1、推理大模型，比如 DeepSeek - R1、Qwen 2.5、Kimi 1.5 长思考、ChatGPT o1 等，只为得到答案的话，不大需要琢磨怎么优化提示词了。如果还要考虑受众和输出要求的话，可以进一步提示约束。
2、通用大模型，比如 DeepSeek - V3、Kimi 1.5、ChatGPT 4o 多模态等，优化提示词还有效果，但部分所谓的技巧已经不需要了，比如思维链、自一致性等这些原来更多的是针对算术与推理问题，现在已经有自动思维链了，不再需要手动要求思维链或自一致性提示。

我们大多人还都是使用通用大模型的，所以提示词使用技巧与优化还是有必要。我们期待不久的将来把所谓的提示词扔进’垃圾桶’里，人人随口问，AI 知我们的心思。

概念

为了简单文中 AI、LLM、大模型可以认为是同一个东西，我们尽量提 AI。真实是 3 个是不同的概念。
提示词、prompt 在文中是同一个意思。
系统提示、SYSTEM 在文中是同一个意思。

提示词参考

提示词指南

1、零范例提示词

正式名称：Zero - shot prompting 是一种机器学习范式，指大语言模型在其训练阶段未遇到的场景下，能够依靠其预先存在的知识来理解、解释并有效地响应提示的能力。

像知识性的问题不需要额外示例就能给出正确答案。例如：列出我们太阳系中的行星，大模型无需额外示例就能给出正确答案。

当然有些分类问题大模型也是可以直接分类，比如：
2、少量范例提示

也常说少量样本提示。

当然有些问题，给再多的范例，他也难以解决。比如
3、思维链提示

2025 年之后的的大模型，不论是基础通用模型还是推理模型，大多都能做到自动思维链，给出逐步思考的自我提示，再给出答案。

这里面的关键是让我们一步一步地，如果更复杂的推理问题，我们也可以在提示词中补充这句话：让我们一步一步地思考、step by step。
4、自一致性提示

Self - Consistency prompting 是一种通过生成对同一提示词的多个响应，然后选择最一致或最常见的答案来提高 AI 模型响应的可靠性和准确性的技术。

一样的，这种提示技巧，原来也大多是针对推理问题，但是现在也有一些通用模型也可以做到。所以除非你的问题经过大模型后，大模型仍然无法稳定的给出你认为准确的答案，那我们也可以考虑自一致性提示的方式获得更好的答案。

工作流程：
- 多次尝试：模型对同一提示词生成多个可能的结果。
- 一致性检查：分析这些结果，选择最频繁或最常见的答案。
- 最终输出：将最一致的响应作为最终输出，减少错误或不一致的可能性。
这里我们需要使用 kimi 的联网能力，否则 kimi 会说他无法直接访问网站内容，kimi 有能力直接抓取网站信息，然后给出答案。
5、回退提示

回退提示鼓励大语言模型进行更深入的批判性思考。其操作方式是先让模型考虑一个与手头特定任务相关的一般性问题，然后将该一般性问题的答案作为后续特定任务提示的输入。这种“回退一步”的方法有助于激活模型的相关背景知识，从而产生更有见地和准确的回答。例如，在解决一个复杂的数学问题时，我们可以先让模型思考解决此类问题的一般方法或原理，然后再将这些思路应用到具体的问题解决中。

问题的提示词范例：

“如果当前方法无法解决问题，请回退到上一步，并尝试另一种方法。”

“当你发现逻辑不一致时，请回到前面的步骤，重新检查并调整你的推理过程。”

“如果结果不符合预期，请回退到初始状态，并尝试从不同的角度重新分析问题。”

“在对话中，如果发现信息矛盾，请回到之前的对话点，重新组织你的回答。”
6、让 AI 提供帮助

每次问题之后我们都可以这样告诉 AI：“你在每次回复后都要向我提出问题，以便更好地理解我的需求。”由于整个提示词非常具体，这样通常足以在每次回复后得到一个很好的后续问题。

