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

deepseek

Answer

DeepSeek 是一家具有独特特点和影响力的公司：

  1. 秘方特点：DeepSeek 不是“中国式创新”的产物，其秘方是硅谷味儿的。早在 2024 年 5 月 DeepSeek-V2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发轰动。
  2. V-3 时刻：如果 V-3 是 DeepSeek 的 GPT-3 时刻，接下来的发展充满未知，但 DeepSeek 应会为全人类的人工智能事业做出更大贡献，且它已是中国最全球化的 AI 公司之一，赢得尊重的秘方也是硅谷味儿的。
  3. 提示词提升能力：通过一个提示词 HiDeepSeek 能让 DeepSeek 能力更上一层楼。使用方法包括搜索网站、发送代码、阅读开场白后开始对话。其设计思路包括将 Agent 封装成 Prompt 并储存、实现联网和深度思考功能、优化输出质量、设计阈值系统、用 XML 规范设定等。特别鸣谢了李继刚和 Thinking Claude 等。
Content generated by AI large model, please carefully verify (powered by aily)

References

DeepSeek 的秘方是硅谷味儿的

将DeepSeek比喻成“AI界的拼多多”是偏颇的，认为DeepSeek的秘方就是多快好省也是不全面的。中国的大多数AI公司都缺卡，也都因为缺卡而拼命搞架构创新，这点没什么不同。要知道，DeepSeek在硅谷受到关注和追逐不是这两周刚发生的事。早在2024年5月DeepSeek-V2发布的时候，它就以多头潜在注意力机制（MLA）架构的创新，在硅谷引发了一场小范围的轰动。V2的论文就引发了AI研究界的广泛分享和讨论。当时，一个非常有意思的现象是：X和Reddit上AI从业者在讨论DeepSeek-V2，同时，DeepSeek在国内舆论场被描摹成了“大模型价格战的发起者”，有点平行时空的感觉。这也许能说明：DeepSeek跟硅谷更有对话和交流的密码，它的秘方应该是硅谷味儿的。

DeepSeek 的秘方是硅谷味儿的

如果V-3真的是DeepSeek的GPT-3时刻，那接下来将发生什么？是DeepSeek的GPT-3.5——也就是ChatGPT时刻，或是其它？没人知道，但有意思的事儿应该还在后头。DeepSeek应该不会永远是一个“计算机系Pro”的存在，它也理应为全人类的人工智能事业做出更大的贡献。无论如何，DeepSeek已经是中国最全球化的AI公司之一，它赢得来自全球同行甚至对手的尊重的秘方，也是硅谷味儿的。

一个提示词，让 DeepSeek 的能力更上一层楼？——HiDeepSeek

用Coze做了个小测试，大家可以对比看看[e8c1a8c3012fedad10dc0dfcc8b1e263_raw.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/Jz9cbKxDbocGtIxXFFEcdiHjnRc?allow_redirect=1)[heading1]如何使用？[content]Step1：搜索www.deepseek.com，点击“开始对话”Step2：将装有提示词的代码发给DeepseekStep3：认真阅读开场白之后，正式开始对话[heading1]设计思路[content]1.将Agent封装成Prompt，将Prompt储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担2.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3.在模型默认能力的基础上优化输出质量，并通过思考减轻AI味，增加可读性4.照猫画虎参考大模型的temperature设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改5.用XML来进行更为规范的设定，而不是用Lisp（对我来说有难度）和Markdown（运行下来似乎不是很稳定）[heading1]完整提示词[heading2]v 1.3[heading1]特别鸣谢[content]李继刚：【思考的七把武器】在前期为我提供了很多思考方向Thinking Claude：这个项目是我现在最喜欢使用的Claude提示词，也是我设计HiDeepSeek的灵感来源Claude 3.5 Sonnet：最得力的助手

