DeepSeek大语言模型优秀的指令范式

以下是一些优秀且高效的 指令范式（Prompt Patterns），适用于与AI（如ChatGPT等）交互时提升输出质量。这些范式基于清晰的结构化指令，能帮助AI更准确地理解需求并生成高质量结果：

---

1. 角色设定范式

适用场景：需要AI扮演特定角色（专家、助手、创作者等）时。
模板：

“你是一名[角色，如资深软件工程师/历史学家/编剧]，请以[专业领域]的角度，完成以下任务：[具体任务]。要求：[详细要求]。”

示例：

“你是一名资深营养师，请为一名糖尿病患者设计一份一周的低碳水化合物食谱，要求包含早餐、午餐、晚餐，并标注每餐的热量和营养成分。”

---

2. 分步思考范式（Chain-of-Thought）

适用场景：复杂问题或需要逻辑推导的任务。
模板：

“请逐步分析以下问题：[问题]。分步骤解释你的思考过程，最后给出结论。”

示例：

“如何降低公司的运营成本？请分步骤列出可能的策略，并分析每种策略的利弊。”

---

3. 示例引导范式（Few-Shot Prompting）

适用场景：需要AI模仿特定风格或格式时。
模板：

“以下是几个示例：[示例1][示例2]。请根据这些示例的风格/格式，完成：[新任务]。”

示例：

“示例1：将‘我喜欢苹果’改写为正式商务邮件用语：‘本人对苹果产品颇为青睐’。
示例2：将‘快点回复我’改写为：‘烦请尽快回复为盼’。
请将‘这个项目很重要’改写为正式商务用语。”

---

4. 反向提问范式

适用场景：当需求不明确时，引导AI主动澄清。
模板：

“为了更好地回答这个问题，你需要我提供哪些额外信息？请列出关键问题。”

示例：

“我想写一篇关于人工智能的科普文章，但不确定方向。你认为哪些信息是必须明确的？”

---

5. 限制条件范式

适用场景：限制输出范围（如字数、格式、排除内容）。
模板：

“请用[字数/语言/格式]回答，避免提及[限制内容]，重点包括[关键点]。”

示例：

“用100字以内解释量子计算，避免使用数学公式，重点说明其应用场景。”

---

6. 多角度分析范式

适用场景：需要全面权衡利弊或多视角讨论的问题。
模板：

“请从[角度1]、[角度2]、[角度3]分析[问题]，最后给出综合建议。”

示例：

“从经济、环境、社会三个角度分析电动汽车的普及影响。”

---

7. 错误修正范式

适用场景：检查或优化已有内容时。
模板：

“请检查以下内容是否存在[逻辑/语法/数据]错误，并提出改进建议：[内容]。”

示例：

“请检查这段Python代码是否有语法错误，并优化其效率：[代码片段]。”

---

8. 创意生成范式

适用场景：需要发散性思维（如起名、故事创作）。
模板：

“请生成[数量]个[创意类型]，要求符合[条件]，风格参考[描述]。”

示例：

“生成5个科幻小说标题，要求包含‘时间旅行’元素，风格接近《三体》。”

---

9. 优先级排序范式

适用场景：需要AI对选项或任务排序。
模板：

“根据[标准]，将以下选项按优先级排序：[选项列表]，并说明理由。”

示例：

“根据学习效率，将‘阅读、实践、讨论、教学’四种学习方法排序，并解释原因。”

---

10. 总结提炼范式

适用场景：长文本或复杂信息的摘要。
模板：

“用[字数]总结以下内容，保留核心观点和关键数据：[文本]。”

示例：

“用50字总结这篇关于气候变化的文章：[文章链接/文本]。”

---

使用技巧

1. 明确性：避免模糊词汇，如“一些”“可能”，改用具体数字或范围。
2. 迭代优化：根据AI的初次回答调整指令，逐步细化需求。
3. 组合使用：混合多个范式（如角色设定+分步思考）。

通过结构化指令，能显著提升AI的输出质量和效率。根据实际场景选择或调整范式即可！