Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

给deepseek提问的格式是什么样的

Answer

关于 DeepSeek 的提问格式，以下为您提供相关信息：

  • 在“五津:DeepSeek+扣子：1 分钟生成小红书爆款单词视频”中，包括整理数组、输出内容、问答等步骤。在问答环节，让用户确认单词是否满意，若满意则进入下一步，不满意或输入其他内容则到结束节点，结束节点会增加一个“bumanyi”变量，并提示若不满意可重新制作。
  • 在“宝玉日报”中，提到 Deep Research 与 DeepSeek 的区别，如 Deep Research 基于 GPT-4o 和 o3 具备 UI 交互、搜索等功能，DeepSeek 是品牌名称需加上具体模型名，还提到人工智能与人类智能的关系的官方文件译文及相关链接，以及 Deep Research 前置模型提示词泄露。
  • 在“Deepseek‘4+1’黄金提问法——目标导向”中，包括明确身份（角色、专业背景、现有资源、决策权限）、具体任务（工作内容、执行步骤、优先级别、交付物）、细节约束（时间限制、资源限制、技术要求、禁区提示）、输出格式（文档类型、结构要求、重点内容、展示方式）等支撑要素。
Content generated by AI large model, please carefully verify (powered by aily)

References

五津: DeepSeek+扣子：1分钟生成小红书爆款单词视频

将上一步的数组去掉数组格式，变成纯文本，约定纯文本的格式，用于下一步以消息形式输出，方便用户阅读。ps：数组会含有["","",""]，且不会换行，这种格式不方便用户阅读，所以需要做这一步。[heading2]4、输出上一步内容[content]将上一步处理得到的纯文本输出，用于下一步询问用户是否满意这个结果。[heading2]5、问答[content]这个问答，让用户确认单词ok后再进入后续流程，避免用户最终不满意，浪费token。用户选择满意，则进入下一步。用户选择不满意或输入其他内容，则直接到结束节点，结束整个流程。结束节点增加一个bumanyi变量，内容是：若不满意，请忽略下方信息，重新制作，在主题中清晰描述您的要求。如：家用电器，包括洗衣机、空调、咖啡机这种情况下，其他变量没有输出，所以为空。

宝玉 日报

🫧宝玉日报「2月4日」✨✨✨✨✨✨✨✨1⃣️🔍Deep Research与DeepSeek区别解析Deep Research是基于GPT-4o和o3的产品，具备UI交互、搜索等功能。DeepSeek只是品牌名称，需要加上具体模型名，如DeepSeek V3（类似GPT-4o）或DeepSeek R1（类似OpenAI o1）。Deep Research更擅长生成专业报告，而DeepSeek Chat虽然集成搜索，但效果仍有差距。🔗[https://x.com/dotey/status/1886816305719681203](https://x.com/dotey/status/1886816305719681203)2⃣️📜人工智能与人类智能的关系（官方文件译文）由圣座教义部、圣座文化与教育部发布的官方文件Antiqua et Nova，探讨AI与人类智能的关系。提供英文原文及中文译文链接。🔗原文：[https://vatican.va/roman_curia/congregations/cfaith/documents/rc_ddf_doc_20250128_antiqua-et-nova_en.html](https://vatican.va/roman_curia/congregations/cfaith/documents/rc_ddf_doc_20250128_antiqua-et-nova_en.html)🔗译文：[https://baoyu.io/translations/rc_ddf_doc_20250128_antiqua-et-nova_cn](https://baoyu.io/translations/rc_ddf_doc_20250128_antiqua-et-nova_cn)3⃣️💡Deep Research前置模型提示词泄露

Deepseek"4+1"黄金提问法——目标导向

