简介这份PDF源自清华大学新闻与传播学院新媒体研究中心的分享面向希望了解并应用DeepSeek的普通读者与初学者围绕“是什么、能做什么、如何提问”展开帮助读者在工作、学习、生活与社会关系中借助大模型提升效率。内容结合DeepSeek-R1的开源推理能力与免费商用特点梳理智能对话、文本生成、语义理解、知识推理、代码生成等能力图谱并给出提示词驱动的新生产力、答案鉴别与方案再选择等实践思路。压缩包仅含1个PDF文件约4.47MB轻量便于查阅。已有755人学习。读者可从中获得面向真实场景的提问框架例如快速生成项目书框架、分模块填充内容、补全政策背书与风险评估也能理解深度思考模式、文件与图片文字读取等用法适合作为入门到应用的参考读本。1. 先弄明白一件事DeepSeek 到底是什么很多新手第一次打开对话框敲一句你好收到一段客气的回复然后就卡住了——感觉也就这样跟搜索引擎差不多。问题不在工具在于把它当搜索框用了。DeepSeek 是一个大语言模型你可以理解成一个读过海量文字、特别会接话的助手你给它一段任务描述它按照你的要求写、改、算、拆、比。搜索是给你一堆链接自己翻它是直接把活儿干出来给你看。这份 DeepSeek 入门材料的定位很朴素不讲算法、不要求会编程只回答普通人最关心的三件事——它是什么、能在工作学习生活里干什么、怎么提问才能让它一次给出你想要的东西。会打字、能把话说清楚就能开始。2. 为什么普通人现在要学会提问的人和不会提问的人差在哪2.1 一个悄悄发生的变化知识本身不再是门槛过去我们评价一个人厉害常常说他懂得多。谁记得住行业报告的页码谁背得下政策条文谁就占据优势。现在这个优势正在快速贬值同一份行业分析你和同事都能在几秒钟内拿到摘要差别不在谁先拿到而在拿到之后干了什么。我见过两种典型用法。第一种人把 AI 当答录机问一句电子元器件行业怎么样得到一段四平八稳的套话看一眼就关掉然后说这东西没用。第二种人会接着追问这段结论里哪些是有数据支撑的事实哪些是推测哪些结论对一家做中小批量定制的小厂不成立请逐条说明。同一份材料第二种人拿到的是可执行的判断第一种人拿到的是一段正确的废话。材料里有一句话说得挺准在 AI 时代知识的获取成本趋近于零拥有知识不再是核心竞争力。真正拉开差距的是用提示词去组织问题、创造新东西的那部分能力。这话听着有点大落到日常其实很具体——你能不能把我想要什么描述得足够清楚清楚到别人照着就能干活。所以学 DeepSeek本质不是学一个软件是练一种把模糊需求翻译成清晰指令的手艺。这手艺换到哪个工具上都成立只是眼下这个工具的反馈最快最适合拿来练手。2.2 两大关键能力会提问题也要会鉴别答案材料里反复强调的两个关键词一个叫提出问题一个叫鉴别答案。这两件事是一体两面缺一个都会翻车。先说提问。新手最常见的状态是心里有一团模糊的期待嘴上只挤出五个字帮我写个方案。模型只能按最通用的模板给你一份通用方案然后你觉得它不懂你。其实不是它不懂是你没说。你把行业、篇幅、读者、必须包含的模块、想要的格式补上输出质量会立刻不一样。这部分后面第 3 章会拆成四块积木照着填就行。再说鉴别。大语言模型有一个绕不开的特性它会用非常自信的语气说出不准确的内容。这不是它故意骗你而是它的工作方式决定的——它擅长生成看起来最合理的下一段话不擅长保证每个数字都来自真实世界。所以你拿到输出后必须过一遍脑子这个数据有出处吗这条政策真的存在吗这个结论在 my 场景下成立吗材料里把这层意思讲得更进一步面对 AI 给出的多种解法人需要有批判性思维和逻辑判断通过挑选最优答案让解决方案在再创造中变得可用。说白了AI 负责把选项铺开你负责拍板。拍板这个动作短期内没人能替你做。把这两件事合起来看就是一条完整链路先用提问把问题空间撑开再用鉴别把答案收窄到一个能落地的选择。只会提问不会鉴别容易被带偏只会鉴别不会提问连可供判断的材料都拿不到。2.3 先做个三分钟自测你现在属于哪一类使用者在往下走之前先给自己归个类后面练起来更有针对性。