最近幾周自學deepseek原理+應用+實踐，一些成果，和大家分享。

與Deepseek這類AI對話，為了達到最佳效果，提示詞應當遵循哪三大原則？

• 清晰性；
• 結構化；
• 細節化；

為什么？

本質上來說，是要讓我們的提示詞去適配AI的認知模式。

Deepseek這類AI的核心技術是：

• 注意力機制；
• 知識調用路徑；
• 信息生成置信度控制；

提示詞的3大原則，是與這3大技術一一對應的。

其一：清晰性。

《Attention Is All You Need》想必大家都讀過了，注意力機制是現代AI最重要最核心的算法機制，必須讓AI將所有注意力專注于明確的目標。

• 目標不明確，AI會嘗試性探索，注意力會分散；
• 目標有歧義，AI容易陷入自然語言一詞多義的陷阱，注意力會分散；
• 目標有多個，注意力會分散：這很容易理解，20秒的深度思考算力，5個目標，每個目標只得到20%的注意力；2個目標，每個目標就能得到50%的注意力；

bad case：請說說AI對程序員的影響。

畫外音：模型會被迫猜測，用戶是想了解對行業的影響？對崗位的影響？對技術的影響？對就業的影響？

注意力分散，就容易生成泛泛而談的回答。

good case：請從軟件質量的視角出發，說說AI對自動化測試的影響，如何降低bug率。

總之，提示詞目標越明確越清晰，回答效果越好。

其二：結構化。

明確了目標之后，AI的注意力要專注于解題，解題有兩種思路：

• 自行探索；
• 按圖索驥；

很顯然，后者能極大提升解題效率。

結構化的提示詞，例如：

• 分級的markdown提示詞：能夠觸發AI的序列標記感知，從而提升計算速度；
• 第一步，第二步…這類提示詞：能夠激活AI的層級推理模塊，從而直接進入流程分析模式；

bad case：我是產品經理，幫我寫一個AI編程產品的需求文檔。

good case：我是產品經理，請按照以下流程幫我寫一個AI編程產品的需求文檔。

• 進行AI編程用戶痛點調研；
• 針對用戶痛點調研進行競品調研；
• 結合競品調研給出TOP3的核心需求；
• 根據TOP3的核心需求完成功能設計；
• 根據功能設計完成UI原型圖與交互圖；

畫外音：6. 邀請Java+FE+QA+OP發起需求評審。

其三：細節化。

細節能夠通過增加條件約束，提升答案的準確性。

• 如果缺乏細節，將極大提升AI的可能性探索空間，分散注意力；
• 如果增加細節，額外的約束條件能極大壓縮探索空間，砍掉長尾計算；
• 細節還有可能激活模型的實例化記憶庫，提升輸出相關性；

bad case：寫一首秋天的詩（相對抽象）。

better case：用杜甫的風格寫一首關于秋天的七言絕句（基礎細節）。

best case：模仿杜甫的憂國憂民風格，寫一首程序員如秋天搬悲涼的七言絕句，需包含“九九六”與“需求變更”等關鍵詞（高級細節）。

高效提示詞的三大核心原則并不是各自為戰的：

• 清晰性，定義目標向量方向；
• 結構化，構建推理坐標軸；
• 細節化，提供定位錨點；

A[清晰意圖] --> B{結構化路徑B1B2...Bn}

B1 -->|路徑1| C1[細節約束1]

B2 -->|路徑2| C2[細節約束2]

...

Bn -->|路徑n| Cn[細節約束n]

C1 --> D1[精準輸出1]

C2 --> D2[精準輸出2]

...

Cn --> Dn[精準輸出n]

總結

高效提示詞的三大核心原則：

• 清晰性：降低香農熵，減少信息不確定性；
• 結構化：建立馬爾可夫鏈，控制狀態轉移路徑；
• 細節化：增加信息量，提升輸入輸出相關性；

一切的一切，提示詞只有適配了AI的認知模式，才能最高效的發揮最大的作用。

知其然，知其所以然。

思路比結論更重要。

補充閱讀材料：

《Attention Is All You Need》

https://arxiv.org/pdf/1706.03762

PDF，可下載。