你的角色：管理层/基层/新手专业背景：行业/专业/经验现有资源：团队/预算/工具决策权限：能否拍板/需要汇报示例："我是电商平台的产品经理，带领3人团队，负责支付功能优化，可以决定界面细节但架构调整需请示CTO"[heading3]具体任务（How to do）[content]工作内容：具体要做什么执行步骤：怎么做优先级别：先后顺序交付物：最终要产出什么示例："需要完成：支付流程诊断报告性能优化方案应急预案监控告警机制"[heading3]细节约束（Limitations）[content]时间限制：工期/截止日期资源限制：人力/预算/工具技术要求：平台/框架/标准禁区提示：不能踩的坑示例："限制条件：只能用现有技术架构不能停服维护预算50万以内一周内必须上线"[heading3]输出格式（Deliverables）[content]文档类型：报告/方案/PPT结构要求：章节/模块重点内容：必须包含的要素展示方式：图表/数据/案例示例："需要提供：项目方案PPT（10页内）甘特图进度表风险评估矩阵每周进度报告模板"

Others are asking
deepseek提示词
以下是关于 deepseek 提示词的相关内容： 1. 生成小红书爆款单词视频： 开始时输入单词主题、图片风格、单词数量。 选择 deepseekr1 模型生成单词数组，以数组方式输出，包括单词、中文、美式音标、英文句子及其中文翻译。 提示词中角色设定为专业的单词生成助手，技能是输出关联英语单词，限制为仅围绕用户输入主题输出相关内容，且以特定数组形式呈现。 2. Deepseek 时代提示词之关键诉求： 完整的长提示词可能不如片段有效，甚至干扰模型思考流程，带来 Token 浪费和上下文污染，特别是在多轮对话中。 新一代 LLM 的正确打开方式是“关键诉求直通车”模式，如像对聪明助理打暗号，让模型自主发挥。 3. 让 DeepSeek 生成相机运动轨迹的提示词： 以往的提示词包括场景、构图、尺寸、位置、形态、半身全身、环境等组合。 现在要求以“相机运动轨迹”的方式描写，如“相机向上飞升至上空轨道视角，拍摄站在泳池旁的女子”。 对空间理解和对语义的遵循能让相关元素自然生成，如生成有光影变化的泳池，为主角匹配场景的拖鞋。
2025-03-03
DeepSeek提示词
以下是关于 DeepSeek 提示词的相关内容： 1. 生成小红书爆款单词视频： 开始：输入单词主题、图片风格、单词数量，如非洲动物、真实风格、2。 生成单词数组：选择 deepseekr1 模型，输入单词主题、单词数量，为用户输出指定数量的单词，并以数组方式输出，包括单词、中文、美式音标、英文句子及其中文翻译。提示词中角色设定为专业的单词生成助手，技能是输出关联英语单词，限制为仅围绕用户输入主题输出相关内容，且输出必须为符合要求的数组形式。 2. Deepseek 时代提示词之关键诉求： 观察发现完整的提示词可能不如片段有效，甚至可能干扰模型的思考流程，过长提示会带来大量的 Token 浪费和上下文污染，特别是在多轮对话中。在 deepseek 时代，用户只需要在关键点进行引导，让模型自主发挥，“关键诉求直通车”模式是新一代 LLM 的正确打开方式。新旧提示法对比，传统方法像唠叨家长，新型技巧像对聪明助理打暗号。 3. 让 DeepSeek 生成相机运动轨迹的提示词：以往的提示词是场景、构图、尺寸、位置、形态、半身全身、环境的组合，现在把这些提示词喂给 DeepSeek，要求以“相机运动轨迹”的方式来描写，可以得到新提示词，如“相机向上飞升至上空轨道视角，拍摄站在泳池旁的女子”。对空间理解和对语义的遵循能让有光影变化的泳池自然地生成出来，海螺 AI 甚至还知道给主角穿上与场景匹配的拖鞋。
2025-03-03
如何给deepseek写提示词
