爆肝48小時！學會這8招，讓DeepSeek變得超好用！

更多相關介紹：

前言

大家好，我是解決師 Blue~

DeepSeek 爆火后，幾乎一夜之間，朋友圈里關注 AI 的和不關注 AI 的都在討論 DeepSeek。

目前 DeepSeek 全球 160 多個國家登頂，日活躍用戶數突破 1500 萬，成了全球增速最快的 AI 應用。

能獲得這個成就的原因只有一個，那就是：他們發布了一個免費且無比聰明的模型—DeepSeek R1。

經過我這幾天每天 5 小時以上的爆肝體驗，以及看了一些小伙伴的測試之后，我發現很多人對大語言模型依然懷著錯誤的認知和預期，因為一些錯誤的認知，這很可能會阻礙我們使用 DeepSeek R1 的體驗。

因為 DeepSeek “聰明”這個特性，讓我們去年所學習的大量的提示詞技巧開始失效。

我們不再需要那么多的提示詞技巧，只需要很簡單地表述自己的需求，便能獲得超出預期的回答。

所以 DeepSeek 到底是什么？怎么用啊！

那么我將通過這篇文章的以下四個部分來向大家介紹：

第一部分，我會向你解釋應用 DeepSeek 模型最重要的秘密，為什么我們會丟棄之前使用方式與 GPT 指令模版的方式。

第二部分，我會向你介紹 DeepSeek 大型語言模型最好用的隱藏玩法：說人話，以及為什么「說人話」對于推理模型的 DeepSeek 會好用。

第三部分，則會向你介紹使用 DeepSeek 它最強大的技能「深度思考」，以及如何在現在的條件下去激發深度思考。

第四部分，則是向你介紹我目前在使用 DeepSeek 時常用好用的 8 大技巧，這些也是我覺得使用 DeepSeek 必備的基礎能力。

不過，在做任何深入的介紹之前，如果你還沒使用過 DeepSeek 的話，強烈建議你先去做一些嘗試，再返回看文章，效果會更加好。

一、DeepSeek 革命性突破：扔掉提示詞模板，擁抱自由對話

DeepSeek 它的使用方式與 GPT 是很不同的。

核心要點是我們需要先把之前使用 AI 的那一套固定傳統的思維模式扔掉，比如所謂的專業提示詞以及一些提示詞的模板。

如果我們還在使用各種"專業提示詞"和"模板"，那么就完全走錯了方向。

DeepSeek 根本不吃提示詞這一套。

為什么？因為 DeepSeek 它是推理型模型，我們不適合用指令型模板去操作它。

這兩種類型的模型就像兩個不同的思維的人：

指令型的人就像一個老學究，做事有條不紊，嚴格遵循既定的規則和流程，需要你事無巨細地安排任務步驟。像 OpenAI 的 GPT-4o、DeepSeek V3、豆包等都屬于指令模型（instruct model），這類模型是專門設計用于遵循指令生成內容或執行任務的。

推理型模型人就像一個魔術師，能夠根據不同的情況迅速調整策略，靈活應對，專注于邏輯推理、問題解決的模型，能夠自主處理需要多步驟分析、因果推斷或復雜決策的任務，只要你說明目的，他就能自己思考怎么做。

從實際的應用角度來說，如果說 GPT 你要學會提問，那么使用 DeepSeek 就需要你學會對它提要求。

所以我們在使用 DeepSeek 的時候需要直接的說出具體的需求和場景。

例如我現在需要做什么？目的是什么？希望達到什么樣的效果？但是又擔心什么樣的問題？

那么，讓我用一個真實案例來說明。
我們以前傳統方式：

你是一個文案專家，你幫我在優設的 AI 導航工具里針對 DeepSeek 這個 AI 工具寫一段 20 字以內的簡介，簡介的內容要貼合產品的優點，同時給我提出 5 個不同方向的文案。

