提示词库
https://api-docs.deepseek.com/zh-cn/quick_start/token_usage
DeepSeek-R1提示词特点
| 任务类型 | 推理模型 | 通用模型 |
|---|---|---|
| 数学推理 | 重点 ：明确要求逐步推理，展示中间计算过程。 示例 ：请逐步计算：某商品原价200元，先降价20%，再涨价20%，最终价格是多少？ 避免 ：直接告诉我答案 或 计算一下（缺乏推理引导）。 |
重点 ：可直接要求输出最终结果，注重准确性。 示例 ：计算：200元先降20%再涨20%，最终价格？ 避免 ：请一步步推导（可能引发冗余输出）。 |
| 代码生成 | 重点 ：引导先分析问题、设计算法，再输出代码，可要求复杂度分析。 示例 ：请分析实现快速排序的步骤，再给出Python代码，并说明时间复杂度。 避免 ：写个排序代码（缺乏结构引导）。 |
重点 ：直接生成可运行代码，强调功能正确性。 示例 ：用Python写一个快速排序函数。 避免 ：先解释原理再写代码（可能增加不必要篇幅）。 |
| 复杂规划 | 重点 ：要求分解子任务、列出步骤、考虑约束条件。 示例 ：请制定一份为期三天的北京旅游计划，要求逐步列出每日行程、交通方式及备选方案。 避免 ：给我一个北京旅游计划（输出可能过于笼统）。 |
重点 ：输出清晰的整体方案，注重简洁可行。 示例 ：推荐一份三天北京旅游行程。 避免 ：详细列出每一步的决策过程（可能导致冗长）。 |
| 信息提取 | 重点 ：强调按规则逐步筛选、验证信息，输出结构化数据。 示例 ：从以下文本中提取时间、地点、人物，先逐句分析，再输出JSON。 避免 ：提取关键信息（缺少步骤约束）。 |
重点 ：直接提取关键信息，以简洁格式输出。 示例 ：将以下新闻中的时间、地点、人物提取为JSON。 避免 ：请仔细推理后再提取（可能引入不必要推理）。 |
| 多步问答 | 重点 ：鼓励将问题拆解为子问题，依次推理后汇总答案。 示例 ：某公司营业额2023年比2022年增长10%，2024年比2023年下降5%，最终相比2022年变化多少？请分步计算。 避免 ：直接告诉我最终结果。 |
重点 ：直接给出综合答案，可附关键依据。 示例 ：某公司2023年比2022年+10%，2024年比2023年-5%，最终变化多少？ 避免 ：先算出每一步再给结果（可能导致过度冗长）。 |
| 伦理判断 | 重点 ：引导分析多方立场、权衡利弊，逐步得出结论。 示例 ：请逐步分析自动驾驶汽车在紧急情况下应优先保护乘客还是行人，考虑伦理、法律和技术限制，最后给出你的判断。 避免 ：直接说应该保护谁。 |
重点 ：直接给出符合主流价值观的结论，保持立场清晰。 示例 ：自动驾驶遇到紧急情况该如何抉择？ 避免 ：请详细论证每个可能的伦理流派（输出可能过于学术）。 |
| 创意写作 | 重点 ：可引导先构思框架、设定角色，再逐步扩展，支持多轮细化。 示例 ：请先为科幻短篇设定世界观和主角，然后基于此写开头300字。 避免 ：写一个科幻故事（缺乏结构引导）。 |
重点 ：直接生成完整故事或文本，注重文笔与创意。 示例 ：写一个关于时间旅行的科幻短篇，800字。 避免 ：先写大纲再写正文（可能限制创作流畅性）。 |
例子
dart
你是一位专业的文案策划。
请为这款智能手表撰写一段产品介绍，突出健康监测功能和时尚设计。
输出为三段式结构：开篇吸引注意、中段功能亮点、结尾购买引导。
字数150字左右，语气亲切自然，避免夸张宣传。通用模型提示词模版
各模块说明
| 模块 | 作用 | 示例 |
|---|---|---|
| 角色设定 | 赋予模型特定身份，引导输出风格与专业性 | 你是一位资深科技编辑 |
| 任务目标 | 明确需要完成的任务，一句话说清核心要求 | 请将以下技术文章改写为通俗易懂的科普短文 |
| 输出格式 | 指定返回形式，如段落、列表、JSON等 | 输出为三个要点，用markdown列表 |
| 约束条件 | 控制输出长度、语气、避免的内容等 | 字数控制在200字以内，避免专业术语 |
DeepSeek-V3（通用模型）与DeepSeek-R1（推理模型）在提示词使用上的核心区别如下：