以下是关于给 DeepSeek 写提示词的相关内容： 1. 效果对比：用 Coze 做了小测试，可对比查看。 2. 使用方法： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 DeepSeek。 认真阅读开场白后正式开始对话。 3. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用，减轻调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力基础上优化输出质量，减轻 AI 味，增加可读性。 设计阈值系统，可能会根据反馈修改。 用 XML 进行更规范设定，而非 Lisp 和 Markdown。 4. 完整提示词：版本 v1.3。 5. 特别鸣谢：李继刚的【思考的七把武器】提供思考方向，Thinking Claude 是设计灵感来源，Claude 3.5 Sonnet 是得力助手。 6. 生成单词方面： 输入单词主题、图片风格、单词数量。 选择 deepseekr1 模型，输入单词主题、单词数量，DeepSeek 为用户输出指定数量单词，以数组方式输出。 提示词中，角色为专业单词生成助手，技能是输出关联英语单词，限制为仅围绕用户输入主题输出相关内容，以符合要求的数组形式呈现。 7. 生成相机运动轨迹的提示词：以往提示词是场景、构图、尺寸等的组合，现在把这些喂给 DeepSeek，要求以“相机运动轨迹”方式描写，如“相机向上飞升至上空轨道视角，拍摄站在泳池旁的女子”。
2025-03-03
deepseek到底是什么？打个比方
DeepSeek 是一个在 AI 领域受到关注的品牌。它在硅谷受到关注和追逐，早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新引发了小范围轰动。DeepSeek 不是“中国式创新”的产物，其秘方更具硅谷风格。 DeepSeek 是基于 AI 模型的产品，需要搭配具体模型，如 DeepSeek V3（类 GPT4o）和 DeepSeek R1（类 OpenAI o1）。它展示出媲美领先 AI 产品性能的模型，但成本较低，在全球主要市场的 App Store 登顶。在实际使用体验方面，在文字能力上表现突出，尤其在中文场景中高度符合日常、写作习惯，但在专业论文总结方面稍弱。数学能力经过优化表现不错，编程能力略逊于 GPT。 需要注意的是，将 DeepSeek 比喻成“AI 界的拼多多”是偏颇的，认为其秘方就是多快好省也是不全面的。
2025-03-03
用deepseek写论文指令
以下是关于用 DeepSeek 写论文的相关指令和方法： 1. 高级调试策略： 模糊指令优化：对于宽泛需求，可添加维度约束；对于主观表述，可量化标准。例如，将“写小说”修正为“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构”，将“写得专业些”修正为“符合 IEEE 论文格式，包含 5 项以上行业数据引用”。 迭代优化法：包括首轮生成获取基础内容、特征强化、风格调整和最终校验等步骤。如加强第三段的技术细节描述，改用学术会议报告语气，添加结论部分，检查时间逻辑一致性，列出可能的事实性错误。 2. 高阶能力调用： 文风转换矩阵：如作家风格移植、文体杂交、学术口语化等指令结构和效果示例。 领域穿透技术：如行业黑话破解，例如“解释 Web3 领域的'胖协议瘦应用'理论”。 3. 场景化实战策略：包括商业决策支持、创意内容生成、技术方案论证等。 4. 效能增强技巧： 对话记忆管理：如上下文锚定、信息回溯、焦点重置。 输出质量控制：针对过度抽象、信息过载、风格偏移等问题类型的修正指令。 5. 特殊场景解决方案： 长文本创作：可采用分段接力法和逻辑粘合剂。如“先完成故事大纲→逐章扩展→最后进行伏笔校验”，“确保新章节与前文的三处细节呼应”。 敏感内容处理：如概念脱敏法和场景移植法。 此外，在使用 DeepSeek 写论文时，还需注意以下几点： 示例是一种隐性的需求说明书，添加示例可让大模型更懂需求，但 few short 可能影响模型性能。 自用和他用的提示词在稳定性、经济性、可维护性等方面有较大区别，工业化提示词需稳定、经济且易维护。 将 R1 的思维链给 cloud 回答，结果可能大大改进。 同时，不同的模型有其特点，如 Cloud 3.5 模型多样性差，Deepseek R1 有缺陷但也不错，可根据需求选择合适的模型，如街悦新城的文学大师版等。
2025-03-03
如何高效使用“deepseek+”？
