DEEPSEEK提示词大全

与 DeepSeek 对话，最关键的一点是忘掉那些花里胡哨的“咒语”。把它当成一个能力很强，但需要清晰指令的同事。你说话越直接、越有条理，它给你的东西就越靠谱。

一、核心原则：清晰、具体、有结构

很多人拿到的结果不理想，根源在于给的需求太模糊。 “帮我写个关于 AI 的文章”这种指令，AI 只能靠猜。 它不知道读者是谁，文章用在哪，想表达什么观点。结果自然是大路货。

好的提示词，至少要包含三个要素：

1. 目标 (Clarity): 你到底想干什么？越清楚越好。
2. 结构 (Structure): 希望它怎么干？一步一步列出来。
3. 细节 (Details): 有什么限制和要求？比如格式、风格、字数。

举个例子，假设你是个产品经理，需要一份需求文档。

一个糟糕的提示是： “我是一个产品经理，帮我写一份 AI 编程产品的需求文档。”

这个指令太宽泛了。AI 只能给你一个通用模板，没什么实际价值。

一个好的提示是这样的：

“我是一个产品经理，请帮我为一款 AI 编程产品撰写需求文档。请遵循以下步骤：
1. 针对 AI 辅助编程，进行用户痛点调研。
2. 基于用户痛点，进行市场竞品研究。
3. 根据竞品研究，提炼出 TOP 3 的核心需求。
4. 围绕这三个核心需求，完成功能设计。
5. 基于功能设计，完成 UI 原型和交互说明。”

你看，第二个版本把一个大任务拆解成了几个清晰的小步骤。 DeepSeek 拿到这种指令，就能按部就班地工作，每一项产出都更聚焦、更可用。

二、给 AI 一个“角色”，让它入戏

这是最简单也最有效的一招。在你提出需求前，先给 DeepSeek 设定一个身份。 这能帮它快速调用相关领域的知识，让回答更专业。

普通问法： “解释一下什么是‘市场营销漏斗’。”

设定角色后的问法： “你是一位经验丰富的市场总监，请用一个面向市场新人的培训口吻，解释什么是‘市场营销漏斗’，并用一个具体的消费品（比如咖啡）作为案例。”

加上角色设定后，它的回答不仅是干巴巴的概念解释，还会带入场景感和经验之谈，甚至可能会有一些只有业内人士才会用的比喻，内容的可读性和实用性会好很多。

这个技巧可以用在任何领域。比如：
* 写代码？ “你是一位资深的 Python 工程师，擅长编写简洁高效的代码……”
* 写文案？ “你是一位顶尖的广告文案策划，精通社交媒体传播……”
* 做分析？ “你是一位专业的财务分析师，请帮我分析这份财报……”

三、结构化指令，用标记来划分区域

当你的指令比较复杂，包含多个部分时，用简单的标记把它们隔开，能让 AI 更好地理解你的意图。 这就像给文章分段，逻辑更清晰。你可以用 Markdown、XML 标签，或者简单的标题都行。

我个人常用的是带标签的格式，比如 <context>、<rules>、<output_format>。

来看一个用于编程的例子：

<背景信息>
你是一名专业的程序员 AI 助手，你的代码风格是极简、高效。你在写代码前会先思考和规划。
</背景信息>

<规划规则>
– 在编写代码前，先创建一个三步走的计划。
– 明确展示当前正在执行的计划步骤。
– 如果指令不明确，要主动提问。
</规划规则>

<格式要求>
– 对于简单的任务，直接使用代码块。
– 如果代码很长，需要分段解释。
– 最终的回复要简洁，但必须完整。
</格式要求>

任务： “请用 Python 写一个函数，移除列表中的重复项，并保持原有顺序。”

用了这个结构化指令后，DeepSeek 不会立刻甩给你一堆代码。它会先思考，可能会提出类似这样的计划：
1. 阐述几种去重并保持顺序的方法（例如利用 dict.fromkeys() 或 set 配合排序）。
2. 提供代码实现。
3. 简单解释不同方法的优劣。

