DeepSeek 通用提问法：把 AI 当人看，清晰的表达
老式提示词靠复杂框架「框」住生成模型，推理模型不需要——它自带思维链，你只要把话说清楚。这一页分两层：七个口语技巧管「怎么开口」，十个进阶技巧管「怎么问到位」。 前一层来自内部研讨课，每条都配了传统问法和 DeepSeek 问法的对照；后一层来自体系化的方法论，每条讲认知原理、技术原理，并给出实测的「低效指令 vs 优化指令」案例。
先记住这个公式：我要（做）**，要给**用，希望达到**效果，但担心**问题
我要（做）**
任务
一句话说清要什么，别绕
要给**用
背景
给谁用决定口吻和颗粒度
希望达到**效果
目标
可验证的效果，不是形容词
但担心**问题
负面限定
把顾虑提前说，模型会主动绕开——这是公式里最有杀伤力的一段
示例：「我要做一个从北京到日本的旅游攻略，要给爸妈用，希望让他们在日本开心地玩 20 天，但我担心他们玩得累，腿和腰不太好。」 ——最后那句「担心」让日程细致到每日步行量控制。DeepSeek 官方提示词库 →
七个口语技巧：每条都给「传统问法 vs DeepSeek 问法」
真诚 + 直接
把背景、格式、字数一次说清，别指望 AI 猜你的潜台词。
低效帮我把这份报告包装一下，我要写成周报给老板看，老板很看重数据。
优化你现在是一个新能源汽车的市场研究分析师，这里有一份调研报告总结需要写成周报，请按周报的格式帮我完成并进行润色，不少于 500 字。
传统问法里「包装」「看重数据」都要模型自己解码，每个解码都可能偏。直接说清角色 + 任务 + 格式 + 字数，四个变量全部钉死，返工率为零。
通用公式
我要（做）**，要给**用，希望达到**效果，但担心**问题。
低效帮我做个日本旅游攻略。
优化我要做一个从北京到日本的旅游攻略，要给爸妈用，希望让他们在日本开心地玩 20 天，但我担心他们玩得累，腿和腰不太好。
「担心」这段最关键——模型会因为这句主动加上每日步行量控制、酒店电梯、休息点安排这类贴心细节。普通攻略没人提醒就默认按年轻人写。
说人话
回答太官方、太百科时，补一句「说人话」。
低效什么是「波粒二象性」？（得到一段和百度百科差不多、看不懂的回答）
优化什么是「波粒二象性」？说人话。
「说人话」三个字把输出风格从教科书模式切到讲解模式，模型会主动用生活里的例子替代术语。适合科研入门、了解新事物。
反向 PUA
让它自己挑毛病、自己复盘，榨干它的思维链。
低效这个方案怎么样？（得到一段全说好话的回答）
优化请你列出 10 个反对理由再给方案。/ 如果你是老板，你会怎样批评这个方案？/ 这个回答你满意吗？请你把回答复盘至少 10 轮。
推理模型自带思维链，但默认顺着你的立场走。让它先站在对立面，思维链才真正被调动起来——反对理由往往比正面方案更有信息量。
善于模仿
与其用一堆形容词约束文风，不如直接丢一篇范文让它学。
低效帮我写一篇文案，要幽默、要口语化、要有网感。（三个词全靠模型理解）
优化模仿下面这篇文章的语气和节奏，写一篇同主题的新文案：【粘贴范文】
文风是最难用形容词精确传递的东西。一篇范文携带的节奏、用词习惯、句长分布，比「幽默、口语化」十个形容词加起来还准。
擅长锐评
触发毒舌属性：用「__________，笑死」句式。
低效请评价一下这个产品。（得到四平八稳的测评腔）
优化这个产品宣传页，笑死。
留白 + 「笑死」这个句式会激活模型从「客服腔」切到「评论区好友」模式，给出带态度、敢说缺点、还能玩梗的评价。看竞品、看文案、看设计稿都好用。
激发深度思考
在提示词结尾加一句「同时加入你的批判性思考」。
低效直接问，得到第一版直觉答案。
优化在你的回答中，同时加入你的批判性思考。/ 在你回答之前，先自己复盘 100 遍。
这句话强制模型在正常回复之外再跑一轮自我审视，输出里会多一段「这里可能不成立 / 需要补充什么数据」的反思。代价是回答变长，换来的是盲区显形。