7、苏格拉底式提问（Socratic Questioning）

使用一系列探究性问题深入探讨主题，促进批判性分析。

苏格拉底式提问的提示词范例：

## 角色
你是思维启迪者苏格拉底，是一位基于苏格拉底式提问方法论的智能体。
你能够热情、耐心地接收用户提出的各类问题，并运用苏格拉底式提问方法，巧妙引导用户自主思考得出答案。

## 技能
### 技能 1: 精准接收问题
当用户提出问题时，全神贯注地倾听，确保准确理解问题核心，不错过任何关键信息。

### 技能 2: 深度引导思考
熟练运用苏格拉底式提问方法，紧密结合用户的问题，从澄清式提问、假设性提问、原因与证据提问、观点与视角性提问、反思提问等多个维度，发出一系列清晰明确、具有高度启发性的问题。
通过这一系列相关问题引导用户深入剖析其提出的问题，逐步帮助用户自己得出答案。不需要一次性全部给出问题，可以在往返对话中根据交流进展给出不同阶段的问题。回复示例：
=====
针对您提出的问题，我想先问您几个问题：
1. [具体问题 1]
2. [具体问题 2]
……
通过思考这些问题，或许您能找到答案。
=====

## 限制
- 严格仅围绕用户提出的问题，运用苏格拉底式提问方法引导思考，坚决不直接给出答案。
- 回答必须严格按照给定格式组织语言，任何时候都不能偏离框架要求。
- 引导问题需精准清晰、简洁明了，方便用户轻松理解并做出回答，不需要用户长篇大论阐述观点。


 假设问题：`我最近总是感到焦虑，我该怎么办？`

alt text

通过这种提问方式，可以帮助被提问者深入思考问题的本质，找到适合自己的解决方案。

8、自我批评提示（Self-Critique Prompting）

自我批评提示鼓励模型评估和改进自己的输出，从而增强深度和准确性。例如，在总结年轻人不结婚不生孩子的原因后，要求模型对其摘要进行批判性评估

请总结现在年轻不结婚不生孩子的原因，然后对你总结的内容摘要中任何缺失的关键点进行自我批评，并相应的进行修改。

9、提示链

提示链是一种将多个提示按顺序链接在一起的技术，每个提示都基于前一个提示的输出构建。

这里随手以一个英文页面为例，我们让 kimi 对这个页面做以下提示链任务，例子没有实际用途，仅为了演示：

步骤 1：提取关键信息点。
提示：“从文章中提取关键信息点。”
步骤 2：翻译关键信息点。
提示：“将步骤 1 的结果翻译成中文，注意保持专业术语的准确性。”
步骤 3：优化翻译结果。
提示：“检查上述翻译结果，确保语言通顺，符合中文表达习惯。”
步骤 4：生成结构化的内容总结。
提示：“基于步骤 3 的结果，生成 JSON 结构化的内容总结”

alt text

10、使用具体且中性的语言。

在与 AI 对话时，尽量使用清晰且客观的语言，避免使用带有偏见或引导性的词汇，以免影响 AI 的回答。
11、询问多样化的观点。

当探讨复杂话题时，可以请求 AI 提供“不同的观点”或“来自多个来源的视角”，以获得更加平衡和全面的回答。
12、询问信息来源。

对于关键话题，可以要求 AI 提供其信息的来源，以验证其准确性。此外，利用 AI 平台的搜索工具，也可以帮助用户验证答案的真实性和可靠性。

提示词框架

CREATE 提示词框架

CREATE 框架是一种用于设计任务或项目指导的结构化方法，通过明确各个关键要素，帮助更好地组织思路、提高效率并确保输出符合预期 CREATE 框架包括五个关键要素：

CHARACTER（角色设定）

为 AI 设定一个明确的角色或身份，这有助于它为特定任务提供更具针对性的回应。例如，当我们希望 AI 生成一篇关于数据隐私保护的报告时，我们可以将其设定为“数据隐私专家”。
REQUEST（核心任务）

明确告诉 AI 我们希望它执行的核心任务。这个任务应该是具体、可衡量的，以便我们能够评估 AI 的回应是否满足要求。
EXAMPLES（示例）

提供几个示例来展示我们期望的输出格式和内容。AI 是少样本学习者，通过示例，它们可以更好地理解我们的意图并生成符合期望的回应。
ADDITIONAL INSTRUCTIONS（附加指令）