| 维度 | DeepSeek-V3（通用模型） | DeepSeek-R1（推理模型） |
|---|---|---|
| 定位 | 高效直接，适合大多数日常对话、文本生成、信息提取等任务 | 擅长复杂推理、数学、逻辑、代码等需逐步思考的任务 |
| 提示词风格 | 简洁、明确，直接给出任务要求和输出格式 | 鼓励使用"逐步推理""展示过程""分析步骤"等引导词 |
| 输出特点 | 直接输出结果，少冗余推理过程 | 输出中包含详细推理链，最终结论清晰 |
| 适用场景 | 文案写作、翻译、摘要、分类、问答 | 数学证明、算法设计、多步规划、逻辑分析 |
| 示例提示词 | 将以下内容翻译为英文：... |
请逐步推导：一个水池有进水管和出水管，单独开进水管3小时注满，单独开出水管5小时排空，同时开几小时注满？ |
| 应避免的策略 | 避免要求"一步步思考"，否则可能输出多余推理 | 避免直接要求"只给答案"，否则会削弱推理能力 |
总结：使用V3时，追求效率与直接；使用R1时，善用推理引导，充分发挥其链式思考优势。
RTGO 框架与提示词技巧全景指南
一、RTGO 框架详解
RTGO 是一种结构化提示词设计框架，将复杂需求拆解为四个可控制的核心要素。
| 要素 | 含义 | 关键问题 |
|---|---|---|
| R - Role（角色） | 模型应扮演的身份 | "谁在完成这个任务？" |
| T - Task（任务） | 需要执行的具体动作 | "要做什么？" |
| G - Goal（目标） | 任务的深层目的 | "为什么要做？预期什么效果？" |
| O - Objective（具体要求） | 输出的形态约束 | "输出什么样？格式？长度？风格？" |
RTGO 示例对比
❌ 低质量提示词：
写一份产品介绍。
✅ RTGO 结构化提示词：
【Role】你是一位资深科技产品文案专家。
【Task】为这款智能手表撰写产品介绍。
【Goal】突出健康监测功能，吸引都市白领购买。
【Objective】三段式结构：开篇场景吸引、中段3个核心功能、结尾购买引导。150字，亲切语气。二、八大提示词技巧（附示例）
1. 四步提问法
原理：分四步引导模型思考：提出问题 → 分析原因 → 列举方案 → 给出建议。
示例：
第一步：当前跨境电商独立站转化率只有1.2%，问题出在哪里？
第二步：分析首页跳出率高达65%的可能原因。
第三步：列举3个降低跳出率的优化方案。
第四步：结合成本与实施难度，推荐最优方案。2. 背景需求法
原理：先交代背景，再提出需求，让模型基于上下文生成内容。
示例：
【背景】我是一家智能家居初创公司的市场负责人，产品主打性价比，目标用户是25-35岁租房年轻人。
【需求】请为即将发布的智能插座撰写一篇小红书种草笔记。
【输出】标题+正文，含emoji，突出"租房神器""省电""手机控制"三大卖点。3. 参考需求法
原理：提供参考样例，让模型模仿其风格、结构或逻辑。
示例：
请参考以下文案风格，为我的咖啡厅撰写开业宣传语。
参考文案：「不只是咖啡馆，是灵感的第三空间。在这里，每一杯咖啡都为你定制。」
要求：保持简洁、文艺、有空间感的风格，20字以内。4. 附件提问法
原理：附上文档、数据、代码等内容，基于附件进行提问。
示例：
【附件】用户行为日志（CSV格式，含点击、停留时长、跳出时间等字段）
【问题】请分析这份日志，找出用户流失最严重的三个页面，并给出优化建议。
【输出】表格列出页面、流失率、可能原因、优化方向。5. 角色带入法
原理：让模型以特定身份思考问题，获得对应视角的回答。
示例：
请分别以三种角色回答同一个问题：「如何提高团队协作效率？」
角色1：技术团队负责人（强调工具与流程）
角色2：人力资源专家（强调沟通与激励）
角色3：创业公司CEO（强调目标对齐与资源分配）
每个角色输出3条建议。6. 问题查找法
原理：让模型扮演"问题发现者"，对已有内容进行审查与纠错。
示例：
请审查以下代码，找出潜在的性能问题、安全隐患和逻辑错误，并逐条说明原因与修复方案。
[粘贴代码]7. 分步拆解法
原理：将复杂任务拆解为多个子步骤，引导模型逐步完成。
示例：
请分三步帮我完成竞品分析报告：