這樣我們只會得到一份干巴巴的文案，雖然文案可以使用，但是還是有一種很死板的 AI 味。

DeepSeek 的新方式：

比如我之前想讓 DeepSeek 幫我寫一段優設 AI 導航工具的簡介文案。

我們優設有一個收集 AI 工具的的導航網站，里面收錄了很多熱門的 AI 工具，我現在想要將 DeepSeek 這個新興的 AI 工具收錄進我們的 AI 工具導航里面，但是目前缺乏一個針對 DeepSeek 的 20 字以內的簡介，我希望你幫我寫一段簡介，簡介的內容需要用情緒化的方式介紹一下 DeepSeek 這個工具的特點，讓用戶一眼就能了解到這個工具到底有什么作用。但是有擔心會觸及的廣告法，請能幫我在簡介當中規避這個問題，請說人話。

從生成的結果上面來看，Deepseek 從它的思考過程、解析思路以及答案等方面直接給出接地氣的分析。

這就是最大的區別：

DeepSeek 不需要你寫"專業提示詞"，它需要的是真實場景和具體需求。

所以使用 DeepSeek 最重要的就是一個通用公式：

我現在需要做什么？目的是什么？希望達到什么樣的效果？但是又擔心什么樣的問題？

就像你跟一個聰明的同事溝通：不要說"請按照 STAR 法則寫周報"

而要說：我要寫周報，老板周一要看，我希望周報的內容重點放在 xxx 上，讓咱們部門在老板面前能達到裝逼效果，力壓隔壁研發部，但擔心研發質疑我們產品文檔寫得不夠詳細……"

二、DeepSeek 的隱藏寶藏：用“說人話”的方式解鎖超能力

在網絡上遇到很多人都在抱怨 DeepSeek 的回復太抽象，像是在讀天書。

即使使用了結構化問題法之后，得到的答案要么很像技術說明書，要么就是長篇大論卻言之無物？

其實出現這種情況的根本原因，還是在于我們都還是按照之前使用 AI 的習慣，給 Deepseek 喂了很詳細的提示詞（咒語 / Prompt）。

以往的 AI 給出的回答常給人一種機械、刻板的感覺，滿屏都是 “首先、其次、然后、總而言之” 這樣的模式連接詞。

如果你覺得 Deepseek 給你的答案過于專業過于抽象，你就在問題后面多加一句：“用通俗的語言說明/說人話/讓小學生也能聽懂/讓我奶奶也能聽懂...”就可以解決這個問題了。

因為 Deepseek 對“說人話”這個詞語很敏感。

我們只要告訴 DeepSeek，他的受眾對象是誰， 對著這類人講他們聽得懂的黑話，這樣效果更佳。

為什么「說人話」對于推理模型的 DeepSeek 會好用。

這就好比你在講故事的時候，先構建一個大家都能進入的場景，然后用幾個關鍵詞點燃大家的興趣，讓聽眾順著你的思路走下去。

這里面核心邏輯就是：利用場景設定，激活模型對語境、受眾和風格的敏感度，讓它更精準地對接用戶的需求。

就是讓復雜的信息變得簡單易懂，就像把高深的理論用最接地氣的方式講給你聽。

具體來說，可以從三個方面來看：

1. 觸發風格切換：DeepSeek R1 模型在訓練過程中，已經遇到了無數次“說人話”和復雜解釋的案例（就像課堂上老師面對學生那樣），這就相當于給它裝了個“通俗表達”開關。一旦你打出“說人話”，模型立馬就會切換到更易懂、簡潔明了的模式。
2. 受眾感知：你給模型的指令里隱含了“請面向非專業人士”的要求。這樣一來，模型就會自動把那些專業術語甩到一邊，多用類比、打比方，比如“就像……”這種方式，讓復雜的概念變得親切、接地氣。
3. 任務重構：這里的任務目標從“解釋概念”升級成“確保對方聽懂”。這就像你在演講時，不僅要講清楚，還得時不時停下來問問聽眾“聽懂了嗎？”模型也會因此采用分步驟講解、反復確認理解的策略，確保信息傳達到位。

這正是現代信息傳遞中，科技與人性化思維相結合的精髓所在。

為什么「指名道姓」式的溝通更管用？

把“說人話”再具體化，就是明確你在和誰對話，這樣效果就會更佳。

想象一下，如果你在對話中不僅提醒模型“說人話”，還特別說明“面向大學生”、“針對 UX 設計師”或者“給技術小白

解釋”，那模型就能更精準地調出符合這群體思維模式和認知水平的表達方式。

實戰效果對比：

當你說"給我們的 UI 設計新手解釋設計系統"，效果遠超普通"說人話"，就像在設計說明文檔中標明"開發者/設計師/用研"不同角色須知——精準度

假設我們要向產品經理解釋「容錯性設計」時。

第一次我們給出模糊指令："用說人話解釋容錯性設計"

