简介这份PDF资料是清华大学新媒沈阳团队推出的《DeepSeek从入门到精通第二版》聚焦DeepSeek如何赋能职场应用面向希望将大模型落地到实际工作的职场人、内容创作者与AI应用学习者帮助读者理解提示语技巧、多场景应用与人机协同的实践路径。资源包共1个PDF文件大小约10.21MB内容围绕基础模型V3、深度思考R1与联网搜索三种模式的差异展开并给出RTGO、CO-STAR等提示语框架及V3与R1的提问策略对比。书中还梳理了DeepSeek在文化创新、科学研究、媒体内容、医疗诊断、法律分析等场景的落地方式介绍英伟达NIM、微软Azure、亚马逊AWS等平台的部署与免费体验途径并呈现团队在人机共生方向的研究成果与竞赛奖项。目前已有3626人学习适合希望系统掌握DeepSeek职场用法、提升人机协作效率的读者参考。1. 同一个模型为什么换个问法效果天差地别很多人第一次用 DeepSeek 都有过这种体验同样一个问题随手一问得到的是一段四平八稳的废话换个问法、补上几句背景输出立刻变得有结构、有判断、能直接用。表面看是“玄学”底层其实是模型能力被提示语结构激活的程度不同。这份由清华大学团队编写的《DeepSeek从入门到精通第二版》核心就在拆解这件事它把 DeepSeek 的三种模式基础模型 V3、深度思考 R1、联网搜索 RAG和两套提示语体系RTGO、CO-STAR放在同一张桌子上对比讲清楚“什么任务该用哪种模型、提示语该写到什么颗粒度”。搞懂这套对应关系你才知道自己每次翻车到底是模型不行还是提问方式没对上模型的推理路径。1.1 三种模式不是三个开关而是三条推理路径书里把 DeepSeek 拆成基础模型V3、深度思考R1、联网搜索RAG三种模式这个划分容易被误解成“功能开关”实际上它对应的是三条不同的推理路径。V3 是通用对话基座走的是“指令—执行”路线你给明确的过程和结果要求它按部就班产出R1 是推理模型走的是“目标—探索”路线你给清楚目标它自己在内部展开思维链结果允许有一定开放性联网搜索则是 RAG 路线把外部检索到的内容拼进上下文再生成解决的是知识时效性问题。理解这三条路径的差别比记住三个按钮重要得多。因为提示语的写法必须跟着路径走对 V3 你要把过程写死对 R1 你反而不能写死过程否则会干扰它自己的推理展开。书里反复强调的“两种模型的提示语差异”本质就是这句话。1.2 一个反直觉结论R1 不需要角色设定和思维链提示书里给 R1 列了一串“不需要”不需要角色设定、不需要思维链提示、不需要结构化提示词、不需要给示例、不需要做太多解释。这和过去几年提示工程的主流做法几乎是反着来的。原因在于 R1 本身就在内部做思维链推理你再在外面套一层“请一步步思考”等于给它加了重复的脚手架反而可能让它偏离自己的推理节奏。常见的实现思路是推理模型的能力来自训练阶段的对齐提示语的作用是“把目标说清楚、把约束说明白”而不是“教它怎么想”。所以对 R1好的提示语是目标清晰、边界明确、结果可以模糊对 V3好的提示语是过程清晰、格式明确、结果可预期。这个区分是整本书提示语部分的地基。2. 提示语框架的底层逻辑RTGO 与 CO-STAR 到底在约束什么2.1 RTGO把“过程—结果”写清楚的四要素RTGO 是书里给 V3 这类基础模型准备的结构四个字母分别对应 Role角色、Task任务、Goal目标、Objective操作要求。看起来像模板填空但它约束的其实是四件不同的事角色决定模型调用哪部分领域知识任务决定输出形态目标决定内容取舍操作要求决定格式、字数、风格这些硬约束。