Others are asking
Deepseek-R1的系统提示词
以下是关于 DeepSeekR1 的系统提示词的相关内容： 核心原理认知： AI 特性定位：支持文本/代码/数学公式混合输入。 动态上下文：对话式连续记忆（约 8K tokens 上下文窗口，换算成汉字是 4000 字左右）。 任务适应性：可切换创意生成/逻辑推理/数据分析模式。 系统响应机制：采用意图识别+内容生成双通道，自动检测 prompt 中的任务类型/输出格式/知识范围，对位置权重（开头/结尾）、符号强调敏感。 基础指令框架： 四要素模板。 格式控制语法：强制结构使用```包裹格式要求，占位符标记用{{}}标注需填充内容，优先级符号>表示关键要求，!表示禁止项。 进阶控制技巧： 思维链引导：分步标记法，苏格拉底式追问。 知识库调用：领域限定指令，文献引用模式。 多模态输出。 此外，还有关于 DeepSeekR1 的其他相关报道，如宝玉日报 1 月 26 日中对其的介绍，以及利用 DeepSeekR1 一分钟生成小红书爆款单词视频的相关内容，包括生成单词的步骤、角色、技能和限制等。
2025-03-18
给我一个siliconflow部署deepseek的教程
以下是关于 siliconflow 部署 deepseek 的教程： 基于 FP4 优化的 DeepSeekR1 使用 TensorRTLLM 部署： 模型地址：https://huggingface.co/nvidia/DeepSeekR1FP4 硬件要求：需要支持 TensorRTLLM 的英伟达 GPU（如 B200），并且需要 8 个 GPU 来实现 tensor_parallel_size=8 的张量并行。 性能优化：代码利用 FP4 量化、TensorRT 引擎和并行计算，旨在实现高效、低成本的推理，适合生产环境或高吞吐量应用。 在 Docker+RAGFlow+Ollama 中配置本地部署的 DeepSeek 模型： 返回 RAGFlow 中，打开右上角设置，进入模型提供商。 选择 Ollama，配置相关信息，基础 URL 如下配置。 配置完成后点击确定。 导入一个 embedding 模型，用于文本的向量化。 设置系统模型设置。 进入数据集，导入文件，可设置文件夹当作知识库。 对文件进行解析，解析速度取决于本机 GPU 性能。 解析完成后进行检索测试，没问题即可进入聊天界面。 云端模型部署实操： 登录 Pad 控制台，讲解 model gallery 工具及模型。 演示部署 Deepseek R1 和千问 7B 模型，包括选框架、资源、出价等。 介绍查看部署状态、日志方法。 说明用 postman 在线调试模型获取名称及后续使用方式。 模型蒸馏概念、应用场景及本地部署实操： 先介绍云平台部署情况。 讲解模型蒸馏概念、方式，阐述其应用场景及修复模型幻觉的作用。 进行实操演示，带领大家在 model gallery 部署 7B instruct 模型，展示部署步骤、资源竞价等内容，部署完成后用简单问题测试模型并呈现错误回答。
2025-03-18
用deepseek赋能家庭教育
以下是关于使用 DeepSeek 赋能家庭教育的相关信息： 清华大学发布的《》，首先介绍了选择 AI 学习工具的方法及 DeepSeek 的多种使用入口、模式对比。接着阐述了在家庭教育中的基础聊法原则、互动策略和多种场景化聊法模版。然后通过多学科案例展示其辅助学习的方式，还涉及亲子沟通、情绪管理、职业规划等内容。最后介绍了 DeepSeek 在不同教育场景下与其他工具组合的应用范式，为家庭教育提供了全面的 AI 使用指南。 此外，还有其他相关报告，如《》
2025-03-18
我准备用无影云电脑部署一个独属于我们公司的AI，在大模型方面我准备用deepseek的满血版，你有什么建议吗
