DeepSeek从入门到精通(20250204)创意型提示语:引导AI进行创意写作或内容生成。 5. 分析型提示语:要求AI对给定信息进行分析和推 理。 6. 多模态提示语:结合文本、图像等多种形式的 输入。 表1-1-1提示语的本质特征 特征 描述 示例 沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语:Hello, world” 上下文提供 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 破仑的崛起” : 结构类元素用于定义生成内容的组织形式和呈现方式, 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程,确保输出 符合预期并能够进行必要的调整,是实现高级提示语 工程的重要工具。 提示语的DNA:解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括: ▪ 互补增强:某些元素组合可以互相弥补不足,产生1+1>2的效果。 ▪ 利用矛盾性促进创新 提出冲突性任务要求 融合批判性思维与创新推理 • 质疑既有框架 • 创新推理 多方论证与批判结合, 增强生成内容的全面性 涌现思维模型:利用集体智慧的提示语设计 提示语链的概念与特征 提示语链是用于引导AI生成内容的连续性提示语序列。通过将复 杂任务分解成多个可操作的子任务,确保生成的内容逻辑清晰、 主题连贯。从本质上看,提示语链是一种“元提示”(meta-prompt)0 码力 | 104 页 | 5.37 MB | 8 月前3
清华大学 DeepSeek 从入门到精通创意型提示语:引导AI进行创意写作或内容生成。 5. 分析型提示语:要求AI对给定信息进行分析和推 理。 6. 多模态提示语:结合文本、图像等多种形式的 输入。 表1-1-1提示语的本质特征 特征 描述 示例 沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语:Hello, world” 上下文提供 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 破仑的崛起” : 结构类元素用于定义生成内容的组织形式和呈现方式, 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程,确保输出 符合预期并能够进行必要的调整,是实现高级提示语 工程的重要工具。 提示语的DNA:解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括: ▪ 互补增强:某些元素组合可以互相弥补不足,产生1+1>2的效果。 ▪ 利用矛盾性促进创新 提出冲突性任务要求 融合批判性思维与创新推理 • 质疑既有框架 • 创新推理 多方论证与批判结合, 增强生成内容的全面性 涌现思维模型:利用集体智慧的提示语设计 提示语链的概念与特征 提示语链是用于引导AI生成内容的连续性提示语序列。通过将复 杂任务分解成多个可操作的子任务,确保生成的内容逻辑清晰、 主题连贯。从本质上看,提示语链是一种“元提示”(meta-prompt)0 码力 | 103 页 | 5.40 MB | 8 月前3
清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单AIGC 数据应用 通过编写爬虫代码、访问数据库、读取文件、调用API等方式,采 集社交媒体数据、数据库内容、文本数据、接口数据等。 通过数据清洗、数据集成、数据变换、特征工程等方式,实 现数据纠错、数据整合、格式转换、特征提取等。 对数据进行诊断、预测、关联、聚类分析,常用于问题 定位、需求预测、推荐系统、异常检测等。 对数据进行分类、社交网络分析或时序模式挖掘,常用 于客户细分、信用评分、社交媒体营销、股价预测等。 结果,分析各因素对关键指标生 存率的影响,语言表达自然,重 点突出结合历史背景对数据规律 进行验证,但没有察觉数据异常。 DeepSeek R1 详细展示长思维链,精准提取关键指 标“幸存率”,分析多个因素特征对 幸存率的影响,结合历史背景对数据 及规律进行验证,并敏锐察觉数据异 常,提出了异常处理建议。 1、读取titanic遇难者名单excel 2、找出其中规律 任务 请读取所上传的tit 提供数据分析程序代码, 能够提取大部分特征并 对其与生存率的关联进 行分析,但最终没有形 成明确的结论。 Kimi k1.5 能够精准分析关键 指标生存率,但对 特征提取不完整, 仅能识别较为浅层 的数据关联,分析 能力相对较弱。 DeepSeek R1与Open AI o3mini的数据分析能力相当,且领先其他两个模型,均能够精准抓取数据核心指标并做统计,找到各特征与核心 指标的关联,0 码力 | 85 页 | 8.31 MB | 8 月前3
国家人工智能产业综合标准化体系建设指南(2024版)框架的适配要求、人工智能计算任务调度、分布式计算等软硬件 协同任务的交互协议、执行效率和协同性能等标准。 (三)关键技术标准 关键技术标准主要包括机器学习、知识图谱、大模型、自然 语言处理、智能语音、计算机视觉、生物特征识别、人机混合增 强智能、智能体、群体智能、跨媒体智能、具身智能等标准。 1. 机器学习标准。规范机器学习的训练数据、数据预处理、 模型表达和格式、模型效果评价等,包括自监督学习、无监督学 计算机视觉标准。规范图像获取、图像/视频处理、图像 内容分析、三维计算机视觉、计算摄影学、跨媒体融合等技术要 求和评价方法,包括功能、性能、可维护性等标准。 7. 生物特征识别标准。规范生物特征样本处理、生物特征 数据协议、设备或系统等技术要求,包括生物特征数据交换格式、 接口协议等标准。 8. 人机混合增强智能标准。规范多通道、多模式和多维度 的交互途径、模式、方法和技术要求,包括脑机接口、在线知识 演化、动态自适应、动态识别、人机协同感知、人机协同决策与 控制等标准。 9. 智能体标准。规范以通用大模型为核心的智能体实例和 10 智能体基本功能、应用架构等技术要求,包括智能体强化学习、 多任务分解、推理、提示词工程,智能体数据接口和参数范围, 人机协作、智能体自主操作、多智能体分布式一致性等标准。 10. 群体智能标准。规范群体智能算法的控制、编队、感知、 规划、决策、通信等技术要求和评测方法,包括自主控制、协同0 码力 | 13 页 | 701.84 KB | 1 年前3