可能得到上面這種接地氣的例子。

然而第二次我們給出精準指令："給 APP 產品經理用說人話的方式解釋容錯性設計"

從產出的結果上，我們就可以看得出非常契合產品經理的視角，這樣產品經理就更容易理解了。

總結下來可以從三個方面著手：

1. 明確目標受眾：當你指定“針對互聯網產品經理”時，模型就會自動使用專業術語，而是采用更貼近他們日常工作的語言，這樣，我們更容易產生共鳴，理解力也會大大提升。
2. 調整表達風格：不同受眾往往偏好不同的表達風格。比如，“面向初創企業老板”時，語言可以更直截了當、務實，突出數據和案例；而“給技術小白”講解時，則需要多用類比和實例，讓抽象的概念變得具體可感。模型在感知到這種細分指令后，會自然而然地調整風格，使得信息傳遞更加高效。
3. 優化信息結構： 針對不同聽眾，我們還可以調整信息的呈現順序。比如，對于不熟悉某個領域的人來說，先從一個簡單的場景切入，再逐步引入專業知識，比一次性拋出大量信息要容易接受得多。這樣的分層遞進不僅能抓住聽眾的興趣，還能有效降低理解難度。

把“說人話”進一步具體化，就是在構建場景、切換風格的基礎上，再精細化地鎖定受眾。

這樣一來，信息傳遞不僅變得“更人性化”，還能真正做到讓每一個目標受眾都能聽得懂、用得上。

正如羅振宇常說的那樣，“我們不是在講課，而是在和觀眾對話”，只有對話真正對上號，才能讓復雜的知識輕松落地。

Deepseek 就像我們身邊善解人意的朋友，它不僅能理解表面意思，還能捕捉到字里行間的隱含情感和意圖，最終給出自然流暢、貼近人類表達方式的回應。

三、DeepSeek 的超級大腦：深度思考，解鎖無限可能

聊天界面提供了三種模式——基礎模型、深度思考（R1）和聯網搜索，可根據不同場景和需求，靈活選用。

在 DeepSeek 的對話界面中，我們會注意到聊天輸入框下方的兩個選擇「深度思考 R1」和「聯網搜索」

「深度思考 R1」這個選項其實是一個切換鍵，它背后關聯著 V3 和 R1 兩個模型的不同能力。

基礎模型，于去年 12 月升級到 DeepSeek-V3 版，性能比肩全球頂尖的開閉源模型（如 4o、Claude-3.5-Sonnet、Qwen2.5、Llama-3.1 等）。

當不啟用“深度思考”時，我們使用的是 V3 模型，它就像一個多面手，能夠高效地處理各種語言任務，比如快速生成文章、翻譯、聊天等，適合那些需要快速得到答案或者處理多種任務的場景。

而當我們啟用“深度思考”時，就切換到了 R1 模型，它更像是一個邏輯專家，擅長解決復雜的邏輯問題、進行深度推理，比如數學建模、編程代碼生成等。

不過，很多用戶在體驗到“深度思考”帶來的神奇效果后，就習慣性地在所有問題上都啟用它。

關于「深度思考 R1」

深度思考是一種基于內部知識和經驗，通過邏輯推理、分析綜合等方法來深入探究問題本質的思考方式，它更側重于對信息的深度加工和理解，而不是簡單地獲取信息，深度思考在寫作、學習和創意生成等場景中，深度思考能夠發揮重要作用。

1. 當你需要更簡單快速的回答時，不必打開「深度思考」，使用默認模型 V3 即可；
2. 當你需要完成更復雜的任務，你希望 AI 輸出的內容更結構化，更深思熟慮時，你應該打開「深度思考 R1」選項，通過深度思考，人們可以打破常規思維束縛，創造出更具新穎性和獨特性的作品或想法。