以下是一些关于高效使用“DeepSeek+”的信息： 各地举办了相关活动，如在郑州场展示了搭建的工作流，深圳场分享了出海的落地方案，北京场玩起了 AR+机械汪，广州场探讨了如何辅助速通吃“霸王餐”，福州场有最年轻的分享者展示玩转示例。 可以结合飞书多维表格来发挥其强大之处。 向阳乔木介绍了通过结合 VS Code、Cline 插件和 Deepseek API 等工具提升应用能力，实现自动发送邮件、查找重复文件、网页抓取翻译等功能。 伊登展示了最新 Deepseek+coze 实现新闻播报自动化工作流，具有全自动化处理、40 秒快速出片、成本低廉、输出质量稳定专业等优势，还能进行一系列改进，如加入配套 BGM、增加画面内容和转场效果、使用免费节点替代付费插件、优化模板样式、增加自动化程度支持批量处理等。您可以在扣子商店体验，也可以自己搭建。 您可以参考以上内容，根据您的具体需求来高效使用“DeepSeek+”。
2025-03-03
如何通过langchain实现上传 一个客户需求文档，生成一个产品规格书doc格式的文档
要通过 LangChain 实现上传客户需求文档并生成产品规格书（doc 格式），可以按照以下步骤进行： 1. 上传文档：用户可以上传包含知识的文档，支持 txt、pdf、docx 等格式，LangChain ChatChat 会将文档转换为 Markdown 格式。 2. 文本切割：为便于分析和处理，将长文本切割为小块（chunk）。 3. 文本向量化：将切割的 chunk 通过 embedding 技术，转换为算法可以处理的向量，存入向量数据库。 4. 问句向量化：用户提问后，同样将用户的问句向量化。 5. 语义检索匹配：将用户的问句与向量数据库中的 chunk 匹配，匹配出与问句向量最相似的 top k 个。 6. 提交 prompt 至 LLM：将匹配出的文本和问句，一起添加到配置好的 prompt 模板中，提交给 LLM。 7. 生成回答：LLM 生成回答，返回给用户。
2025-02-27
我现在想根据我的博士论文，想出一个国家社科基金的选题。但是我的博士论文感觉核心不是特别突出，我希望找到一个AI助手，让AI帮我读论文的PDF格式然后总结出一个最合适的选题，有没有推荐的AI工具？
以下是一些关于利用 AI 辅助完成您需求的建议： 1. 先拆解您的博士论文工作流程，搞清楚每个步骤的输入输出和相互关系。 2. 思考论文中的哪些环节可以引入 AI 工具来提效，一切要从业务逻辑出发，AI 是锦上添花，不能本末倒置。 3. 搭建选题库，明确论文的定位（可用 AI 辅助分析），找相关的对标论文和优秀研究。 4. 在写作环节，可用 AI 辅助拆解对标论文，提炼写作技巧，然后根据借鉴的技巧结合自身特色列出写作大纲，并使用 AI 优化大纲、查找资料、润色文章，但核心内容要自己完成，不能过度依赖 AI。 5. 起标题与配图方面，用 AI 辅助批量生成标题，再自己修改优化，评估标题是否足够吸引眼球，让 AI 分析论文提供配图建议，去免费图库搜索配图。 6. 养成习惯与总结，做每件事前都思考 AI 能提供什么帮助，把整套流程实践几次，形成肌肉记忆，不断打磨完善属于自己的 AI 辅助流程，同时警惕过度依赖，AI 只是辅助，核心能力要靠自己。 目前常见的可用于辅助您的 AI 工具如 ChatGPT 等，但具体的选择还需根据您的实际需求和使用体验来决定。
2025-02-16
我的工作是财务会计，经常需要对账，输入是2个Excel表格，但格式内容都有不少差异，哪些大模型或者工具可以帮我快速完成这个工作？
以下是一些可能有助于您快速完成对账工作的大模型或工具： 1. Coze 记账管家：它能通过大语言模型将用户输入的非结构化数据转变为结构化数据存入数据库。工作流程包括定义提示词，让大模型拆解并识别记账事项、发生时间、变动金额等，然后将这些数据存入数据库。 2. GLM4AllTools：可用于统计平台月度账单，例如您可以从平台导出月度明细数据，上传账单给沙盒，让模型统计账单数据和用量，还能分析账单数据波动。 3. 生成式 AI：在金融服务领域，它能帮助改进内部流程，如预测编写 Excel、SQL 和 BI 工具中的公式和查询，自动创建报告的文本、图表、图形等内容，为会计和税务团队提供税法和扣除项的可能答案，以及帮助采购和应付账款团队自动生成和调整合同、采购订单和发票等。
2025-02-15
有没有能帮助生成特殊格式文档的ai工具