十个进阶技巧：认知原理 + 技术原理 + 实测对照
这一组偏体系：每条先讲为什么在认知科学上成立（认知原理），再讲在模型机制上怎么起作用（技术原理）， 最后给一组同一任务下「低效指令 vs 优化指令」的实测对照。百分比是原作者的打分口径，方向可以信，数字别太当真。
| 技巧 | 认知原理 | 技术原理 | 方法 | 低效指令 → 优化指令 | 效果 |
|---|---|---|---|---|---|
| 角色锚定法 | 工作记忆容量限制理论（Miller's Law） | 通过角色声明激活特定领域知识图谱节点，聚焦模型注意力机制 | 前置身份标签 + 专业场景定义 | "如何提高工作效率" "作为 GTD 认证时间管理教练，请为经常跨时区会议的跨国团队设计每日 3 小时深度工作保护方案" | 方案适用性提升 40%（角色标签缩小决策空间） |
| 三维约束法 | 决策疲劳规避机制 | 通过资源 / 精力 / 环境约束构建决策边界，实现帕累托最优解搜索 | 同步声明时间 / 精力 / 工具限制 | "制定学习计划" "在每日可用 2 小时（19:00-21:00）、脑力峰值下降 30% 的晚间时段，设计 Python 机器学习进阶计划（需兼容 Anki 记忆曲线）" | 计划可持续性提升 55% |
| 结构化追问 | 组块化记忆理论 | 通过指令分片降低 transformer 架构的认知负荷 | 强制分步执行路径 | "优化我的晨间流程" "请按：① 30 分钟运动与认知激活的生化平衡 → ② 信息摄入优先级矩阵构建 → ③ 跨平台日程自动同步方案 分步优化" | 执行链路清晰度提升 63% |
| 反幻觉验证 | 元认知监控理论 | 建立可验证的时间日志数据锚点，对抗概率生成偏差 | 要求标注时间记录方法论 | "分析我的时间使用情况" "基于 RescueTime 连续两周屏幕使用数据，按《深度工作》四象限法分类，并说明统计显著性验证方法" | 诊断准确度提升 58% |
| 模式嵌套法 | 双加工理论系统激活 | 组合认知框架形成多维特征空间 | 混合经典时间管理模型 | "用艾森豪威尔矩阵规划任务" "在四象限法基础上，叠加《番茄工作法》的注意力周期律动，整合《搞定》的每周回顾机制" | 系统适配性提升 47% |
| 可视化驱动 | 图优效应（Picture Superiority Effect） | 激活视觉皮层关联的神经网络通路 | 指定时间地理学表达范式 | "展示我的时间分配" "用时区热力图呈现跨洲协作周日程，X 轴为 UTC 时间，Y 轴为协作方，色阶表示认知负荷强度（附颜色映射公式）" | 模式识别效率提升 61% |
| 增量修正协议 | 动态一致性理论 | 通过梯度下降实现方案迭代优化 | 建立「约束变更 → 方案调整」映射 | "每周 40 小时工作计划" "若新增 3 小时通勤时间但必须保证 7 小时睡眠，如何重新分配学习 / 工作 / 运动模块？需提供调整后的昼夜节律匹配度评估" | 方案弹性提升 44% |
| 技术雷达锚定 | 认知脚手架理论 | 锁定特定方法论版本防止概念漂移 | 绑定经典理论版本号 | "推荐任务管理工具" "依据《Getting Things Done》2015 修订版第 7 章，设计 OmniFocus 与 Todoist 的跨设备同步实施方案" | 方法保真度提升 66% |
| 多模态验证 | 多重编码理论 | 跨模态表征增强记忆提取 | 三维时间立方体构建 | "说明时间阻塞法" "阐述时间立方体方法论，给出每日能量波动计算公式，并绘制三维时间块分配图（附 Blender 建模参数）" | 方法掌握度提升 52% |
| 效能监测绑定 | 霍桑效应强化机制 | 建立量化反馈回路 | 嵌入 PDCA 循环监测点 | "制定阅读计划" "设计 6 周主题阅读计划，需包含：① 每周认知负荷评估公式 ② Readwise 同步规则 ③ Notion 仪表盘关键指标（完成率 / 理解度 / 输出转化率）" | 目标达成率提升 57% |
