大家好！最近 DeepSeek 可是火出了圈，想必好多人都听说过，但可能还有些朋友不太清楚它到底是什么，所以专门针对DeepSeek使用做了这篇保姆级基础教程，先看几组数据了解一下DeepSeek火在哪
百度指数
国外免费APP排行榜
国内免费APP排行榜
2025年1月20日DeepSeek R1发布后，用户增长迅速，在全球160多个国家登顶，日活跃用户数突破1500万，成了全球增速最快的AI应用。还引发了金融市场的震动，一度让美股市值一夜之间蒸发超 1 万亿美金，连英伟达股价单日都下跌了 16%。
能取得这样的成就，背后原因就是他们发布了免费且无比聪明的模型DeepSeek R1。这个模型让 DeepSeek 直接 “杀” 出重围，在 AI 领域站稳脚跟。
DeepSeek 能做什么
DeepSeek，借助先进的人工智能技术，它能在海量信息里，如同开启导航一般，帮你迅速找到关键内容，不管你是做数据分析、管理资料，还是研究市场行情，它都能派上大用场。给出的搜索结果又准又快，还能帮你分析出有用的信息，让你做决定时更有底气。
今天我就带大家好好认识一下这个工具，从最基础的用法开始，一直到熟练运用它的各种功能。
DeepSeek使用教程-界面介绍
- 访问官网 https://www.deepseek.com/，支持网页端与移动APP端访问，本文主要针对网页端做使用教程
- 在使用时，注意聊天输入框下方的两个选择「深度思考R1」和「联网搜索」
- 关于**「深度思考R1」**
如果只是想要简单快速地得到答案，无需开启深度思考，直接使用默认模型 V3，就能迅速响应你的需求。
但要是遇到复杂任务，比如制定商业计划、分析科研难题，期望 AI 给出的内容更有条理、经过深度思考，那就一定要打开「深度思考 R1」选项。这个模型具备强大的逻辑推理能力，能够抽丝剥茧，处理多步骤分析和复杂决策任务。这也是今天这篇文章的重点，我会带大家深入了解它的使用方法和独特优势。
深度思考对应DeepSeek R1模型，DeepSeek 的 R1 模型与我们日常使用的对话类 AI 有着本质区别。
像 OpenAI 的 GPT-4o、DeepSeek V3，还有我豆包，都属于指令模型（instruct model） 。这类模型主要是按照指令生成内容或执行任务。而 DeepSeek R1 属于推理模型（reasoning model） ，它把精力都放在逻辑推理和问题解决上，能够独立处理那些需要多步骤分析、因果推断或者复杂决策的任务。
举个例子，当面对一个复杂的商业策略制定问题时，指令模型可能更多是根据已有模板和指令给出建议，而 DeepSeek R1 则会从市场数据、竞争对手情况等多方面进行推理分析，给出更具针对性和深度的策略方案。
- 关于**「联网搜索」**
当你需要查询的知识是 2023 年 12 月之前的内容时，比如历史事件、经典文学作品等，不用打开「联网搜索」功能。因为大模型在训练过程中已经充分学习了这些时间段的语料知识，依靠自身就能给出准确回答。
但当你想要了解 2023 年 12 月及之后的信息，像24年奥运会比赛的最新赛果，或者25年春晚节目名单，就一定要开启「联网搜索」功能。这是由于大模型自身没有涵盖这些最新数据，只有通过联网搜索，才能获取并为你提供完整且准确的答案。
DeepSeek使用教程-基础对话
在日常交流、工作沟通甚至与AI对话中，提问是一门艺术。一个好的问题不仅能节省时间，还能引导出更有价值的答案。今天，我们就来聊聊如何通过五个黄金法则，让你的提问更高效、更精准。
法则一：明确需求 [不要模糊，要具体]
-
✕ 错误示例：「帮我写个文案」
-
🍎正确姿势：「我需要一篇关于618大促的电商文案，目标用户是25-35岁的女性，重点突出折扣力度和限时优惠。」
优化建议 ：明确你的目标、受众和关键信息，避免让对方猜来猜去。
法则二：提供背景 [信息越全，答案越准]
-
✕ 错误示例：「这个方案怎么优化？」
-
🍎正确姿势： 点击回形针上传方案文件后进行提问「这是我们新产品的市场推广方案，目标用户是大学生，预算有限。请帮我优化活动形式，确保成本控制在1万元以内。」
优化建议 ：提供足够的背景信息，比如目标、限制条件或相关数据，让对方快速理解你的需求。
法则三：指定格式 [清晰的结构，高效的输出]
-
✕ 错误示例：「给我一些建议」
-
🍎正确姿势：「请用分点形式列出三条提升小红书账号粉丝的建议，每条建议不超过50字。」
优化建议 ：指定回答的格式（如分点、表格、图表），能让答案更直观、更易用。
法则四：控制长度 [简短不等于简单]
-
✕ 错误示例：「详细解释一下」
-
🍎正确姿势：「请用150字以内解释什么是‘私域流量’，并举例说明它的应用场景。」
优化建议 ：设定字数或时间限制，既能节省时间，又能锻炼提问者的总结能力。
法则五：及时纠正 [反馈是优化的关键]
-
当回答不满意时，可以：
-
「这个方案的方向不太符合我们的品牌调性，请提供更年轻化的设计。」
