讓deepseek達到最佳效果的3大原則（第1講）
原创 58沈剑
最近幾週自學deepseek原理+應用+實踐，一些成果，跟大家分享。
與deepseek這類AI對話，為了達到最佳效果，提示詞應遵循哪三大原則？
1. 清晰性；2. 結構化；3. 細節化；
為什麼？本質上來說，是要讓我們的提示詞去適配AI的認知模式。
deepseek 這類AI的核心技術是：
1. 注意力機制；2. 知識調用路徑；3. 資訊生成置信度控制；提示詞的3大原則，是與這3大技術一一對應的。
其一：清晰性。 《Attention Is All You Need》想必大家都讀過了，注意力機制是現代AI最重要最核心的演算法機制，必須讓AI將所有註意力專注於明確的目標。
1. 目標不明確，AI會嘗試性探索，注意力會分散；
2. 目標有歧義，AI容易陷入自然語言一詞多義的陷阱，注意力會分散；
3. 目標有多個，注意力會分散：這很容易理解，20秒的深度思考算力，5個目標，每個目標只得到20%的注意力；2個目標，每個目標就能得到50%的注意力；
bad case：請說說AI對程式設計師的影響。畫外音：模型會被迫猜測，使用者是想了解對產業的影響？對崗位的影響？對科技的影響？對就業的影響？注意力分散，就容易產生泛泛而談的回答。
good case：請從軟體品質的視角出發，說說AI對自動化測試的影響，如何降低bug率。
總之，提示詞目標越明確越清晰，回答效果越好。
其二：結構化。
明確了目標之後，AI的注意力要專注於解題，解題有兩種思路：
1. 自行探索；2. 按圖索驥；很顯然，後者能極大提升解題效率。
結構化的提示詞，例如：
1. 分級的markdown提示詞：能夠觸發AI的序列標記感知，從而提升計算速度；
2. 第一步，第二步…這類提示詞：能夠激活AI的層級推理模組，從而直接進入流程分析模式；
bad case：我是產品經理，幫我寫一個AI程式設計產品的需求文件。
good case：我是產品經理，請依照以下流程幫我寫一個AI程式設計產品的需求文件。
1. 進行AI程式設計使用者痛點研究；
2. 針對使用者痛點研究進行競品研究；
3. 結合競品研究給予TOP3的核心需求；
4. 依據TOP3的核心需求完成功能設計；
5. 依功能設計完成UI原型圖與互動圖；畫外音：6. 發起邀請需求評估。
其三：細節化。細節能夠透過增加條件約束，提升答案的準確性。
1. 如果缺乏細節，將極大提升AI的可能性探索空間，分散注意力；
2. 如果增加細節，額外的約束條件能極大壓縮探索空間，砍掉長尾計算；
3. 細節還有可能激活模型的實例化記憶庫，提升輸出相關性；
bad case：寫一首秋天的詩（相對抽象）。
better case：用杜甫的風格寫一首關於秋天的七言絕句（基礎細節）。
best… Continue reading