關于「聯網搜索」

聯網搜索是一種基于互聯網的信息檢索方式，通過搜索引擎等工具可以快速查找和獲取各種信息。

在查新聞、找資料、實時數據等場景中，聯網搜索具有顯著優勢。

1. 當你的任務所涉及的知識在 2024 年 07 月之前時，你無須打開「聯網搜索」功能，因為目前 DeepSeek 的預訓練數據已經更新到 2024 年 7 月被充分訓練過的語料知識。
2. 當你的任務所涉及的知識在 2024 年 07 月及之后時，比如昨天 NBA 比賽的賽果，硅谷對 DeepSeek R1 的評價等，你必須打開「聯網搜索」功能，否則大模型在回答時會缺乏相應的知識，這時候 DeepSeek 的聯網搜索模式就顯得尤為重要，它能夠根據網絡實時獲取最新信息，彌補知識庫的空白。

深度思考和聯網搜索各有其優勢和適用場景。

在實際應用中，我們可以根據具體需求和場景選擇合適的方式來獲取信息和處理問題。

四、DeepSeek 的使用技巧：8大技巧事半功倍

以下是給 DeepSeek 新手的 8 個「接地氣」的技巧，看完直接用。

技巧 1：講清目標

通過明確品牌定位、目標用戶、顏色方案、必須包含的元素以及字體和圖標風格的偏好，DeepSeek 可以提供更貼合需求的設計建議。

這就是在告訴我們直接說需求，千別繞彎子。

在使用 DeepSeek 時，講清目標是獲取高質量、精準回答的關鍵步驟。

我們不要教 DeepSeek 做事，別問"你能做什么?"，而是直接告訴它：我要 xx，目的是要 xx，希望達到 xx 效果，不希望出現 xx 問題...，Deepseek 都能秒懂的。

因為面對一個聰明的機器人，我們很多時候不需要教它去怎么做，給它定義清楚目標就好了。

和 OKR 的邏輯一樣，發揮它的主觀能動性。

技巧 2：在提問中增加數字來豐富背景

面對這種聰明的幫手，它的習慣是你一問，它就給你一套解決方案。

如果你沒將背景說清楚，它也不會在繼續問你，它就會根據自己的經驗來回答了。

所以我們需要給它提供必要的任務背景，同時強調數量，它可以還你多套完整有用的解決方案。

同時由于用戶暴增，DeepSeek 明顯調整了響應策略，思考時間從 20 秒降到 5 秒，回答的內容深度明顯下降，

反思能力由于時間關系受到了限制。

它這樣做我們也是可以理解的，畢竟思考越久，所需的算力就越燒錢。

但對于我們用戶來說，如何還能激發它的深度思考能力？

這里試用這些核心提示詞，可以幫助 DeepSeek 激發它的深度思考能力。

1. 請在你的思考分析過程中同時從逆向角度思考你的回答至少 10 輪，保證詳細的思考過程
2. 請在你的思考分析過程中同時對你的回答的內容進行復盤，保證詳細的復盤過程

如此一來，深度思考的時間將會變長，所以我們這里使用核心是：反思。

技巧 3：讓 Deepseek 說人話

如果 Deepseek 給你的回答就跟話癆一樣，太復雜，看不懂或者回答的非常專業，你就直接回它三個字：說人話，效果簡直神了。

見風使陀說人話是一種讓 DeepSeek 以更通俗易懂的方式輸出內容的技巧，其核心在于通過特定的提示詞或指令，讓模型將復雜、抽象的內容轉化為更接地氣、貼近日常表達的語言。

如果“說人話”效果不夠理想，可以使用更詳細的規范指令。

直接跟 ta 說，請用以下規范輸出：

1. 語言平實直述，避免抽象隱喻；
2. 使用日常場景化案例輔助說明；
3. 優先選擇具體名詞替代抽象概念；
4. 保持段落簡明（不超過 5 行）；
5. 技術表述需附通俗解釋；
6. 禁用文學化修辭；
7. 重點信息前置；
8. 復雜內容分點說明；
9. 保持口語化但不過度簡化專業內容；
10. 確保信息準確前提下優先選擇大眾認知詞匯