这种方式强迫 AI 先思考再动手，能有效避免它直接给出一个不符合你隐性需求的答案。

四、关于 DeepSeek 推理模型的特别提醒

DeepSeek 的一些模型（特别是带 Reasoning 功能的，比如 R1）在处理指令的方式上有些不同。 对于这类模型，有时候“少即是多”。

• 避免过度的“思维链”引导： 有些文章会教你加上“一步一步想”这样的引导词。但对于本身就擅长推理的模型，这句可能是废话，甚至会干扰它的原生思考过程。
• 谨慎使用“少样本提示 (Few-shot)”： 传统观念认为，给 AI 几个例子能让它学得更快。但在 DeepSeek 的推理模型上，提供例子有时反而会降低性能。 原因是它可能会过度拟合你给的例子，而忽略了任务本身的逻辑。与其给例子，不如把任务描述得更清楚。
• 直接陈述目标，而不是过程： 对于推理模型，你可以更像一个产品经理提需求，而不是像程序员写代码。 告诉它你“想要什么”，而不是“要它怎么做”。把它当成一个聪明的员工，给它目标和约束，放手让它自己规划路径。

举个例子，你想分析一份用户反馈数据。

传统方法可能很详细： “第一步，读取数据。第二步，识别关键词。第三步，情感分类……”

对推理模型更有效的方法可能是： “这是一份产品用户反馈的 CSV 文件。我的目标是找出用户抱怨最多的三个问题点，并分析每种抱怨的情绪倾向（正面、负面、中性）。请以 Markdown 表格的形式给我结果。”

这种方法给了模型更大的自主空间去选择最优的分析路径。

五、具体场景下的实用模板

理论说再多，不如直接上案例。下面是一些可以直接套用的模板，你只需要替换括号里的内容。

1. 写博客文章

“你是一名资深的 SEO 内容专家，你的任务是为 [你的目标读者] 写一篇关于 [文章主题] 的博客文章。
文章的语气应该是 [例如：专业、幽默、亲切]。
写作风格要 [例如：简洁明了、引经据典]。
请在文章中自然地融入以下[关键词1], [关键词2], [关键词3]。
文章字数限制在 [字数] 左右。
确保内容易于阅读，不要使用复杂的行业术语。”

2. 生成社交媒体内容

“你是一名社交媒体运营专家，请为 [平台名称，如：抖音、小红书] 创作 [数量] 条关于 [产品或主题] 的内容。
内容需要吸引 [目标用户群体]。
每一条内容都应该包含：
– 一个引人注目的标题或开场白。
– 简短的正文，突出 [核心卖点]。
– 3-5 个相关的热门标签 (Hashtag)。
– 一个引导用户互动的提问 (Call to Action)。”

3. 解决数学问题

“请分步推理，并把最终答案放在 boxed{} 里面。问题是：[你的数学问题]”

这个格式在处理数学或逻辑问题时特别有用，它会引导 DeepSeek 给出详细的解题过程，而不仅仅是一个最终答案。

4. 代码调试

“你是一个经验丰富的软件开发者。下面的 [编程语言] 代码有一个 bug，它本应该实现 [代码的预期功能]，但现在它出错了 [描述错误现象]。
请帮我找出代码中的问题，并提供修正后的版本。同时，请解释一下 bug 产生的原因。

这是有问题的代码：
[编程语言]
[粘贴你的代码]”

5. 学习一个新概念

“把我当成一个完全不懂 [相关领域] 的初学者。请用最简单的语言和生活中的例子，向我解释 [你想学习的概念] 是什么。避免使用任何专业术语。”

这个模板在学习复杂概念时很有用，因为它强制 AI 用打比方的方式来解释问题，更容易理解。

最后记住，写提示词不是一次性的工作。第一次结果不理想很正常。根据它的回复，调整你的指令，补充更多信息，或者换个问法，多试几次，你就能找到和它高效沟通的感觉。