《DeepSeek从入门到精通》.pptx

DeepSeek：从入门到精通

?Deepseek是什么？?Deepseek能够做什么？?如何使用Deepseek？

AI +国产 +免费 +开源 +强大DeepSeek是什么？?DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应 用。?DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。

Deepseek可以做什么？直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。

文本生成 文本创作长文本摘要（论文、报告）文本简化（降低复杂度）多语言翻译与本地化结构化生成表格、列表生成（如日程安排、菜谱）代码注释、文档撰写文章/故事/诗歌写作营销文案、广告语生成社交媒体内容（如推文、帖子）剧本或对话设计摘要与改写020103文本生成

知识推理知识推理逻辑问题解答（数学、常识推理）因果分析（事件关联性）自然语言理解与分析 语义分析 语义解析 情感分析（评论、反馈）意图识别（客服对话、用户查询）实体提取（人名、地点、事件）文本分类文本分类主题标签生成（如新闻分类）垃圾内容检测

编程与代码相关 代码调试?错误分析与修复 建议?代码性能优化提 示技术文档处理 ?API文档生成 ?代码库解释与示 例生成 代码生成?根据需求生成代 码片段（Python、 JavaScript）?自动补全与注释 生成

常规绘图

如何使用DeepSeek？

如何从入门到精通？当人人都会用AI时，你如何用得更好更出彩？

维度推理模型通用模型优势领域数学推导、逻辑分析、代码生成、复杂问题拆解文本生成、创意写作、多轮对话、开放性问答劣势领域发散性任务（如诗歌创作）需要严格逻辑链的任务（如数学证明）性能本质专精于逻辑密度高的任务擅长多样性高的任务强弱判断并非全面更强，仅在其训练目标领域显著优于通用模型通用场景更灵活，但专项任务需依赖提示语补偿能力推理模型??例如：DeepSeek-R1，GPT-o3在逻辑推理、数学推理和实时问题解决方面表现突出。推理大模型：推理大模型是指能够在传统的大语言模型基础上，强化推理、逻辑分析和决策能力的模型。它们通常具备额外的技术，比如强化学习、神经符号推理、元学习等，来增强其推理和问题解决能力。非推理大模型：适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推理模型那样复杂的推理和决策能力。?例如：GPT-3、GPT-4（OpenAI），BERT（Google），主要用于语言生成、语言理解、文本分类、翻译等任务。

概率预测（快速反应模型，如ChatGPT4o）链式推理(慢速思考模型，如OpenAIo1)性能表现响应速度快，算力成本低慢速思考，算力成本高运算原理基于概率预测，通过大量数据训练来快速预测可能的答案基于链式思维（Chain-of-Thought），逐步推理问题的每个步骤来得到答案决策能力依赖预设算法和规则进行决策能够自主分析情况，实时做出决策创造力限于模式识别和优化，缺乏真正的创新能力能够生成新的创意和解决方案，具备创新能力人机互动能力按照预设脚本响应，较难理解人类情感和意图更自然地与人互动，理解复杂情感和意图问题解决能力擅长解决结构化和定义明确的问题能够处理多维度和非结构化问题，提供创造性的解决方案伦理问题作为受控工具，几乎没有伦理问题引发自主性和控制问题的伦理讨论快思慢想：效能兼顾全局视野CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合适的模型，实现最佳效果。

提示语策略差异12推理模型通用模型?提示语更简洁，只需明确任务目标和 需求（因其已内化推理逻辑）。?无需逐步指导，模型自动生成结构化 推理过程（若强行拆解步骤，反而可 能限制其能力）。?需显式引导推理步骤（如通过CoT提 示），否则可能跳过关键逻辑。?依赖提示语补偿能力短板（如要求分 步思考、提供示例）。

关键原则 123模型选择?优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用 模型）。 提示语设计?推理模型：简洁指令，聚焦目标，信任其内化能力。（“要什么直接说”）。?通用模型：结构化、补偿性引导（“缺什么补什么”）。 避免误区?