以下是一些能帮助生成特殊格式文档的 AI 工具： 对于文章排版： Grammarly：不仅是语法和拼写检查工具，还提供排版功能，可改进文档风格和流畅性。 QuillBot：AI 驱动的写作和排版工具，能改进文本清晰度和流畅性，保持原意。 Latex：常用于学术论文排版，使用标记语言描述格式，有许多 AI 辅助的编辑器和插件简化排版。 PandaDoc：文档自动化平台，用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 Wordtune：AI 写作助手，重新表述和改进文本，使其更清晰专业，保持原始意图。 Overleaf：在线 Latex 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 对于论文写作： 文献管理和搜索： Zotero：结合 AI 技术，自动提取文献信息，管理和整理参考文献。 Semantic Scholar：AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 内容生成和辅助写作： Grammarly：提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，精简和优化论文内容。 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化，帮助进行复杂的数据分析和模型构建。 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化论文编写过程。 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：检测潜在抄袭问题。 对于制作 PPT： Gamma：在线 PPT 制作网站，通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式。 美图 AI PPT：通过输入简单文本描述生成专业 PPT 设计，包含丰富模板库和设计元素。 Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，如自动布局、图像选择和文本优化等。 讯飞智文：科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术，提供智能文本生成、语音输入、文档格式化等功能。 选择合适的工具取决于您的具体需求，如文档类型、出版标准和个人偏好。
2025-02-13
音频文件转为MP3格式的AI有哪些？是否需要付费？
目前市面上将音频文件转为 MP3 格式的 AI 工具较多，常见的有格式工厂、迅捷音频转换器等。这些工具部分提供免费服务，但也有一些功能或高级版本需要付费。具体的付费情况会因工具的不同而有所差异。
2025-02-13
如何构建一个检查word文档格式的智能体
构建一个检查 word 文档格式的智能体可以参考以下步骤： 1. 考虑到对照精读环节适合批处理形式，使用“分段输入正文”将正文分割，用 LLM 节点批处理每一段的对照精读，最终“拼合精读结果”以输出完整文本。 2. 用户输入原文时，在 AI 对话窗口中通过开场白提示用户按格式输入文章，用“”符标记标题句。 3. 用 Python 脚本去掉标题句，并把剩下内容按照段落的换行逐段输出为 Array<String>格式。附上相关 Python 代码。 4. 试运行以验证节点是否按预期运作，分次输出每一段原文。 此外，在创建智能体的知识库方面： 1. 手动清洗数据可提高准确性，如创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以“”分割。 2. 对于本地 word 文件，注意不能一股脑将所有内容放入训练，应先放入大的章节名称内容，再按固定方式人工标注和处理章节内详细内容。 3. 完成后点击发布，确保在 Bot 商店中能搜到，否则无法获取 API。
2025-02-10
怎么针对知识库提问