清华大学第二弹:DeepSeek赋能职场(结果多样性) Route (路径灵活性) 线性路径 (流程标准化) 网状路径 (多路径探索) Responsiveness (响应模式) 被动适配 (按规则执行) 主动创新 (自主决策) Risk (风险特征) 低风险 (稳定可控) 高风险 (不确定性高) (限定于文本生成任务) DeepSeek 两种模型对比 V3 R1 DeepSeek 两种模型对比 V3 R1 如何提问?两种模型的提示语差异 费……通过该报告为相关企业管理 者提供……策略支撑 Objective(操作要 求) 字数要求、段落结构、用词风格、 内容要点、输出格式… CO-STAR提示语框架 新加坡 GPT-4 提示工程竞赛冠军提示词框架 "R",代表 "Response", 想要的回应类型。 一份详细的研究 报告?一个表格? Markdown格式? "C"代表 “Context(上 下文)” 相关的 背景信息,比如 (Comprehensive Agent Prompting Framework, CAP Framework) 核心层: 1.身份定义 (Identity) •角色属性 •专业背景 •交互特征 执行层: 2. 能力矩阵 (Capability Matrix) •功能范围 •专业技能 •决策权限 约束层: 3. 边界系统 (Boundary System) •伦理规范0 码力 | 35 页 | 9.78 MB | 8 月前3
清华大学 普通人如何抓住DeepSeek红利4小时、急需转移独居失智老 人、社区抢购导致物资短缺 DeepSeek应急协议: ① 资源热力图: 实时整合气象局数据/道路塌方报告/医院接诊状态 物资预测算法锁定3公里内未饱和便利店 ② 生命线工程: 孕妇救援通道: ✓ 自动生成医疗档案二维码 ✓ 无人机勘察可行路线 ✓ 协调民间救援队GPS定位 老人转移方案: ✓ 调取智能手环历史活动轨迹 ✓ 社区志愿者网络即时广播 ③ 企业级应急: 启动边缘计算节点转移关键数据 实战技巧: "将以下C 语言代码转换为Python, 要求: ① 保持时间复杂度不变; ② 使 用numpy 优化数组操作; ③ 输出带时间测试案例的完整代码。" 提示语示例 特征 描述 示例 沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语 :Hello, world” 上下文提供 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 输入 。 提示语类型 提示语的本质 提示语的类型 表1-1-1提示语的本质特征 l 提示语设计的核心技能体系不仅涵盖了技术层面的 专 业知识, 更强调了认知能力 、创新思维和软实 力的重 要性 。 l 这些核心技能构成了提示语设计的基础, 涵盖了从 问0 码力 | 65 页 | 4.47 MB | 8 月前3
【周鸿祎清华演讲】DeepSeek给我们带来的创业机会-360周鸿祎-202502反哺开源产品,形成正循环政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小 美国预训练堆算力的路线不可持续,有待发现新范式“换道超车” 软件和算法差距并不大,主要差距在工程、硬件等方面 23政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24政企、创业者必读 DeepSeek是完美的颠覆式创新 技术创新——让过去做不到的事情可以做到 Law转变为强化学习Scaling Law 大数据+大参数+大算力的 预训练Scaling Law的边际效应递减 • 人类构造的训练数据已达上限 • 万亿参数规模之后,继续增大参数规 模难以带来质的提升 • 训练算力成本和工程化难度大幅上升 强化学习Scaling Law • 利用合成数据解决数据用尽问题 • 利用self-play强化学习,在不增大参 数规模前提下,大幅提升复杂推理能力 • 通过后训练算力和推理算力,在不增加 年,周鸿祎带领360确定“安全+AI”双主线发展战略,自研认 知型通用大模型“360智脑”,攻克AI大模型安全的世界前沿 课题,进一步服务政府、城市、企业智能化升级。 周鸿祎荣获全国劳动模范、国家百千万人才工程有突出贡献 中青年专家、2023年度“北京学者“等荣誉称号。 74 政企、创业者必读政企、创业者必读 • 国家级网络攻击的发现、捕获、抵御能力全球领先 • 安全大数据 (攻击样本库、病毒基因库、安全知识库0 码力 | 76 页 | 5.02 MB | 5 月前3
DeepSeek-V2: A Strong, Economical, and Efficient
Mixture-of-Experts Language Model在学完一篇逻辑结构严密的课文以后,勾画出课文的论点论据的逻辑关系图以 帮助理解和记忆。这种学习方法属于____。 A. 精细加工策略 B. 组织策略 C. 复述策略 D. 做笔记策略 答案:B 有学者强调,教育要根据一个民族固有的特征来定,这种观点体现了____ A. 生产力对教育的影响和制约 B. 政治制度对教育的影响和制约 C. 文化对教育的影响和制约 D. 经济制度对教育的影响和制约 答案: OPTIONS - A - B0 码力 | 52 页 | 1.23 MB | 1 年前3
人工智能安全治理框架 1.0导致工作秘密、商业秘密、敏感业务数据泄露。 (d)滥用于网络攻击的风险。人工智能可被用于实施自动化网络攻击或- 6 - 人工智能安全治理框架 提高攻击效率,包括挖掘利用漏洞、破解密码、生成恶意代码、发送钓鱼邮件、 网络扫描、社会工程学攻击等,降低网络攻击门槛,增大安全防护难度。 (e)模型复用的缺陷传导风险。依托基础模型进行二次开发或微调,是 常见的人工智能应用模式,如果基础模型存在安全缺陷,将导致风险传导至下 游模型。0 码力 | 20 页 | 3.79 MB | 1 月前3
共 9 条
- 1