第一步：列出主要竞品（3-5个）及其核心功能。
第二步：对比各竞品的定价策略与目标用户。
第三步：总结我们的差异化机会，输出SWOT分析。8. 标题生成法
原理：让模型为给定内容生成多个备选标题，供用户筛选优化。
示例：
请为以下文章生成10个标题，要求：
- 5个正经风格（专业、正式）
- 3个爆款风格（夸张、吸睛）
- 2个悬念风格（提问、留白）
文章主题：「远程办公如何保持团队凝聚力」三、避坑技巧（常见错误与解决方案）
| ❌ 常见错误 | ✅ 正确做法 | 说明 |
|---|---|---|
| 指令模糊 | 使用RTGO或四步法结构化 | "写个方案" → "请撰写Q3营销方案，含目标、预算、渠道、KPI" |
| 多任务混杂 | 一次只问一个核心任务 | "写报告并翻译成英文并画图" → 拆分为3次提问 |
| 忽略角色设定 | 按需赋予专业身份 | 法律问题设定为"律师"，医疗问题设定为"医生" |
| 格式要求缺失 | 明确指定输出格式 | 要求"表格""JSON""三点列表"等 |
| 目标不清晰 | 说明"为了什么" | "写邮件" → "写一封催促客户付款的商务邮件，语气礼貌但坚定" |
| 未设约束条件 | 加入长度、风格、语气限制 | "500字以内""避免专业术语""用第二人称" |
| 过度推理引导 | 通用模型直接给任务即可 | 对V3类模型避免"请逐步思考"，对R1类则鼓励 |
| 忽略负向约束 | 明确"不要做什么" | "不要使用夸张宣传""不要出现品牌对比" |
四、实战组合示例
需求：让模型为一款AI学习硬件撰写产品发布会演讲稿。
组合使用技巧
【角色带入法】你是一位科技产品发布会演讲教练，擅长乔布斯式极简风格。
【背景需求法】产品是一款AI学习平板，目标用户是K12学生家长，核心卖点：AI精准学、护眼屏、家长管控。
【分步拆解法】
第一步：撰写开场白（30秒），建立痛点共鸣。
第二步：设计产品亮相环节，用"3个改变"结构介绍核心功能。
第三步：撰写结语，引导购买意向。
【参考需求法】参考以下风格：「今天，我们重新发明了手机。」保持简洁有力。
【Objective】总字数500字，每部分标注时间，语气自信、有感染力，避免技术术语堆砌。五、技巧选择速查表
| 使用场景 | 推荐技巧 |
|---|---|
| 需求复杂、不知从何说起 | RTGO框架 + 四步提问法 |
| 需要特定风格的输出 | 参考需求法 + 角色带入法 |
| 分析数据或文档 | 附件提问法 |
| 优化已有内容 | 问题查找法 + 标题生成法 |
| 大型复杂任务 | 分步拆解法 |
| 需要了解深层背景 | 背景需求法 |
掌握这些技巧，可以将提示词从"一句指令"升级为"精准控制系统"，大幅提升大模型的输出质量与可用性。
CO-STAR 提示框架详解
CO-STAR 是一种结构化的提示词设计框架，由新加坡政府科技局（GovTech）提出，用于提升大语言模型响应的相关性与准确性。
一、CO-STAR 框架构成
| 要素 | 英文 | 含义 | 关键问题 |
|---|---|---|---|
| C | Context | 背景信息 | 任务的背景是什么？有哪些已知信息？ |
| O | Objective | 目标 | 希望模型达成什么目的？ |
| S | Style | 风格 | 希望以什么风格输出？（正式、幽默、学术等） |
| T | Tone | 语气 | 希望传递什么情感基调？（专业、友好、紧迫等） |
| A | Audience | 受众 | 输出内容面向谁？他们的认知水平如何？ |
| R | Response | 响应格式 | 输出应采用什么格式？（JSON、表格、列表、段落等） |
二、CO-STAR 示例对比
❌ 低质量提示词
写一份关于远程办公的邮件。
✅ CO-STAR 结构化提示词
【Context】我们团队（15人，产品+技术）已远程办公3个月，近期出现沟通效率下降、任务延期问题。
【Objective】撰写一封团队邮件，鼓励大家遵守新的沟通规范，提升协作效率。
【Style】商务邮件格式，段落清晰，带编号建议。
【Tone】鼓励、建设性，避免指责语气。
