Deepseek使用途径以及Prompt 提示词编写原理

Deepseek使用途径以及Prompt 提示词编写原理

1.Deepseek使⽤途径

1.官⽹及APP

⽹址: deepseek.com 及移动应⽤(iOS/Android)

特征:完整版R1模型,⽀持深度搜索,但⽬前因流量⼤常遇到服务器繁忙问题。

2.硅基流动

⽹址: https://siliconflow.cn/zh-cn/

特征:完整版R1模型,⽀持API调⽤和直接对话,但聊天记录不保存

3.秘塔搜索

⽹址: https://metaso.cn

特征:完整版R1模型,免费使⽤,⾃带搜索功能,但不⽀持多轮对话。

3.Cursor

⽹址: https://cursor.com

特征:完整版R1模型,可⽤于聊天,但需要会员资格

4.Groq

⽹址: https://groq.com/

特征:基于Llama 70B蒸馏版,免费快速,但中⽂能⼒较弱

5.国家超算中⼼

⽹址: https://www.scnet.cn/ui/mall/

特征:免费使⽤,蒸馏版⾮完整版R1

2.提示词编写

1.目标(Objective):

明确提示词想要达成的目标,例如获取信息、解决问题、引导对话等。
2.上下文(Context):

提供足够的背景信息,帮助人工智能系统理解提示词的情境和环境。
3.指令(Instruction):

清晰、具体的指令,指导人工智能系统如何响应提示词。
4.关键词(Keywords):

包含与任务相关的关键词,帮助人工智能系统识别和处理信息。
5.预期输出(Expected Output):

明确期望从人工智能系统得到的答案或行为。
5.限制条件(Constraints):

定义人工智能系统在响应提示词时需要遵守的限制,如道德、法律或技术限制。
6.反馈机制(Feedback Mechanism):

设计反馈流程,以便用户可以评估人工智能系统的响应,并提供改进的反馈。

相关推荐
alex1002 天前
AI Agent开发学习系列 - langchain之LCEL(5):如何创建一个Agent?
人工智能·python·语言模型·langchain·prompt·向量数据库·ai agent
liliangcsdn2 天前
mac测试ollama llamaindex
数据仓库·人工智能·prompt·llama
旧曲重听14 天前
基于Prompt 的DevOps 与终端重塑
人工智能·prompt·devops
AIGC包拥它5 天前
RAG项目实战:LangChain 0.3集成 Milvus 2.5向量数据库,构建大模型智能应用
人工智能·python·langchain·prompt·个人开发·milvus
so.far_away6 天前
The Survey of Few-shot Prompt Learning on Graph
prompt
Xy-unu6 天前
[Semantic Seg][KD]FreeKD: Knowledge Distillation via Semantic Frequency Prompt
prompt
寒水馨7 天前
构建企业级 AI Agent:不只是 Prompt 工程,更是系统工程
人工智能·ai·prompt·agent·ai agent·ai工程
semantist@语校8 天前
面向向量检索的教育QA建模:九段日本文化研究所日本语学院的Prompt策略分析(6 / 500)
人工智能·支持向量机·百度·ai·开源·prompt·数据集
Chan168 天前
【 SpringAI核心特性 | Prompt工程 】
java·spring boot·后端·spring·prompt·ai编程
喜欢猪猪8 天前
Qwen3-8B 的 TTFT 性能分析:16K 与 32K 输入 Prompt 的推算公式与底层原理详解
prompt