下面这张表不是给你打分用的是让你知道下一步该补哪一块。类型典型表现卡在哪先补什么观望型打开过问了两句觉得也就那样指令太笼统没拿到有用输出第 3 章的指令四要素搬运型能生成内容复制粘贴就用不核对、不标注、不改写第 5 章的避坑清单稳定型有固定几个常用指令日常反复用场景覆盖不全效率还有提升空间第 4 章的场景拆解多数人卡在第一类和第二类之间。这不是能力问题是练习量的问题——你还没试过十种不同的问法自然不知道它的边界在哪。我第一次认真用它的时候连着三天只干一件事把同一个需求换五种说法问一遍比较输出差异。三天之后我对哪种说法能得到哪种结果就有了手感这个手感比记住任何技巧都管用。3. 第一个例子就跑通把一句大白话改成一条能用的指令3.1 先看一次典型的翻车现场假设你下午三点接到通知要在今天下班前拿出一份某智能物流园区项目的方案初稿。你手头只有几页零散会议记录对自动化立体仓库、AGV 调度这些东西并不熟。你打开对话框输入帮我写一份智能物流园区的项目方案输出多半是这样一段随着物流行业快速发展的开头加几个正确但空洞的小标题再补一段本项目具有重要意义的结尾。字数可能有一千多但你一句都用不上。翻车的原因不在模型在这条指令里缺了四个关键信息谁在写、写给谁看、必须包含什么、长什么样。缺了这些它只能调用最通用的模板。这就像你让一个刚入职的实习生写个方案他当然只能去网上扒一份。3.2 一条指令的四块积木角色、任务、要求、格式把指令拆开看好用的指令基本都由四块构成顺序不重要但四块最好都在。第一块是角色告诉它站在谁的位置上说话。你是一位做了八年物流园区规划的项目经理一句话就把语气、专业度、关注点定了调。第二块是任务说清楚要产出什么写方案书的第 2 章功能分区比写方案精确得多。第三块是要求把你手里的已知条件、必须覆盖的内容、不能碰的禁区都列上。第四块是格式指定编号方式、是否用表格、每节大概多长。四块积木填完一条能用的指令大概长这样# 角色你是一位做了八年物流园区规划的项目经理 # 任务写「某智能物流园区项目方案」的第 2 章「功能分区」 # 必须覆盖自动化立体仓库、AGV 调度中心、冷链专区 # 已知条件园区占地 500 亩日均处理包裹 50 万件此为示例数据 # 输出格式用 2.1 / 2.2 / 2.3 编号关键参数整理成表格每节 300 字左右这五行没有一行是废话。第一行定角色第二行定产出物第三行定覆盖范围第四行给约束条件第五行定成品形态。注释里写的此为示例数据是给自己留的后悔药——后面把内容放进正式文档时一眼就知道哪个数字需要核实。3.3 完整跑一遍从粗糙提问到可用的第二轮第一轮输出之后别急着复制。先扫一遍找出最不满意的那个点。上面这个例子里你大概率会发现 AGV 那一段只讲了概念没给数量而方案评审最爱问的就是到底要几台。这时候不要新开对话重来直接在原对话里追问把计算口径说清楚上一版 AGV 调度中心那段只讲了功能没有数量。 请按日均处理 50 万件包裹、单台 AGV 每小时搬运 120 箱、 每天有效作业 10 小时估算所需台数。 列出计算过程结果向上取整并注明这是示例估算、需按实际设备参数复核。这一段的关键有三处。第一指明了问题出在哪一段模型不用猜。第二把三个计算参数全部给死日均量、单台效率、有效工时。参数不给它就会自己编一套看起来合理的数字那才是真正的坑。第三要求列出计算过程而不是只给结果这样你能一眼看出逻辑对不对也能在评审被问到时说清楚数是怎么来的。跑完这两轮你会得到一个能直接往文档里贴的章节。第三轮可以做格式整理比如让它把参数表转成三线表格式或者把整章压缩到 800 字。这类改写型指令比生成型指令简单得多因为你已经有素材了。3.4 拿到输出之后必做的一步验收很多人到这就结束了复制粘贴交差。血泪经验是验收这一步省不得至少要过三关。第一关是事实关。凡是涉及具体数字、政策文号、标准编号、人名机构名的地方一律回到原始来源核对。模型给出的政策条文有可能是拼接出来的格式很像内容对不上。稳妥做法是把这类内容全部标成待核实自己查完再定稿。