【DeepSeek】官方最新提供【文件上传提示词】实践总结【Windows】【Python】

引言

近日DeepSeek官方更新了关于DeepSeek-R1模型文件上传的建议操作方式，本文我们将按照官方的提示进行一下实践。

准备工作

通过本地Ollama运行DeepSeek-R1模型，具体是运行7B、14B还是32B的模型，依据自己电脑的配置来选择模型的参数体量，当然是参数体量越大效果越好，但是无论使用什么参数体量的模型对本次实践不产生影响。
Anaconda安装，提供Python代码运行所需的虚拟环境。
PyCharm安装，代码编写和运行工具，方便。

开始实践

第一步：安装Anaconda工具。

第二步：在Anaconda中创建一个新的虚拟环境，示例如下：

首先打开Anaconda的Powershell窗口：

输入以下命令，创建虚拟环境：

lua 复制代码

conda create -n ollama_demo

输入以下命令，切换到新创建的虚拟环境中：

复制代码

conda activate ollama_demo

输入以下命令，建议安装python3.10：

ini 复制代码

conda install python=3.10

输入以下命令，安装Ollama：

arduino 复制代码

pip install ollama -i https://pypi.tuna.tsinghua.edu.cn/simple

打开PyCharm工具新建一个项目工程，如下图所示：

注意运行环境要选择刚刚新建好的虚拟环境，如下图所示：

这是创建好的工程目录，如下图所示：

可以运行一下main.py文件，测试一下环境配置是否正确，运行后控制台打印输出Hi, PyCharm，代表正常，如下图所示：

接下来在工程根目录下新建一个python文件，如下图所示：

输入文件名称deepseek_r1_pormpts，如下图所示：

然后点击回车键，创建成功，如下图所示：

在新建的文件中输入以下代码，来测试本地DeepSeek-R1模型运行是否正常：

ini 复制代码

from ollama import chat

stream = chat(
    model='deepseek-r1:32b',
    messages=[{
        'role': 'user',
        'content': '你是谁？'
    }],
    stream=True,
)
for chunk in stream:
    print(chunk['message']['content'], end='', flush=True)

写完代码效果如下图所示：

文件空白区域鼠标右键运行此文件，控制台输出如下图所示内容代表本地DeepSeek-R1模型运行运行正常：

下一步参考DeepSeek官方提供的上传文件的提示词继续编写代码：

这是官方链接地址：github.com/deepseek-ai...

文档内容翻译如下：

python 复制代码

官方提示
在官方的DeepSeek网络/应用程序中，我们不使用系统提示，而是为文件上传和网络搜索设计了两个特定的提示，以获得更好的用户体验。此外，web/app中的温度为0.6。
对于文件上传，请按照模板创建提示，其中｛file_name｝、｛file_content｝和｛question｝是参数。
file_template = \
"""[file name]: {file_name}
[file content begin]
{file_content}
[file content end]
{question}"""

接下来开始改造代码，将content内容进行替换，如下图所示：

arduino 复制代码

'content': '[file name]: 测试.txt' 
'[file content begin]' 
'deepseek上传文件提示词测试！' 
'[file content end]' '文档中写了什么？'

运行结果，如下图所示：

至此在Windows系统下Python代码方式DeepSeek-R1文件上传提示词实践到此结束，如有问题或建议欢迎大家评论区交流，最后还是要passion！

实际应用扩展

在实际应用中发现如果上传文件的内容较大，代码中的content内容也会非常庞大，这导致代码看上去不是很美观，所以又进行如下升级改造。

原理：自动读取文件内容并将读取出来的文件内容转换成字符串。

目前选取了txt和xlsx类型的文件进行了测试，代码及效果如下所示：

txt类型文件

代码改造：

新增txt测试文件，如下图所示：

修改代码，内容如下图所示：

ini 复制代码

from ollama import chat

file = open('测试.txt', 'r')
content = file.read()
content_str = str(content)
print(content_str)

stream = chat(
    model='deepseek-r1:32b',
    messages=[{
        'role': 'user',
        # 'content': '你是谁？'
        'content': '[file name]: 测试.txt'
                   '[file content begin]'
                   + content_str +
                   '[file content end]'
                   '文档中写了什么？'

    }],
    stream=True,
)
for chunk in stream:
    print(chunk['message']['content'], end='', flush=True)

运行效果：

xlsx类型文件

代码改造：

新增xlsx测试文件，如下图所示：

修改代码，内容如下图所示：

ini 复制代码

from ollama import chat
import openpyxl

workbook = openpyxl.load_workbook('测试.xlsx')
sheet = workbook['Sheet1']

content = []
for row in sheet.iter_rows():
    row_data = []
    for cell in row:
        row_data.append(cell.value)
    content.append(row_data)

content_string = ''
for row in content:
    row_string = '\t'.join([str(cell) for cell in row])
    content_string += row_string + '\n'
print(content_string)

stream = chat(
    model='deepseek-r1:32b',
    messages=[{
        'role': 'user',
        # 'content': '你是谁？'
        'content': '[file name]: 测试.xlsx'
                   '[file content begin]'
                   + content_string +
                   '[file content end]'
                   '文档中写了什么？'

    }],
    stream=True,
)
for chunk in stream:
    print(chunk['message']['content'], end='', flush=True)

注意：读取excel文件时需要引用单独的包，安装一下openpyxl就可以了！

注意：文件名称和sheet页名称一定要对应好，很重要！

运行效果：