DeepSeek R1 之后，提示词技巧的变与不变
文章摘要
【关 键 词】 人工智能、提示词、信息量、Markdown、批判性思维
本文深入探讨了在使用人工智能（AI）时，如何有效地提供提示词以获得最佳结果。文章首先强调，提供给AI的提示词需要包含足够的背景信息，以便大模型能够理解用户的偏好。简单的许愿式指令往往只能得到平庸的结果，而详细的大白话式提示词则能显著提高输出质量。
文章提到，尽管存在多种提示词框架，但其核心目的是帮助用户思考并提供必要的信息。这些框架在R1模型中依然有效，但用户应根据自己的需要灵活使用，不必拘泥于框架。
乔哈里视窗被用来分析在不同情况下应提供给AI的信息量。结构化提示词有助于AI更好地“记住”和遵循指令，特别是在处理复杂内容时。Markdown语法或其他形式的分块可以提高AI对提示词的理解和执行。
文章指出，R1模型与以往的模型不同，它能够进行更深入的思考，因此在提示词中不需要详细指定思考步骤。如果用户希望AI严格执行特定的方法论，可以使用CoT（Chain of Thoughts），但建议先与R1进行自由对话，以改进步骤。
示例作为另一种背景信息，可以按需提供，以帮助AI更好地理解用户的需求。R1模型能够从示例中捕捉关键点并进行扩展。
文章还讨论了提示词的自用与他用、一次性与反复使用的区别，指出只有需要反复使用的任务才值得精心打磨高质量的提示词。R1模型在指令遵循方面可能不如以前的模型，但可以通过分工协作来改进。
最后，文章强调，提示词技巧只能保证AI回复质量的下限，而提升上限则依赖于用户自身的思考和表达。作者鼓励用户提升自己的语文、逻辑和批判性思维能力，以更好地利用AI。
原文和模型
【原文链接】 阅读原文 [ 2522字 | 11分钟 ]
【原文作者】 Founder Park
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