第二关是逻辑关。让它自己挑毛病是一条很实用的指令请检查上面这章内容列出三个最可能被评审质疑的点并各给一句应对说明。它挑出来的问题未必全中但经常能点出你自己没注意的断层。第三关是场景关。把你自己的实际情况套进去问一遍如果园区只有 200 亩呢如果包裹量只有 20 万件呢让它按新条件重算。这一关走完你对这套内容的适用范围就有数了不至于拿着一个为大型园区写的方案去套小项目。三关过完这份产出才算真正属于你。第 3 章这套流程看着步骤多熟练之后就是几分钟的事而且可以套到几乎所有任务上。4. 四个场景拆开看一天里真正能省下的时间在哪4.1 场景一一小时撑起一份万字方案这是最容易被感知到价值的场景。材料里给的做法是分阶段推进核心策略是框架复制、模块填充、数据嫁接说白了就是先搭骨头再长肉。第一阶段花五分钟搭骨架。让它先出目录和二级标题你扫一眼把不合适的删掉、缺的补上。骨架不对后面全是白写。第二阶段二十分钟填模块这里的关键是一节一问不要一次性说把整章写完而是每次只让它写一个小节把这一节要包含的技术参数列清楚。第三阶段二十分钟补那些虚但必须有的内容政策背景、风险评估、效益测算。第四阶段十分钟做统一和伪装统一话术风格把段落改写成报告体把参数表转成规范表格。这里要提醒一句材料里提到的让 AI 生成合理虚构值并标注示例是个实用技巧但它有边界。内部讨论稿、草稿、练手材料可以这么干对外提交的正式文件凡是数字就必须是真的。用示例后缀标出来是给自己留退路不是给自己发许可证。4.2 场景二新人快速摸清公司和行业A 同学刚进一家做电子元器件的公司产品线复杂、部门职责不清、内部系统一堆行业信息更是铺天盖地。传统办法是问同事、翻手册、参加培训、自己搜四条路都慢而且信息容易散。更省事的做法分三步。第一步把手头能拿到的行业报告、市场分析、产品手册片段整理成文件上传给它让它先做一份这堆材料里反复出现的十个关键词清单。这一步的作用是让你快速建立语感知道这个行业天天在说什么。第二步基于这些材料提问按产品线归类这家公司的主要业务可以分成几块每块的典型客户是谁注意这里要限定基于我上传的材料否则它会掺入外部信息。第三步让它生成一份新人三十问把你不懂但不好意思问同事的问题列出来你拿着这份清单去找人核对效率比漫无目的地问高得多。有一点必须说清楚涉及公司内部系统、组织架构、未公开的经营数据不要原样贴进去。脱敏之后再问或者只问方法不问数据。4.3 场景三客户问题快速响应客服和项目经理的日常痛点很具体客户问我们最新的促销活动是什么我的订单到哪一步了能不能改交货时间答案散在好几个系统里翻一遍要好几分钟客户在电话那头等着气氛就僵了。这个场景的正确用法不是让它替你查系统——它连不上你的内部系统——而是让它帮你做三件事。一是把常见问题归成类整理成一张标准应答表哪些问题一句话能答、哪些必须转交、哪些要留记录提前定好。二是把已经查到的零散信息整理成一段得体的回复你只要把关键事实填进去。三是处理难缠表述比如客户情绪激动时的回复措辞让它给三个不同强硬的版本你挑一个改。材料里强调的减少错误、提升响应速度落到操作上就是这三点。指望它直接连数据库那是另一套东西不在入门范围内。4.4 场景四难开口的请假怎么措辞这个场景看着小但特别典型。项目上线前一周家里老人突然住院你要请三天假回老家。你坐在工位上反复改措辞怕领导觉得你临阵脱逃又怕耽误进度一段话删了写写了删半小时过去了门还没敲。这类高情商表达的需求恰好是它擅长的。你可以这么问# 背景我负责的项目处于上线前一周团队每天加班 # 情况家中老人突发疾病住院我需要请假 3 天回老家 # 顾虑担心领导认为我临阵脱逃也担心影响进度 # 要求帮我写一段当面请假的开口话术300 字以内 # 需要包含说明情况、交代交接安排、给出回来后补进度的方案 # 语气诚恳但不卑微不要过度道歉输出的东西你肯定还要改改成你自己的说话习惯。但它能帮你把该说的三件事摆齐说清情况、交代交接、给出补救。很多人卡住不是因为不会说话是因为紧张的时候想不起该交代什么。