)

通过输出反推模型的内部逻辑,优化提示词设计。

案例提示词:

请生成一段关于“量子计算”的文本,然后分析:

1. 哪些关键词触发了模型的特定推理路径?

2. 如何调整提示词以引导模型生成更专业的内容?


6.  提示词遗传算法(Prompt Genetic Algorithm)

通过迭代优化提示词,找到最佳生成效果。

案例提示词:

请生成5个不同的提示词,用于创建一篇关于“AI伦理”的文章。

然后评估每个提示词的效果,并选择最优版本。


 7.  递归提示(Recursive Prompting)

定义:让模型在生成过程中不断优化提示词。

案例提示词:

请生成一个提示词,用于创建一篇关于“AI伦理”的文章。

然后基于生成的提示词,输出文章内容。

了解神器,扫描二维码进群

点亮“在看”👇

学术志
以学术为志业,矢志不渝!
 最新文章