知识库问答是机器人的基础功能，其利用了大模型的 RAG 机制。RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），是一种结合了检索和生成两种主要人工智能技术的自然语言处理技术，用于提高机器对话和信息处理的能力。 简单来说，RAG 机制先从大型数据集中检索与问题相关的信息，然后利用这些信息生成更准确、相关的回答。可以想象成当问复杂问题时，RAG 机制先在巨大图书馆里找相关书籍，再基于这些书籍信息给出详细回答。这种方法结合大量背景信息和先进语言模型能力，使生成内容更精确，提升对话 AI 的理解力和回答质量。 基于 RAG 机制实现知识库问答功能，首先要创建包含大量社区 AI 相关文章和资料的知识库，通过手工录入方式上传文章内容，如创建有关 AI 启蒙和信息来源的知识库。在设计 Bot 时，添加知识库并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回的内容进行结合回答。 具体步骤包括： 1. 上传文档：支持 txt、pdf、docx 等格式，将文档转换为 Markdown 格式。 2. 文本切割：将长文本切割为小块（chunk）以便分析和处理。 3. 文本向量化：通过 embedding 技术将切割的 chunk 转换为算法可处理的向量，存入向量数据库。 4. 问句向量化：用户提问后，将问句向量化。 5. 语义检索匹配：将用户问句与向量数据库中的 chunk 匹配，找出最相似的 top k 个。 6. 提交 Prompt 至 LLM：将匹配出的文本和问句添加到配置好的 prompt 模板中，提交给 LLM。 7. 生成回答：LLM 生成回答并返回给用户。 RAG 研究范式不断发展，分为基础 RAG（Naive RAG）、高级 RAG（Advanced RAG）和模块化 RAG（Modular RAG）三种类型。
2025-02-28
如何正确的向AI大模型提问
向 AI 大模型正确提问可以参考以下方法： 1. 对于利用 Embedding 技术增强 GPT 能力的过程，OpenAI 发布的相关文档指出，可通过两步搜索来实现。具体步骤包括： 准备搜索数据（仅一次）： 搜集数据：获取需要的数据，包括公开数据或者私有的数据。 切块：将文档切分成短小的部分。 嵌入：通过 OpenAI API 对切块的数据进行 Embedding 结果。 存储：存储 Embedding 结果，对于大型数据集的 Embedding 结果，可以使用向量数据库进行保存。 搜索（每次查询一次）：给定用户问题，从 OpenAI API 生成查询的 embeddings，使用 embeddings 按照与查询相关性对文本部分进行排序，推荐使用余弦相似性作为距离函数。 提问（每次查询一次）：将问题和最相关的部分插入到发送给 GPT 的消息中返回 GPT 的答案。 2. Embedding 具有多种作用，如搜索（其中结果按与查询字符串的相关性进行排名）、聚类（其中文本字符串按相似性分组）、建议（建议包含相关文本字符串的项目）、异常检测（识别出相关性很小的离群值）、多样性测量（分析相似性分布）、分类（其中文本字符串按其最相似的标签分类）。 3. 关于 RAG（检索增强生成），它是一种结合了检索和生成的技术，可以让大模型在生成文本时利用额外的数据源，从而提高生成的质量和准确性。其基本流程如下： 首先，给定一个用户的输入，例如一个问题或一个话题，RAG 会从一个数据源中检索出与之相关的文本片段，例如网页、文档或数据库记录，这些文本片段称为上下文。 然后，RAG 会将用户的输入和检索到的上下文拼接成一个完整的输入，传递给一个大模型，例如 GPT。这个输入通常会包含一些提示，指导模型如何生成期望的输出，例如一个答案或一个摘要。 最后，RAG 会从大模型的输出中提取或格式化所需的信息，返回给用户。如果您想构建能够利用私有数据或实时数据进行推理的 AI 应用，需要用特定的信息来增强模型的知识，将相关信息检索并插入到模型的输入中。
2025-02-24
如何给AI提问，得到自己想要的更准确的内容
以下是一些给 AI 提问以获得更准确内容的方法： 1. 设定角色：给 AI 赋予一个明确的角色，例如“你是一个专注于民商事法律领域的律师”，让其以特定角色来理解和回答问题。 2. 举例子：通过给出实际的例子，能使 AI 更准确地了解您的要求。 3. 连续提问：对于复杂的问题，可以就一个问题连续提问，根据 AI 的回复不断细化要求。 4. 直接问 AI 如何提问：当不知道如何提问时，可以先向 AI 请教如何提问，然后用它产生的问题再问它。 5. 讲清楚背景和目的：在提问时，除了明确的问题描述，还要梳理清楚背景信息和提问目的，帮助 AI 更好地理解问题上下文。 6. 学会提问：使用清晰、具体的语言，避免模糊表述，同时了解 AI 的工作原理和限制，设计合适的问题。 7. 拆解环节、切分流程：将复杂任务分解成更小、更具体的环节，让 AI 更精确地执行。 8. 对于编程相关问题： 提供代码范例，尤其是新进入代码节点的 IDE 中的范例。 说清楚输入变量与输出变量的类型。 说明与工作流中匹配或想要的变量名称。 列出输入变量的具体书写形式。 讲清楚代码要实现的功能，复杂功能尽量说清运行逻辑，描述中用变量名称指代相关变量。并可参考以下提问范式：。关键步骤请附上注释。