这一条对所有难开口的沟通都适用——催进度、要资源、提异议套路是一样的。5. 新手最容易踩的五个坑现象、原因和补救办法5.1 坑一把它当搜索引擎只问是什么现象问一句什么是大语言模型得到一段百科式的解释看完就没了下次遇到具体问题还是不会用。原因搜索的终点是看到答案对话式工具的终点应该是拿到能用的东西。你只问概念它就只能给概念。这不是它能力不够是你把需求停在了半路。解决在是什么后面强制加一句然后呢。比如什么是大语言模型请用三句话解释然后举一个我在写周报时能用上的例子。养成这个习惯同一个问题能多榨出一层可操作的内容。5.2 坑二一次把所有需求塞进去输出跑偏现象一条指令写了五百字把背景、要求、格式、注意事项全塞进去结果它只回应了其中一半或者抓错了重点。原因指令太长太杂重点被淹没。模型不是不努力是它分不清哪句是主干哪句是补充。解决拆成多轮。第一轮只定框架确认没问题第二轮填第一节第三轮填第二节。每轮只解决一个问题出问题也好定位是哪一步错了。另外把最重要的要求放在最前面别埋在一堆铺垫后面。5.3 坑三直接复制它给的数据就用现象方案里写了一串漂亮的数字——投资回收期 3.2 年、效率提升 47%、覆盖人群 120 万——评审一问出处你答不上来。原因大语言模型的工作方式是生成最像样的下一段话它对数字的准确性没有天然保证。你越要求专业感它越容易把数字编得圆润可信。解决所有数字分两类处理。能查到的标出处查不到的要么删掉要么明确标示例并在提交前替换成真实数据。养成一个动作定稿前搜一遍全文里的阿拉伯数字逐个问自己这个数哪来的。5.4 坑四不满意就关掉重开现象第一版不满意直接新开一个对话重新描述一遍结果还是不满意来回折腾半小时。原因新对话等于把之前的所有上下文都丢了它不知道你不喜欢哪里只能再猜一次。解决在原对话里指出问题越具体越好。第二段太笼统我要的是具体操作步骤而不是意义阐述语气太正式了改成同事之间说话的感觉。给反馈比重新描述省力得多也更接近你真正想要的东西。这一点我踩过好几次坑才记住。5.5 坑五把不该给的东西原样贴进去现象为了让它帮忙整理把客户名单、内部报价、未公开的组织架构直接粘进对话框。原因图省事觉得反正就这一次。解决养成脱敏习惯。公司名换成A 公司客户名换成客户甲金额按比例缩放或者直接写某量级。你要的是它帮你理逻辑、写措辞不是要它记住具体是谁。凡是涉及个人隐私、未公开经营数据、内部系统账号的内容一律不进对话框。6. 下一步学什么一条两周能走完的练习路径入门阶段最容易犯的错是把材料从头翻到尾感觉都懂了一上手还是不会。真正有效的路径是反过来的先用起来遇到卡点再回头查。下面这条两周路径每天投入二十分钟左右就够。阶段时间练什么判断标准打底第 1 到 3 天同一需求换五种问法比较差异能说出哪种问法为什么更好固化第 4 到 7 天挑三个每天都会遇到的小任务反复用每个任务有一条自己写顺的固定指令扩展第 8 到 14 天试没试过的场景拆长文、做对比表、改写语气攒下十条以上可复用的指令第一阶段的重点是建立手感。找一件你真要做的事比如写一封说明邮件然后用五种不同详细程度去描述它从帮我写封邮件一路加到收件人是谁、要达成什么目的、语气要多正式、控制在多少字。把五份输出摆在一起看你会非常直观地感受到指令的颗粒度是怎么影响结果的。第二阶段的关键是固化。人在有固定套路的时候效率最高。挑三个高频任务每个任务打磨出一条自己用着顺手的指令存下来下次直接改两个词就用。这一步做完你已经比大多数打开过两次的人走得远了。第三阶段可以扩展也可以往深处走一点。比如练鉴别这一项随便找一段它生成的内容让它自己标注哪些是事实、哪些是推断、哪些无法确认然后你去核对。这个练习有点枯燥但它是把工具用稳的分水岭。最后说一个我自己的习惯。从那以后我每次把 AI 生成的内容放进正式文档之前都强制走一遍数字—出处—场景三问这个数字哪来的、有没有出处、换一个条件下还成不成立。三问过不了的内容宁可删掉重写。这条规矩救过我不少次也让我用得更放心。希望帮到你。本文还有配套的精品资源点击获取