以下是关于您准备用无影云电脑部署公司专属 AI 并使用 deepseek 满血版大模型的一些建议： 1. 本地部署方面：如果拥有云服务器，要了解如何进行本地部署以及满血版本地部署的实际情况。 2. 免费额度：在 freely.aliyun.com 可领取 500 元免费额度，但有使用限制，不能部署满血版和较大的增流模型。 3. 平台服务差异：了解 DLC、DSW 和 EAS 等模型部署平台服务的差别。 4. 模型蒸馏微调：可以学习并实践模型的蒸馏和微调相关知识。 5. 获取 DeepSeekR1 满血版密钥： 注册并登录火山引擎，点击立即体验进入控制台。 创建一个接入点，点击在线推理创建推理接入点。 为接入点命名为 DeepSeekR1。 若有提示未开通模型，点击“立即开通”，勾选全部模型和协议一路开通。 确认无误后点击“确认接入”按钮。 复制推理点的 ID 并保存。 点击【API 调用】按钮，复制 API Key 并保存。 6. 模型选择与配置：可以参考理想的配置，如推理模型选择 gemini2.0flashthinking，代码模型选择 claude3.5sonet 或 gpt4omini，多模态模型选择 gemini2.0flash，常规模型选择 DeepSeek V3。同时，了解 OpenRouter 新发布的 BYOK 功能，它能集成第三方 Key，整合免费额度并解放更多槽位。若对现有供应商支持的模型不满意，还可考虑 simpleoneapi。
2025-03-18
deepseek
DeepSeek 具有独特的特点和发展历程： 秘方是硅谷味儿的：将其比喻成“AI 界的拼多多”是偏颇的，其在硅谷受到关注和追逐并非近期才发生。早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新引发小范围轰动。而在国内舆论场，它被描摹成“大模型价格战的发起者”。 V3 可能是 DeepSeek 的 GPT3 时刻：若 V3 真是如此，后续发展未知，但 DeepSeek 应能为全人类的人工智能事业做出更大贡献，且它已是中国最全球化的 AI 公司之一，赢得尊重的秘方也是硅谷味儿的。 一个提示词能让 DeepSeek 能力更上一层楼：通过 Coze 做了效果对比测试。使用方法为：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。其设计思路包括将 Agent 封装成 Prompt 并储存、实现联网和深度思考功能、优化输出质量等，还采用 XML 进行规范设定。完整提示词有 v1.3 版本，特别鸣谢李继刚和 Thinking Claude 等。
2025-03-18
用deepseek写论文的指令
以下是一些用 DeepSeek 写论文的指令和相关方法： 1. 模糊指令优化： 对于宽泛需求，可添加维度约束，例如原句“写小说”可修正为“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构”。 对于主观表述，可量化标准，比如原句“写得专业些”可修正为“符合 IEEE 论文格式，包含 5 项以上行业数据引用”。 2. 迭代优化法： 首轮生成：获取基础内容。 特征强化：请加强第三段的技术细节描述。 风格调整：改用学术会议报告语气，添加结论部分。 最终校验：检查时间逻辑一致性，列出可能的事实性错误。 3. 文风转换矩阵： 作家风格移植：“用鲁迅杂文风格写职场 PUA 现象”。 文体杂交：“将产品说明书改写成《史记》列传格式”。 学术口语化：“把这篇论文摘要翻译成菜市场大妈能听懂的话”。 4. 领域穿透技术：行业黑话破解，例如“解释 Web3 领域的‘胖协议瘦应用’理论”。 5. 商业决策支持。 6. 场景化实战策略： 创意内容生成。 技术方案论证。 7. 效能增强技巧： 对话记忆管理： 上下文锚定：“记住当前讨论的芯片型号是麒麟 9010”。 信息回溯：“请复述之前确认的三个设计原则”。 焦点重置：“回到最初讨论的供应链问题”。 输出质量控制： 对于过度抽象，“请具体说明第三步操作中的温度控制参数”。 对于信息过载，“用电梯演讲格式重新组织结论”。 对于风格偏移，“回归商务报告语气，删除比喻修辞”。 8. 特殊场景解决方案： 长文本创作： 分段接力法：“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： 概念脱敏法：“用经济学原理类比说明网络审查机制”。 场景移植法：“假设在火星殖民地讨论该议题”。
2025-03-17