將上述規范加入問題中，能進一步提升回答的通俗性。

同時我們也可以通過添加角色設定、結合場景限制、確保信息準確三個方面可以讓 DeepSeek 的回答更加貼近日常表達，降低理解難度，提高信息的可接受性。

添加角色設定示例：

“用廣場舞大媽的聊天方式說說這個項目的優點?！?br /> “像給小學生解釋一樣，說說這個科學原理?！?/p>

結合場景限制示例：

“在家庭聚會場景下，如何向長輩解釋我的工作？”
“在朋友聚會時，用輕松的語氣說說最近的科技趨勢。”

確保信息準確示例：

“請用通俗易懂的方式解釋這個概念，但要確保信息準確?！?/p>

技巧 4：用假設性問題激發它的預判腦洞

我們之前說過 DeepSeek r1 是推理模型，我們要用假設新問題激發它的預判腦洞，這樣才能幫助我們提前避坑。

如果我們用指令會不會來觸發 DeepSeek 的預判模式？

如果是這么直接的方式提問效果就顯得很一般了。

但如果你這樣問：如果想在互聯網設計師的社群中當做互動贈書的活動，用戶會不會覺得沒新意？換成打卡解鎖福利

會不會更好？那么送什么類型的獎品會更吸引到現在的設計師。

DeepSeek 不僅會給出方案，還會分析不同的選擇和利弊，甚至主動提出你沒想到的優化點。

只要是提出這個假設性的問題，比如未來三個月設計行業可能會發生什么，它就會從行業趨勢、政策因素、競品動向等進行深度分析，推演出你沒想到的細節。

技巧 5：利用 DeepSeek 查漏補缺

利用 DeepSeek 進行查漏補缺，可以幫助用戶在項目、內容創作或數據分析中發現潛在問題并提供解決方案。

當我們在做方案的時候，如果你害怕自己的方案方案有問題，但是自己會看不出來這些問題，我們就可以利用啟動杠擊模式。

示例中沿用了上一個在互聯網設計師的社群中當做互動贈書的活動假設性問題，只需要直接甩給他一句，啟用杠擊模式，DeepSeek 會先列出原方案的短板，然后再給出優化后的方案。

技巧 6：尋找元問題

聰明人不但會提供答案，還會提出很多好問題。

所以在使用 DeepSeek 時，尋找“元問題”是一種非常有效的技巧，可以幫助用戶更深入地思考問題的本質，從而獲得更全面、更有針對性的答案。

所以我們可以借助 DeepSeek 向我們反向提問，幫助我們思考。

或者是在我們自己提出問題之前，就先讓 DeepSeek 來問我們，找到一些元問題。

這里我總結了一些具體尋找元問題的使用技巧。

① 提出開放式問題，引導 DeepSeek 反向提問

當你不確定具體需求時，可以先提出一個開放式問題，讓 DeepSeek 幫助你梳理關鍵點。

例如：我現在打算開展一個電商項目，但不太確定具體需求應該怎么描述，請你幫我列出 5 個關鍵問題，協助我理清思路。

這種方式可以幫助你從多個角度思考問題，避免遺漏重要的細節

② 利用“背景+需求+限制條件”結構

在提問時，采用“背景+需求+限制條件”的結構，可以幫助 DeepSeek 更好地理解問題的上下文，從而更精準地回答。

例如：

背景：“我正在準備一個面向年輕用戶的社交媒體營銷活動。”

需求：“請幫我設計一個吸引用戶的互動環節?！?/p>

限制條件：“預算在 1 萬元以內，活動周期為一周?！?/p>

③ 通過追問細化問題

如果 DeepSeek 的回答不夠具體，可以通過追問進一步細化問題。例如：

第一輪：“請幫我設計一個內容收藏產品的用戶旅程?！?/p>

第二輪：“針對這個用戶旅程，用戶在使用過程中可能會遇到哪些痛點？”

第三輪：“針對這些痛點，有哪些具體的優化建議？”

④ 要求 DeepSeek 驗證確認

在提問時，可以要求 DeepSeek 先列出需要了解的關鍵信息，待你補充后再生成具體內容。例如：

問題：“請先列出需要了解的產品功能項，待我補充后繼續生成產品設計文檔。”