Role角色经验丰富的数据分析师具备十年销售经验的 SaaS 系统商务背景 Task任务写一份关于某活动的小红书宣推文案 Goal目标通过该文案吸引潜在客户促成消费 Objective操作要求字数 300 字以内三段结构口语化用词结尾带行动号召这段结构里Role 和 Task 是“做什么”Goal 是“为什么做”Objective 是“做成什么样”。四者缺一模型就会用默认值补全——默认值往往就是那段四平八稳的废话。很多人觉得提示语没用其实是只写了 Task把另外三个交给了模型的默认假设。2.2 CO-STAR把“受众与语气”显式化CO-STAR 来自新加坡一场提示工程竞赛的冠军框架书里把它作为另一条参照路径。它包含 Context上下文、Objective目标、Style风格、Tone语调、Audience受众、Response回应类型六个维度。和 RTGO 相比它多出来的是 Style、Tone、Audience 这三个“表达层”维度。这三个维度解决的是一个很实际的问题同一个任务写给专业人群和写给普通用户输出应该完全不同。模型不会自动知道你的受众是谁你不写它就按“平均读者”来写结果就是谁都能看、谁都不够用。CO-STAR 的价值在于把“写给谁看、用什么语气、要什么形式的回应”变成显式参数而不是让模型去猜。2.3 两套框架的共同点把隐式假设变成显式约束RTGO 和 CO-STAR 表面结构不同底层逻辑一致把人类写作者脑子里的隐式假设翻译成模型能读的显式约束。人写文案时会自动考虑受众、语气、篇幅这些是常识模型没有这个常识你不写它就取默认值。所以提示语工程的核心不是“话术”而是“把默认值覆盖掉”。书里还提到一个更进一步的框架——全维度智能体提示框架CAP Framework把提示语分成身份定义、能力矩阵、边界系统、工作引擎四层。这已经超出单次对话的范畴是在给一个智能体做“岗位说明书”。从 RTGO 到 CO-STAR 再到 CAP是一条从“单次任务”到“持续角色”的递进线。3. 从提示语到产出物Mermaid 图表与 PPT 大纲是怎么被“约束”出来的3.1 用角色约束把自然语言转成 Mermaid 代码书里给了一个很具体的例子让 DeepSeek 扮演“Mermaid 图表代码生成器”把流程描述转成图表代码。这个例子的价值不在于 Mermaid 本身而在于它展示了“角色 技能 约束 工作流程 输出格式”这套五段式结构怎么落地。角色Mermaid 图表代码生成器 功能根据用户提供的流程或架构描述自动生成符合 Mermaid 语法的图表代码 技能熟悉 Mermaid 图表类型和语法理解流程分析、架构设计、结构化展示 约束代码必须符合 Mermaid 语法规范流程和结构表达准确清晰流程图需要有二级、三级等多层级输出代码简洁易读 工作流程询问图表类型 → 收集流程描述 → 分析设计结构 → 生成代码 → 校验语法 → 输出 输出格式Mermaid 图表代码这段结构里最关键的是“约束”和“工作流程”两段。约束里的“必须有二级、三级等多层级”直接决定了输出图表的复杂度不写这句模型很可能给你一个只有三四个节点的扁平图。工作流程里的“校验代码确保没有语法错误”则是让模型在输出前自检一遍减少语法翻车。3.2 PPT 大纲生成为什么要求“不少于 30 页”和“先表格后大纲”书里另一个例子是 PPT 大纲辅助生成约束写得更细内容不少于 30 页、要有每个章节的题目和每个页面的标题及内容要点、第一层级是封面目录章节页、页面标题是第二层级、内容要点是第三第四层级、关键内容用流程图呈现。还要求先输出研究资料摘要表格不少于 5 份含报告主题、关键摘要、报告地址再输出 Markdown 大纲最后输出 Mermaid 流程图三者不要混杂。这里的“不少于 30 页”不是凑数而是一个结构性约束页数下限会逼着模型把内容展开到足够细的颗粒度避免它用几句概括糊弄过去。