#饶老师的思考笔记 · 第454篇
DeepSeek和 OpenAI 的 o1 大模型都拥有超强的推理能力，两者的虽然用的不同技术路线，但提问的方式是可以相互参考的。
去年，OpenAI 联合人工智能著名学者、斯坦福大学教授「吴恩达」，推出了一门关于使用 o1 的课程《Reasoning with o1》，另一名讲师是 OpenAl 战略解决方案架构主管 Colin Jarvis。这应该是OpenAI官方对于 o1 使用的详细解读了。
课程中，关于 o1 的提示词技巧如下：
-图片内容由 Kimi-k1.5长思考模型总结
根据吴恩达的课程内容及我前 1 个月使用 o1 的经验，再加上最近几天 DeepSeek 的使用心得，两者虽然技术路线不同，但是在提问的方式能相互借鉴、互相参考。还有，我觉得在向这种思考模型提问的时候，还可以更简单一点。
02由于 DeepSeek 拥有超强的推理能力，我们就把他当成一个能力超强的员工，这个员工我们不需要教他如何做事，只需要关注「输入」「输出」两个部分，就能极大调用 DeepSeek 的能力。
「输入」是给DeepSeek 解决某个问题足够多的背景信息。
「输出」是要求 DeepSeek 给出答案时必须遵守的规则。
「输入」是指你针对某个问题提供的详细背景信息，能让 DeepSeek 了解更多情况，从而更有针对性地给出答案。
比如，如果你把 DeepSeek 当成一个专属的健身教练，你不把自己的身体数据和运动偏好给到 DeepSeek，它怎么会给出更合理的建议呢？
但是我们又不清楚 DeepSeek 在解决问题时需要哪些信息。这个时候，你需要让 DeepSeek 自己说它要解决问题需要哪些信息。然后让 DeepSeek 整理成一个问卷，自行填进去，发给 DeepSeek就可以了。
这个时候能用一个万能公式：
你要解决某某问题，那你需要哪些背景信息？
我一般是把这个问题作为问 DeepSeek 的起手式，后面再给出的答案都不会太差。
参考如下图：
-以上内容截图自 DeepSeek
后面你再提任何问题，DeepSeek 就可以根据的个人信息，给出专属于你的健身建议。
同样，这样的提问方式还适合工作中做方案、生活中育儿等各个方面。
「输出」是要求 DeepSeek 在给出答案时必须要遵守的规则。
有些规则是和语言风格相关，你可以用这些提示词对 DeepSeek 进行要求。
比如「说人话」「用小学生都能听懂的语言」「非专业人士都能听懂」，还有模仿谁的写作风格进行回答，或者是「这是给老板看的方案」等等。
如果是要给领导写发言稿，你可以把领导之前的发言稿内容全部复制粘贴进一个 Word 中，再用附件上传给 DeepSeek，然后要求参考你附件中的文章风格进行模仿，这个时候效果一般都比较好。
还有写规则是对回答格式提出具体要求，你可以要求 DeepSeek 按照某个顺序、某个格式进行输出。
比如「按照是什么、为什么、怎么办」的格式进行回答，或者「按照三个要点进行概括」，效果都还不错。如果是写某个有固定格式的文章，比如论文，可以直接让 DeepSeek 按照规定的文章结构进行输出。
还有些是对 DeepSeek 的思维方式进行要求。
我个人喜欢用的提示词，包括「请用反常识的观点来回答某个问题」「请用批判性思考的风格进行回答」，有时候我会要求 DeepSeek 先给出解决某个问题的流程，再要求它按照这个流程进行回答。
比如，你可以问「专业的健身教练在给新手做计划时，常规的流程是什么？」，然后再要求 DeepSeek 用这个流程来回答，我自己试过，效果还不错。
03在之前的经验中，我们也常用「人设+背景+任务+要求」的提示词模型来编写提示词，实际上对 DeepSeek 中也是同样适用的。
人设：你想要找谁来帮你解决这个问题？
DeepSeek 中懂的知识太多了，如果不限制适用某些知识点，回答的问题就会比较空泛。
背景：为了解决这个问题，需要了解哪些背景信息？
DeepSeek 是能力极强的员工，但如果你不告诉它背景信息，它只能用训练的知识来回答，同样也会没有针对性。
任务：每次对话尽量只提出一个问题，避免多个问题互相干扰回答。
DeepSeek 每次回答的文字是有最大字数限制的。如果问题多了，每个问题回答就不细致，那也是隔靴搔痒。
要求：希望回答中必须要遵守的规则或者注意事项。
DeepSeek 的回答本身是有一套规则，但是像有些公司会有自己的写作框架风格，比如周报、月报的格式要求。这个时候提前告诉 DeepSeek，就能有更好的答案。
这个提示词的结构也是最简单的内容了。在「背景」部分可以直接问 DeepSeek 要解决这个任务，需要哪些背景信息？「要求」要是没有就可以不写。
上面这个提问模型也是按照「输入」「输出」两个方面对 DeepSeek 进行优化。
04总结一下，对于 DeepSeek 这种超强推理的能力的大模型，我们能做的就只有两件事：
「输入」足够多的背景信息，明确「输出」的语言格式等要求。
对于中间推理过程，我们就尽量少干预，让 DeepSeek 自行思考。
如果给出的答案不理想，那就换个对话框，多问几次，总会给出合适的答案。
“看”都是问题，“做”才是答案。
多用 DeepSeek，不断总结，你也能摸索出更适合自己的提问方法。
大道至简，只管多用就好。
-End