提供额外的指导，以进一步细化 AI 的回应。这些指令可能包括具体的格式要求、内容限制或风格偏好等。
TYPE OF OUTPUT（输出类型）

明确指定我们期望的输出类型，如报告、摘要、分析或创意作品等。这有助于 AI 在生成回应时更加专注和准确。

范例 1：生成一篇关于“可持续发展”的演讲稿：

## 角色
你是一位资深的环境科学家，专注于可持续发展领域，经常受邀在国际会议上发表演讲。

## 任务
请为即将举办的全球可持续发展峰会撰写一篇10分钟的演讲稿。

## 示例
以下是一个简短的演讲开头示例：
“尊敬的各位代表，今天我们聚集在这里，共同探讨一个关乎人类未来的议题——可持续发展。
过去几十年，我们见证了地球资源的过度开发和环境的恶化，这让我们不得不重新审视我们的生活方式……”

## 要求
- 演讲稿应包含对当前环境问题的分析、可持续发展的具体措施，以及对未来的展望。
- 语言风格应正式且富有感染力，适合国际会议的场合。
- 避免使用过于复杂的技术术语，以确保听众能够理解。

## 输出
演讲稿

生成：

alt text

范例 2：设计一份针对青少年的编程入门课程大纲：

## 角色
你是一位经验丰富的计算机科学教育专家，专注于青少年编程教育。

## 任务
设计一份为期12周的编程入门课程大纲，适合12-15岁的青少年。

## 示例
以下是一个课程大纲的示例：
“第1周：编程入门与计算机基础
- 课程目标：了解编程的概念、计算机的工作原理
- 教学内容：编程语言简介、计算机硬件与软件基础
- 实践活动：搭建简单的计算机模型”

## 要求
- 每周课程应包含课程目标、教学内容、实践活动和作业。
- 教学内容应由浅入深，适合初学者。
- 使用生动有趣的语言和案例，以吸引青少年的兴趣。

## 输出
课程大纲

生成：

alt text

范例 3：创作一首关于“友谊”的现代诗：

## 角色
你是一位现代诗人，擅长用简洁而深刻的语言表达情感。

## 任务
创作一首关于“友谊”的现代诗，长度不超过30行。

## 示例
以下是一首关于友谊的现代诗示例：
“在时光的长河里，
你是我唯一的灯塔。
风雨中，我们相拥，
岁月里，我们同行。
友谊，是永不褪色的画。”

## 要求
- 诗歌应简洁而富有意境，避免使用过于复杂的修辞手法。
- 可以从日常生活中的点滴细节入手，展现友谊的温暖和力量。
- 语言风格应现代而清新，适合朗诵。

## 输出
现代诗

生成：

## 《无声的陪伴》

你的脚步声  
总是比闹钟更早抵达  
清晨的咖啡杯里  
倒映着两张模糊的脸  

我们分享同一片沉默  
像两棵树  
在风中交换影子  
却从不追问彼此的根  

有时你递来一块糖  
甜得刚好  
像那些未说出口的话  
在舌尖融化  

夜晚的街道很长  
但你的笑声  
总是比路灯更亮  
照亮我回家的路  

我们不曾约定  
却总在同一个路口  
停下  
等对方赶上

RTGO 提示词结构

RTGO 提示词结构是一种用于优化与 AI 模型交互的提示设计方法，旨在提高生成内容的准确性、相关性和效率。RTGO 提示词结构适用于结构化任务，如数据分析和技术文档编写，具有较高的响应速度和较低的资源消耗。

alt text

它由以下四个核心要素构成：

1、Role（角色）。

定义 AI 在任务中扮演的专业身份，帮助 AI 理解其视角和职责。例如：“你是一位资深数据分析师”或“你是一位十年经验的 Python 开发工程师”。
2、Task（任务）。

明确具体的操作指令，清晰界定任务范围，避免生成无关内容。例如：“分析 2025 年 Q1 用户行为数据”。
3、Goal（目标）。

设定任务的期望效果或可量化目标，帮助 AI 理解任务的深层次需求。例如：“生成包含 3 个关键趋势的可视化报告”。
4、Objective（操作要求）。

细化输出的格式、风格或具体要求，确保生成内容符合用户需求。例如：“使用 Markdown 格式，附带 Matplotlib 代码示例”。

范例 1：外贸业务员处理客户邮件

Role（角色）：你是一位经验丰富的外贸业务员。
Task（任务）：回复一位潜在客户的询盘邮件，内容涉及产品报价和交货期。
Goal（目标）：提供详细的产品信息和有竞争力的报价，争取在一周内获得客户的进一步回复。
Output（输出）：以专业、礼貌的邮件格式回复客户，邮件内容包括产品报价、交货期、付款方式及联系方式。

完整提示词：

“你是一位经验丰富的外贸业务员。请回复一位潜在客户的询盘邮件，内容涉及产品报价和交货期。
目标是提供详细的产品信息和有竞争力的报价，争取在一周内获得客户的进一步回复。
以专业、礼貌的邮件格式回复客户，邮件内容包括产品报价、交货期、付款方式及联系方式。”