-
「这个解释有点复杂，请用更通俗的语言重新描述。」
优化建议 ：及时反馈问题，明确调整方向，避免无效沟通。
DeepSeek使用教程-魔法指令
基础指令
1. /续写 ：当回答中断时自动继续生成。
示例 ：「请写一篇关于气候变化的文章」
若回答中断，输入：「/续写」即可继续生成剩余内容。
2. /简化 ：将复杂内容转换成通俗易懂的语言。
示例 : 输入：「请解释量子计算，然后/简化。」
AI会先提供专业解释，再用大白话重新表述。
3. /示例 ：要求展示实际案例，特别是在写代码或需要具体示范时。
示例 输入：「请写一个Python函数来计算斐波那契数列，然后/示例。」
AI会提供代码示例并解释其工作原理。
4. /步骤 ：让AI分步骤指导操作流程，适合学习或执行复杂任务。
示例 输入：「/步骤 如何用手机拍摄美食照片。」
AI会分步骤指导，如「1. 选择自然光源；2. 调整手机角度；3. 使用美食模式……」
5. /检查：帮你发现文档中的错误，包括语法、逻辑或格式问题。
示例 输入：「请检查以下段落是否有语法错误：『人工智能是未来，它将改变我们的生活。』」
AI会分析并提供修改建议。
场景演练
1. 分步骤指导
输入：「/步骤 如何用手机拍摄美食照片」
2. 简化复杂概念
输入：「请解释量子计算，然后/简化」
3. 代码示例
输入：「请写一个Python函数来计算斐波那契数列，然后/示例」
4. 文档检查
输入：「请检查以下段落是否有语法错误：『人工智能是未来，它将改变我们的生活』」
DeepSeek使用教程-行业效率提升案例
1. 法律文档审查
操作流程：
1.1 上传法律合同或协议。
1.2 输入指令：「提取所有保密条款」或「识别潜在法律风险」。
效率提升： 快速识别关键法律条款和潜在风险，减少律师手动审查时间。
2. 市场调研报告生成
操作流程：
2.1 上传多份市场分析报告。
2.2 输入指令：「总结各报告中的市场趋势」或「对比不同市场的消费者行为」。
效率提升： 自动整合和分析多份报告，生成综合市场调研报告，节省调研时间。
3. 学术论文辅助写作
操作流程：
3.1 上传相关研究文献。
3.2 输入指令：「提取相关研究方法」或「总结各文献的研究结论」。
效率提升： 快速获取相关研究信息，辅助论文写作，提高研究效率。
4. 客户反馈分析
操作流程：
4.1 上传客户反馈文档或调查问卷。
4.2 输入指令：「分析客户满意度」或「提取常见问题和建议」。
效率提升： 自动分析客户反馈，识别常见问题和改进建议，提升客户服务质量。
5. 财务报表分析
操作流程：
5.1 上传公司财务报表。
5.2 输入指令：「计算关键财务比率」或「识别异常财务数据」。
效率提升： 快速计算财务指标和识别异常数据，辅助财务决策。
写在最后
-
本期教程为大家带来 Deepseek 的基础使用攻略，记得关注公众号，后续会持续更新超实用的实际场景使用案例，绝对不容错过！
-
宝子们，本期是 Deepseek 基础使用教程！点点关注不迷路，后续超多实际场景应用案例，手把手带你玩转 Deepseek！
-
想掌握 Deepseek 基础用法？看这里！本期教程带你入门，关注公众号，后续持续更新实际场景使用案例，带你解锁更多实用技巧
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！
在这个版本当中：
第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言
您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
五、AI产品经理大模型教程
LLM大模型学习路线 ↓
阶段1：AI大模型时代的基础理解
-
目标：了解AI大模型的基本概念、发展历程和核心原理。
-
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
-
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
-
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
-
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
-
内容：
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
-
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
-
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
扫一扫
2795
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
