從指令到結果：與DeepSeek高效互動

作為國內大模型的典型代表，DeepSeek的有效應用離不開使用者對AI互動技巧的掌握，本文以DeepSeek（R1）為例，總結作者在使用DeepSeek中積累的經驗，供廣大讀者參考。

一、高效提問技巧

1.構造高質量提示語

對大模型的提問只有具體、清晰，大模型才能給出滿意的答復。提示語構造已經形成專門的領域——提示工程，并發展出多種提示構造方式，如COSTAR框架（情境、輸出格式、要求和約束、任務示例、補充信息、限制條件）、PROMPT框架（角色、切中要點、輸出目標、使命、具體要求、語氣/目標對象）、CLEAR模型（簡潔、邏輯、明確、適應、反思）等。一般來講，一條良好的提示需要包括情境描寫、角色設定、問題表述、回復要求和細節、示例等要素，如“我在教學中遇到一些問題……”（情境描寫）、“我是一名高三學生……”（角色設定）、“請參考下面的例子組織信息……”（提供示例）、“請提供不少于300字的文字”（回復要求）等。

（2）多向度提問

DeepSeek 能對一個觀點徇著“命題構建-反題解構1-反題解構2……合題重構”的推演實現觀點淬煉，最終輸出多維驗證、邏輯嚴密的觀點，類似蘇格拉底的“助產術”——通過不斷詰問，走向某種確定的知識，使用戶獲得對某一觀點的全面認識，理解觀點的推演過程。多向度提問的實現方式可以是在提問中使用沖突性指令，如“請從正反兩方面討論閱讀對身心的作用”，也可以設置對抗性場景，如“假如您持有某觀點，您將如何反駁……”

（3）多模態提問

DeepSeek多模態資源生成能力可以助力學習者獲得沉浸式學習體驗。例如，在學習氣質理論時，可以向DeepSeek提問：“請生成一個故事，體現多血質者的特點。”DeepSeek能將抽象的理論轉變成一個情節生動，內容完整，語言流暢，有較強可讀性的故事。在學習一些場景感較強的內容時，也可以請DeepSeek生成跟場景相關的圖片、視頻等的提示詞與SVG矢量描述，再結合第三方工具以生成不同風格的圖片和視頻，方便學習者理解。

（4）迭代式提問

對于不熟悉使用人工智能的人，一次提問通常很難達到目標，此時可以采用不斷修正提問語句、持續優化提問的“迭代”式提問策略。反復提問的過程可以是圍繞同一個問題不斷增補細節、調整表述精度或重構問題框架，也可以是漸進式提問，即從前一個回答中獲得進一步提問的知識或信息“錨點”，使用戶對同一問題的認知由模糊到精確，由單向度到立體化。

二、提示語積累和借鑒

長期使用AI會發現，某些提問方式更能使大模型提供使用者想要的回復，此時可以對提示語進行積累，并根據不同場景和目標選用。一些機構建設了“提示圖書館”，如賓夕法尼亞大學生成式人工智能實驗室的“提示圖書館”，英國國家讀寫能力信托組織面向教師的“提示銀行”，幫助使用者發現優秀的提示示例，并提供構建和優化提示的方法，雖然這兩個“提示圖書館”的提示均屬英文，但大模型的提示技巧可以跨語言借鑒，借助DeepSeek的翻譯功能，使用者也能從中獲益。

三、多源工具加持

DeepSeek擁有強大的API接口能力，可與多類型應用平臺無縫對接，對不掌握IT技能的使用者，可以采用“數據橋接”的簡化方法，實現DeepSeek與其他平臺的功能加持。例如，在中國知網中，將時間設定為最近五年，輸入“群文閱讀”，選擇相關結果，導出元數據（.txt文件），將文件上傳DeepSeek，并提問：“附件為關于‘群文閱讀’近五年研究成果元數據，請統計研究熱點，以可視化方式顯示，使用HTML格式。”在輸出結果中有一段HTML代碼，點擊代碼下方的“運行HTML”，可以得到可視化分析圖。

如同人類存在認知偏差，AI也會給出不合理或錯誤答案，這一現象被稱為“AI幻覺”，包括提供答非所問的答案和提供有錯誤事實、片面觀點或虛假信息的答案。為降低“AI幻覺”的影響，使用者一方面要采用結構清晰、設計良好的提示，另一方面在采納AI生成的內容前要進行準確性驗證，其中追溯原始文獻是一個重要方法，也可以采用不斷追問的方式驗證，或借助其他AI協同驗證。

（作者單位：廣州圖書館）

責任編輯 李 淳