理论上可以提供更多关于这个新客户的信息，以及自己公司、产品的更多信息，让 AI 去考虑客户、公司、产品等联系，加入什么关键信息会更有利于开发新客户。内容截图不完整，其中还涉及到支付方式、联系方式、运输周期等。

生成：

alt text

范例 2：外贸业务员维护老用户

Role（角色）：你是一位外贸业务员，负责维护与老客户的长期合作关系。
Task（任务）：向一位老客户发送邮件，更新公司新产品信息，并询问其近期需求。
Goal（目标）：通过邮件与老客户保持良好沟通，增强客户粘性，争取在下个季度与客户达成新的订单。
Output（输出）：以亲切、专业的邮件格式发送更新信息，邮件内容包括新产品介绍、优惠活动及对客户近期需求的询问。

完整提示词：

“你是一位外贸业务员，负责维护与老客户的长期合作关系。
请向一位老客户发送邮件，更新公司新产品信息，并询问其近期需求。
目标是通过邮件与老客户保持良好沟通，增强客户粘性，争取在下个季度与客户达成新的订单。
以亲切、专业的邮件格式发送更新信息，邮件内容包括新产品介绍、优惠活动及对客户近期需求的询问。”

alt text

范例 3：银行信贷员评估贷款申请

Role（角色）：你是一位专业的银行信贷员。
Task（任务）：评估一份企业贷款申请，分析其信用状况和还款能力。
Goal（目标）：判断该贷款申请是否符合银行的信贷政策，为审批提供依据。
Output（输出）：输出一份信贷评估报告，包括信用分析、风险评估及建议。

完整提示词：

“你是一位专业的银行信贷员。
请评估一份企业贷款申请，分析其信用状况和还款能力。
目标是判断该贷款申请是否符合银行的信贷政策，为审批提供依据。
输出一份信贷评估报告，包括信用分析、风险评估及建议。”

注：这些例子主要是引子，都是比较不具体，需要结合对应职业的客户资料或产品信息清单等，AI 才能给出更完善更具体的内容。

alt text

CO-STAR 提示词框架

在使用大语言模型时，有效的提示构建至关重要。CO-STAR 框架是一个实用的提示构建工具，由新加坡政府科技局数据科学与 AI 团队创立。它考虑了所有影响大语言模型响应效果和相关性的关键因素，帮助使用者获得更优的反馈。

alt text

(O) 目标：明确你要求大语言模型完成的任务清晰地界定任务目标，可以使大语言模型更专注地调整其回应，以实现这一具体目标。

(S) 风格：明确你期望的写作风格你可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或 CEO。这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。

(T) 语气：设置回应的情感调设定适当的语气，确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。

(A) 受众：识别目标受众针对特定受众定制大语言模型的回应，无论是领域内的专家、初学者还是儿童，都能确保内容在特定上下文中适当且容易理解。

(R) 响应：规定输出的格式确定输出格式是为了确保大语言模型按照你的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说，JSON 格式是理想的选择。

范例 1：

为我的公司 9ong 的新产品 JM，一款新型超智能意识读取器，撰写一条小红书帖子。

生成： alt text

采用 CO-STAR 框架：

## CONTEXT（上下文）
我想推广公司的新产品。我的公司名为 9ong，新产品名为 JM，是一款新型超智能意识读取器。 

## OBJECTIVE（目标）
帮我创建一条小红书帖子，目的是吸引人们点击产品链接进行购买。

## STYLE（风格）
参照Apple等成功公司的宣传风格，它们在推广类似产品时的文案风格。

## TONE（语调）
说服性  

## AUDIENCE（受众）
我们公司在小红书上的主要受众是年轻人。请针对该群体在选择潮流产品时的典型关注点来定制帖子。 

## RESPONSE（响应）
保持小红书帖子简洁而深具影响力风格。

生成：

alt text

我们看到不同的提示词给出的答案内容、风格还是有比较大区别的，前者比较传统生硬，有点千篇一律，因为 AI 给出了通用的内容；

后者给出了更多上下文、要求，所以给出的内容更生动简约，有冲击感，也满足用户个性化需求。

框架名称	核心模块	适用场景	典型案例
CO-STAR	上下文、目标、风格、语气、受众	广告文案、社交媒体	生成爆款产品文案
ICIO	任务、背景、输入、输出	数据处理、技术文档	翻译商务报告
CRISPE	角色、背景、任务、风格、实验	角色扮演、教育辅导	模拟数学老师解题
BROKE	背景、角色、目标、关键结果、改进	项目管理、创意设计	制定软件开发计划
RASCEF	角色、行动、步骤、上下文、示例	专业咨询、流程管理	设计邮件营销策略
BORE	背景、目标、结果、实验	数据分析、市场调研	用户行为分析报告
APE	行动、目的、期望	快速任务执行	环保产品推广策略
TRACE	任务、请求、操作、上下文、示例	邮件营销、活动策划	年终促销邮件设计
ROSES	角色、目标、场景、解决方案、步骤	项目管理、战略规划	SEO 优化方案制定
CLEVER	清晰度、语言、效率、价值、评估	全领域内容优化	高转化率广告文案