2025-02-24
如何正确的向deepseek提问来辅助我写一篇文献
以下是向 DeepSeek 提问来辅助写文献的正确方法： 1. 借助 AI 分析好的文章： 找出您最喜欢的文章，投喂给 DeepSeek R1（适合大多数有推理模型的 AI）。 第一次询问：请从写作角度分析这篇文章。 第二次询问：请再从读者角度分析这篇文章。 第三次询问：这篇文章还存在什么缺点和不足，有什么改善和提升的空间。 对作者进行侧写，分析成长背景、个人经历和知识结构对文章的影响。 2. 让 AI 对您写的文章进行点评： 表述为“现在我希望你是一名资深中文写作教师/小学语文老师/中学语文老师/公文写作培训师，拥有 30 年教育经验，是一名传授写作技巧的专家。请先阅读我提供给你的文章，然后对文章进行分析，然后教我如何提升写作水平。请给出详细的优缺点分析，指出问题所在，并且给出具体的指导和建议。为了方便我能理解，请尽量多举例子而非理论陈述。” 3. 根据文章内容对作者进行心理侧写： 表述为“我希望你扮演一个从业 20 多年，临床诊治过两千多例心理分析案例的人性洞察和意识分析方面的专家，精通心理学、人类学、文史、文化比较。先阅读后附文章全文，然后对作者进行人格侧写。要尖锐深刻，不要吹捧包装，不要提出一些只能充当心理安慰的肤浅的见解。包括作者的基本画像、核心性格特质、认知与价值观、潜在心理动机、行为模式推测、矛盾与盲点、文化符号映射。” 此外，还有用 DeepSeek 扮演一本书的作者辅助阅读书籍的案例，比如在读项飚的《跨越边界的社区》时，让 DeepSeek 解释作者为什么这么写，它会从时代背景的张力、浙江村的实践智慧、方法论上的颠覆等层面进行剖析。
2025-02-20
怎么提问文生图
以下是关于文生图提问的相关内容： 在 Coze 中，文生图的开始和结束节点是必需的。节点参数方面，默认绘制 10881088 的方图，最大能画 17281728 的方图，最小 576567，像素区间内各种比例可任选。Ratio 是程序员常用的“枚举”操作。试用效果方面，如“1 girl”等提示词实测效果偏向网红动漫风，也支持中文提示词。但在写入现实主义时可能会遇到风控，可尝试去掉相关关键字。 对于【SD】文生图，提示词如 等。 关于提示词的其他方面，如提示词快闪答疑中，未涉及太多与文生图直接相关的内容。
2025-02-13
想要对deepseek进行提问需要什么技巧吗？有没有什么高校组织给出的方案？
对 DeepSeek 进行提问时，以下是一些技巧： 1. 身份定位技巧：目的是让 AI 理解您的背景和专业水平。例如，差的表述是“帮我写一篇营销方案”，好的表述是“作为一名刚入职的电商运营，需要为天猫美妆店铺制定 618 活动方案”。 2. 场景描述技巧：提供具体的应用场景和限制条件。比如，差的表述是“写一篇新品发布文案”，好的表述是“为新上市的儿童智能手表写一篇朋友圈文案，目标用户是 25 35 岁的年轻父母，预算 3000 以内，需强调安全定位功能”。 3. 结构化输出技巧：指定具体的输出格式和内容结构。例如，差的表述是“分析最近的新能源汽车销量数据”，好的表述是“请用表格对比 2024 年 Q1 特斯拉、比亚迪的销量数据，包含以下维度：月度销量、同比增长、市场份额，并在表格下方总结三个关键发现”。 4. 分步骤提问技巧：将复杂问题拆解为可管理的小任务。比如，差的表述是“怎么做短视频运营？”，好的表述是“请分三步指导新手做美食短视频：前期准备：需要哪些设备和技能 拍摄阶段：关键场景和机位选择 后期制作：剪辑节奏和音乐配合建议”。 5. 反馈优化技巧：通过追问获得更精准的答案。例如，第一轮“帮我做一份产品分析报告”，追问 1：“内容太专业了，能用更通俗的语言解释吗？”追问 2：“可以增加一些具体的用户案例来支撑观点吗？” 6. 深度思考引导技巧：目的是获得更深入的分析和见解。
2025-02-07