“先表格后大纲再流程图”的顺序约束则是在控制输出的依赖关系——先有资料再有结构最后有可视化顺序错了内容就会脱节。提示这类“数量下限 输出顺序”的约束对长文档类任务特别有效。模型在长输出里容易越写越散给一个硬下限和固定顺序相当于给它画了轨道。3.3 输出格式分离避免三类内容混在一起书里明确要求“三者不要混杂到一起”这条约束值得单独说。模型在长输出里有个常见毛病把资料、大纲、图表混着写读者要自己拆。显式要求分段输出本质是让模型在生成时维护一个内部的结构边界。这个技巧在报告、方案、文档类任务里通用——你想要几块内容就把几块内容的边界和顺序写进提示语而不是指望模型自己分好。4. 避坑与排查提示语和模式选择里最容易翻车的几件事4.1 现象给 R1 写了详细思维链结果反而变差原因R1 内部已经在做推理展开外部再套一层“请一步步思考”的思维链提示等于给它加了重复脚手架可能干扰它自己的推理节奏。解决对 R1 只写目标、边界和输出要求把“怎么想”留给模型需要严格控制过程时改用 V3 并把过程写进 Objective。4.2 现象提示语写得很全输出还是空泛原因多半是只写了 TaskRole、Goal、Objective 用了默认值。模型不知道受众是谁、要什么风格、多少字只能按平均读者写。解决至少补齐受众、语气、字数、结构四项硬约束参考 CO-STAR 的 Audience、Tone、Style 三个维度。4.3 现象Mermaid 代码生成后渲染报错原因约束里没写“校验语法”模型输出时可能漏掉分号、节点定义不完整或层级混乱。解决在工作流程里加一步“校验代码确保没有语法错误”并在约束里明确要求多层级结构减少扁平化输出。4.4 现象PPT 大纲页数不够、内容跳跃原因没给页数下限模型按“够用就行”来写章节之间缺少过渡。解决写死“不少于 30 页”并规定层级结构封面目录章节页为第一层、页面标题第二层、内容要点第三第四层让模型按层级展开。4.5 现象资料、大纲、图表混在一起没法直接用原因没约束输出顺序和分段边界。解决显式要求“先表格、再大纲、最后流程图三者不要混杂”把输出顺序写进提示语的工作流程段。5. 设计取舍为什么这套方法把“模型选择”放在“提示技巧”之前书里有一个容易被忽略的顺序先讲三种模式和两种模型的对比再讲提示语框架。这个顺序本身就是一种设计取舍——它把“选对模型”放在“写好提示语”之前。原因很实际模型选错了提示语写得再漂亮也是事倍功半。给 V3 写一个开放性目标它可能给你一段泛泛而谈给 R1 写死每一步流程它可能被脚手架绑住手脚。维度V3 基础模型R1 推理模型规范约束强操作路径明确弱操作路径开放结果导向目标确定性高结果可预期目标开放性高结果多样路径灵活性线性路径流程标准化网状路径多路径探索响应模式被动适配按规则执行主动创新自主决策风险特征低风险稳定可控高风险不确定性高这张对比表是书里 5R 维度的浓缩它说明的不是“哪个模型更好”而是“哪个模型更适合哪类任务”。确定性高的任务走 V3探索性强的任务走 R1知识时效性要求高的走联网搜索。提示语的写法跟着这个选择走而不是反过来。我一般会这么理解这套方法它把提示语工程从“话术技巧”拉回到“任务建模”。你先判断任务的性质——是执行型还是探索型、结果要确定还是要开放、知识要不要实时——再决定用哪个模型、写哪种提示语。这个判断顺序错了后面全是补丁。从那以后我每次写提示语之前都会先强制问自己一句这个任务到底是执行型还是探索型选错模型提示语写得再细也是白费。希望这套判断顺序也能帮到你。这份《DeepSeek从入门到精通第二版》把模式对比、提示语框架和多场景案例放在一起讲适合放在手边当参照遇到输出不对时回头对一遍比凭感觉调参靠谱得多。本文还有配套的精品资源点击获取