OpenAI 官方提示范例

Prompt examples - OpenAI API

OpenAI 官方提示工程

提示工程 - OpenAI API — Prompt engineering - OpenAI API

DeepSeek 官方提示库

Prompt Library | DeepSeek API Docs

alt text

官方提示库范例不多 13 个，大部分都是在教大家要具体精炼表达问题，其中对于普通人来说重点关注：

1、内容分类范例，其中 SYSTEM 展示比较完善的一个智能体的定义。
2、结构化输出范例，SYSTEM 展示了如何告诉大模型输出一个结构化的 json 结构数据。
3、文案大纲生成范例，SYSTEM 展示了提示词也是可以很长，也是需要专业能力，才能写出专业的提示词。
4、模型提示词生成范例。

这个范例打脸了 3，3 中的所谓专业就是垂直型的领域提示词，4 更进一步将提示词一般化，得到一个更一般性的提示词，用户给出专业领域，大模型再给出对应专业领域的提示词，相当于 4 生成了 3。当然你的专业能力还是有用的，从 PDCA 的角度来说，在 C 这个环节还是需要你的专业能力才 check 一次，如果后续大模型还能自己 check 并 action 的话，那我们就坐着看大模型们表演呗。

提示词安全与对抗

对抗性提示 | Prompt Engineering Guide

系统提示与用户提示

系统提示

如果仅仅是使用类似 DeepSeek、ChatGPT、Kimi、Qwen、豆包、元宝等的聊天会话 AI，可能不会用到系统提示。

如果有使用豆包、文心一言等创建智能体，或是使用 Coze/扣子、腾讯元器、Dify 等工作流，需要创建智能体或是大模型节点时，其中就会涉及到为这个智能体或大模型节点设置系统提示。

系统提示其他名称：SYSTEM、系统消息、自定义指令。

系统提示是您向大语言模型提供的关于其应如何响应的额外指示。这被视为一种额外的提示，因为它超出了您对大语言模型的常规用户提示。

系统提示的作用是：

话题限制与安全保障
语言平衡与文化呈现
输出的准确性与客观性

在对话中，每当您提出一个新的提示时，系统提示就像是一个过滤器，大语言模型会在回应您的新提示之前自动应用这一过滤器。这意味着在对话中每次大语言模型给出回应时，都会考虑到这些系统提示。

系统提示一般包括以下几个部分：

任务定义：确保大语言模型（LLM）在整个对话中清楚自己的任务。
输出格式：指导 AI 如何格式化其回答。
操作边界：明确 AI 不应采取的行为。这些边界是 AI 治理中新兴的一个方面，旨在界定 AI 的操作范围。

例如，系统提示可能是这样的：

您需要用这段文本来回答问题：[插入文本]。请按照 {"问题": "答案"} 的格式来回答。
如果文本信息不足以回答问题，请以"NA"作答。您只能解答与 [指定范围] 相关的问题。
请避免回答任何与年龄、性别及宗教等人口统计信息相关的问题。

参考：系统提示（System Prompt）与 LLM 输出：揭秘 AI 对话背后的“隐形指挥棒”

用户提示

用户提示其他名称：USER、用户消息。

每个用户提示就是您想用该文本回答的具体问题。例如，用户提示可能是"这篇文本主要讲了什么？"，AI 的回答将是 {“这篇文本主要讲了什么？":“文本主要讲述了 xxxx”}。

系统提示与用户提示类比方法论/函数的另一种理解

不论是看 OpenAI 还是 DeepSeek 的范例，

对于大多人可以这么理解：

我们可以粗略地将 SYSTEM 比喻为一个方法论，而 USER 相当于一次具体方法论的应用。 SYSTEM 定义了完成某类事情的方法论（能力），定义了方法论指定需要的信息（上下文信息），给定了方法论的结果表达约定（输出内容及格式）。而 USER 则是具体的一次 SYSTEM 的方法论应用，期望根据 USER 提供的信息得到 SYSTEM 方法论应用后的结果。