【Audience】产品经理和开发工程师，熟悉敏捷流程。
【Response】邮件正文，含标题、称呼、正文、落款。正文分三部分：现状说明、3条新规范、鼓励收尾。三、CO-STAR 与 RTGO 对比
| 维度 | CO-STAR | RTGO |
|---|---|---|
| 要素数量 | 6个（C,O,S,T,A,R） | 4个（R,T,G,O） |
| 核心侧重 | 强调上下文与受众 | 强调角色与目标 |
| 适用场景 | 内容创作、沟通类任务 | 专业任务、需身份代入的场景 |
| 优势 | 对输出风格、语气控制更精细 | 结构更简洁，角色设定更突出 |
| 典型应用 | 邮件、报告、营销文案、客服回复 | 技术解答、方案设计、代码生成 |
四、CO-STAR 各要素深度解析
C - Context（背景）
作用：提供任务的前置信息，避免模型凭空猜测。
示例：
- 弱：
写一份产品介绍。 - 强：
我们是一款面向大学生的笔记App，主打AI自动整理功能，目前处于内测阶段。
O - Objective（目标）
作用：明确任务的最终目的，引导模型聚焦核心。
示例：
- 弱：
介绍一下这款耳机。 - 强：
目标：说服读者购买这款降噪耳机，突出性价比和续航优势。
S - Style（风格）
作用：规定输出的文体或表达风格。
常见风格：学术论文、小红书笔记、商务邮件、演讲稿、新闻稿、FAQ、教程等。
T - Tone（语气）
作用：规定输出的情感基调。
常见语气：专业、友好、幽默、紧迫、严肃、共情、鼓舞、中立等。
A - Audience（受众）
作用：描述目标读者，模型据此调整语言复杂度与信息密度。
示例：
面向C level高管→ 战略视角，结论先行面向一线工程师→ 技术细节，可操作性强面向普通消费者→ 通俗易懂，避免术语
R - Response（响应格式）
作用：指定输出的结构形态，提升可用性。
示例：
JSON格式Markdown表格分三段，每段一个小标题5个要点，用emoji标记
五、CO-STAR 实战示例
场景：撰写产品发布演讲稿
【C】我们是一家AI医疗初创公司，即将发布一款智能心电监测手环，准确率达95%，已获二类医疗器械认证。发布会受众包括投资人、媒体、潜在代理商。
【O】撰写5分钟产品发布演讲稿，核心目标是建立专业信任感并激发合作兴趣。
【S】TED式演讲风格，开篇用故事，中间有数据支撑，结尾有行动号召。
【T】专业、自信、有感染力，略带科技使命感。
【A】混合受众：投资人关注市场空间，媒体关注新闻点，代理商关注合作政策。
【R】演讲稿全文，标注每部分建议时长，关键数据加粗提示。场景：客服自动回复
【C】用户反馈：购买的智能灯无法连接Wi-Fi。用户已尝试重启路由器和重置设备。
【O】撰写客服回复，指导用户完成故障排查，避免退货。
【S】技术支持文档风格，步骤清晰，带编号。
【T】耐心、友好、解决问题导向。
【A】普通家庭用户，非技术背景。
【R】回复正文，以"您好"开头，以"如有问题请回复"结尾，含3-5个排查步骤。六、CO-STAR 使用检查清单
| 要素 | 自检问题 |
|---|---|
| ☐ Context | 是否提供了足够的背景信息？ |
| ☐ Objective | 目标是否具体、可衡量？ |
| ☐ Style | 风格是否明确指定？ |
| ☐ Tone | 语气是否符合场景？ |
| ☐ Audience | 是否考虑了读者的知识水平？ |
| ☐ Response | 输出格式是否清晰定义？ |
七、CO-STAR + RTGO 融合使用
两者并非互斥，可融合为更强的提示词框架：
【RTGO】
- Role：你是一位资深产品经理
- Task：撰写PRD（产品需求文档）
- Goal：让研发团队清晰理解功能边界
- Objective：按标准PRD模板输出
【CO-STAR扩展】
- Style：技术文档风格
- Tone：专业、精确
- Audience：后端+前端+测试工程师
- Response：Markdown格式，含背景、用户故事、功能清单、验收标准融合优势：RTGO 强化角色与任务定位，CO-STAR 细化风格、语气与受众控制，二者互补形成完整的提示词工程方法论。