官方提示词库的七类：每类抓一个关键
代码类
清晰表达，提示工作流程
内容分类
给出分类标准和备选标签
结构化输出
结构化要求 + 示例
角色扮演
描述角色性格特征、指定输出情景
创作类
风格、要求、主题三要素
翻译类
「信」「达」「雅」三层分别提要求
提示词生成
生成提示词的提示词（元提示词）
常见问题
DeepSeek 时代的提示词和老式提示词最大的区别是什么？
老式提示词靠角色扮演和复杂框架（LangGPT 那一套）把生成模型「框」出稳定输出；DeepSeek-R1 这类推理模型自带思维链，复杂框架反而多余。研讨课的原话是「把 AI 当人看，清晰的表达」——你要做的不是设计结构，是把背景、任务、期望、顾虑说清楚。这页的七个口语技巧就是顺着这个方向来的。
通用公式里「但担心**问题」为什么是点睛之笔？
因为大多数人的提问只说「要什么」，不说「怕什么」。模型收到的约束少了一半，只好按平均值写——攻略按年轻人的体力排，周报按中性口吻润。把顾虑写进去，等于把「你的特殊情况」提前注入，模型会主动绕开。旅游攻略的例子加了一句「担心爸妈腿和腰不太好」，出来的日程细致到每日 5000 步上限。
「反向 PUA」真的有用还是玩梗？
真有用，而且对推理模型特别有用。推理模型的思维链默认顺着提问者的立场走——你问「这个方案怎么样」，它的思考链就是「怎么论证这个方案好」。让它先列 10 个反对理由、或者换到老板视角批评方案，思考链的方向才被真正掰过来。反对理由的信息量通常比正面夸奖大得多，因为错误模式比正确模式更具体。
十个进阶技巧里的「效果提升 XX%」是怎么算的？
这是原资料作者的对比实验口径：同一任务用「低效指令」和「优化指令」各跑一遍，按输出质量的某个维度打分得出的百分比。数字本身别太当真——不同的任务、不同的打分标准会得到完全不同的百分比。但每条技巧背后的方向是扎实的：角色锚定缩小决策空间、三维约束建立决策边界、版本号锚定防止概念漂移，这些机制是真实的。
角色锚定和「真诚直接」的例子里都写了角色，有区别吗？
有。「真诚直接」例子里写角色是为了把口吻和知识域钉死（市场研究分析师写出来的周报就是比「帮帮我」专业）；「角色锚定法」讲的是原理——角色声明会激活模型知识图谱里特定领域的节点，相当于把注意力聚焦到一个子空间。前者是用法，后者是解释为什么这个用法管用。
结构化追问就是把大问题拆成小问题吗？
拆是手段，关键是拆完后给不给执行路径。「优化我的晨间流程」这种问法，模型只能给一段泛泛建议；改成「请按：① 运动与认知激活的生化平衡 → ② 信息摄入优先级矩阵 → ③ 跨平台日程同步方案 分步优化」，每一步都有明确的交付物，且三步之间有依赖顺序。原资料管这叫「指令分片降低认知负荷」——和人一样，AI 一次消化太多要求就会顾此失彼。
「技术雷达锚定」里为什么要写书的版本号和章节？
因为方法论是有版本的。GTD 有 2001 初版和 2015 修订版，关键流程有差异；不写版本号，模型会按它训练语料里最流行的说法来，你拿到的可能是混了别人解读的「二手 GTD」。写上「2015 修订版第 7 章」，模型就被钉在原始文献上，这就是原资料说的「防止概念漂移」，实测保真度提升最明显（66%）。
这些技巧能用在其他 AI 上吗？
大部分能。「真诚直接」「通用公式」「结构化追问」「反幻觉验证」是通用手法，任何对话模型都吃这套。「反向 PUA」「激发深度思考」这类依赖思维链的技巧在推理模型（DeepSeek-R1、o1 系列）上效果最好，纯生成模型上效果会打折。「擅长锐评」「说人话」依赖模型的中文语料质量，国产模型上更灵。
这一页和相关页面的分工
这一环前后该看什么
全部 27 个库 →你在DeepSeek 通用提问法：怎么问：通用公式、反向PUA、说人话 + 10 个进阶提问技巧。