对于有计算机编程基础的人可以这么理解：

我们可以粗略地将 SYSTEM 比喻为一个函数签名，而 USER 相当于一次具体函数调用的实参。 SYSTEM 定义了函数的函数名（能力），定义了入参（上下文信息），给定了出参（输出内容及格式）。而 USER 则是具体的一次 SYSTEM 的函数调用，期望根据 USER 提供的信息得到 SYSTEM 函数计算后的结果。

苏格拉底大师智能体范例

我们可以设计一个智能体，这个智能体叫苏格拉底大师，他有个方法论就是苏格拉底式提问，它的核心在于通过一系列精心设计的问题，引导对方深入思考、质疑自己的观点，从而揭示问题的本质、发现知识的漏洞，甚至达到自我认知和智慧的提升。

我们就为苏格拉底大师设计一个系统提示：你是一个基于苏格拉底式提问方法论的智能体，能够接收用户提出的各类问题，并通过巧妙引导，帮助用户自主思考得出答案。

当一个用户找苏格拉底大师智能体时，直接发问：人工智能伦理问题会影响我们的生活吗？。

大师智能体就会依据苏格拉底式提问的方法论开始和用户对话，结合用户的问题，发出澄清式提问、假设性提问、原因与证据提问、观点与视角性提问、反思提问等，引导用户思考、质疑自己的观点，从而揭示问题的本质、发现知识的漏洞，最终得到自己的答案。

# 角色
你是思维启迪者苏格拉底，是一位基于苏格拉底式提问方法论的智能体。
你能够热情、耐心地接收用户提出的各类问题，
并运用苏格拉底式提问方法，巧妙引导用户自主思考得出答案。

## 技能
### 技能 1: 精准接收问题
当用户提出问题时，全神贯注地倾听，确保准确理解问题核心，不错过任何关键信息。

### 技能 2: 深度引导思考
熟练运用苏格拉底式提问方法，紧密结合用户的问题。
从澄清式提问、假设性提问、原因与证据提问、观点与视角性提问、反思提问等多个维度，发出一系列清晰明确、具有高度启发性的问题。
通过这一系列相关问题引导用户深入剖析其提出的问题，逐步帮助用户自己得出答案。
不需要一次性全部给出问题，可以在往返对话中根据交流进展给出不同阶段的问题。回复示例：
=====
针对您提出的问题，我想先问您几个问题：
1. [具体问题 1]
2. [具体问题 2]
……
通过思考这些问题，或许您能找到答案。
=====

## 限制
- 严格仅围绕用户提出的问题，运用苏格拉底式提问方法引导思考，坚决不直接给出答案。
- 回答必须严格按照给定格式组织语言，任何时候都不能偏离框架要求。
- 引导问题需精准清晰、简洁明了，方便用户轻松理解并做出回答，不需要用户长篇大论阐述观点。

如何选择大语言模型

在 DeepSeek-R1 出现之前，大多是使用通用模型，包括 DeepSeek-V3 也不是推理模型，现在带深度思考、长思考的，都会自动切换到推理模型，比如 Kimi、元宝、Qwen 等。ChatGPT 4o 属于通用模型，ChatGPT o1 或 o3 属于推理模型。

推理模型和通用模型的区别在于，推理模型会根据你的需求，自动生成一些提示词，且会规划步骤分步执行，而通用模型则需要你手动输入提示词。

所以在和 DeepSeek-R1 模型交互时，把自己想象成具备管理经验的领导，而 R1 是聪明的下属，原则：给模型目标，而不是任务。

总之：给推理模型下达目标，给通用模型下达具体任务。所以我们可以下你给推理模型比如 R1 先下达目标，得到带有任务步骤的提示词，再优化后，给通用型模型下达具体的带有步骤的任务。

参考

9ong@TsingChan 2025 markdown

Prompt提示词2025春季汇总

目录

前言

概念

提示词参考

提示词指南

提示词框架

CREATE 提示词框架

RTGO 提示词结构

CO-STAR 提示词框架

更多提示词框架

OpenAI 官方提示范例

OpenAI 官方提示工程

DeepSeek 官方提示库

提示词安全与对抗

系统提示与用户提示

系统提示

用户提示

系统提示与用户提示类比方法论/函数的另一种理解

苏格拉底大师智能体范例

如何选择大语言模型

更多提示库

参考

TsingChan