⑤ 使用逆向提問技巧

當問題比較復雜或模糊時，可以嘗試逆向提問，讓 DeepSeek 從結果出發反向思考。

例如：

問題：“如果我們的產品要在未來 3 年內占據市場份額的 30%，現在需要解決哪些關鍵問題？”

通過這些技巧，你可以更有效地利用 DeepSeek 尋找問題的核心，從而獲得更有價值的建議和解決方案。

技巧 7：讓 AI 回答更靠譜

我們應該都知道 無論多先進的 AI 模型，都是有一定局限性的。

AI 模型生成的內容是基于訓練數據的統計規律，可能存在事實性錯誤或誤解，所以我們一般會在得到 AI 的回復之后，要求增加上以上這五種限制的條件，可以讓 DeepSeek 的回答更加靠譜，提高回答的準確性和可信度。

要求驗證和引用示例：

限制瞎編：加上這些要求
“給出可驗證的參考資料來源”
“如果不確定請明確說明”

要求分步推理示例：

對付復雜問題，分步驟問：
“第一步先列出可能的方法，第二步分析優缺點，第三步給出推薦方案”

技巧 8：借鑒大佬思維，讓聰明翻倍

當我們遇到很多想不通的問題的時候，可以通過借鑒行業大佬的思維，來找尋一些問題的答案。

比如我這里讓馬斯克和雷軍來針對 2025 年互聯網設計師還有哪些發展方向進行辯論。

從這里面的內容當中可以看出，都還是比較符合這些大佬的思維模式和語言習慣的，雖然有些回答可能有點放飛自我了，但是我們可以根據不同的實際情況添加限制條件，所以我們可以通過這種借鑒大佬思維取巧的方式，讓我們獲得更多的靈感。

五、DeepSeek 的局限性：這些場景盡量不使用

說了這么多優點，也必須說說它的局限性，以下場景不建議使用 DeepSeek。

1. 長文本處理限制

DeepSeek R1 目前提供的上下文長度為 64k token，對應到中文字符大約為 3-4 萬字。

這意味著在處理超過這一長度的文檔時，DeepSeek 可能無法一次性處理完整個文檔，而是通過檢索增強（RAG）的方式選取部分內容作為記憶的一部分。

在處理長文本時，DeepSeek 可能出現邏輯斷裂的情況。

這是因為模型在處理長文本時難以保持整體的連貫性和一致性。

因此，在需要處理非常龐大的文檔集合時，可能不是最佳選擇。

2. 敏感內容

因為是國產的 AI 產品，DeepSeek 內置了嚴格的審核機制，對于敏感內容會進行限制。

這可能導致用戶在處理某些特定主題時遇到障礙。

如果我們在溝通的過程中遇到了這樣回復的時候，大概率就是觸發審核機制。

很多時候你不知道哪句話就觸發審核了，這種情況怎么解決呢？

因為 DeepSeek 是后置審核，所以可以在你的提問處點擊修改，再提交幾次，修改到內容是不觸發審核的，確保提問時語言清晰、準確，避免模糊不清或可能引發歧義的表述。

注：最近好多人問我有沒有更多DeepSeek的使用技巧，現在課程終于上架啦

僅需一頓飯的價錢，萬事不求人，一學就能用！覆蓋學習/辦公/寫作/生活20個高頻場景，5分鐘變身各行業高手 ?? https://pro.uisdc.com

結束語

曾經，要充分用好 AI，我們需要花費大量時間收集提示詞模板，學習各種指令和參數。

這一系列復雜的操作讓許多人對 AI 望而卻步。

但現在，這一切都將成為歷史，DeepSeek 代表了 AI 的未來方向——更懂人話，更會思考。

使用 DeepSeek 只需簡簡單單地做到三件事：清晰表達自己的需求，說明具體應用場景，用最直白、日常的語言去和 Deepseek 交流。

這意味著 AI 的使用門檻正在快速降低。

就像設哥一直在和我們強調的，總有一天提示詞這種內耗的東西終將會成為過去！

那些還在用提示詞收割的成為了智商稅。

DeepSeek 就是代表了新一代 AI 的使用范式，契合 2025 的辭舊迎新！