尚硅谷DeepSeek使用指南（2025抢先版）

课程简介

从提示词结构到工程化调用 DeepSeek 作为开源大模型，其核心价值不仅在于对话能力，更在于开发者如何将其嵌入实际工作流。本资料聚焦于 2025 年视角下的 DeepSeek 实战应用，解决的核心问题是：如何摆脱“聊天机器人”式的随意提问，转而构建结构化、可复用的提示词工程（Prompt Engineering）体系。它不是简单的 API 文档，而是一套…

已有 23 人浏览发布 2026-03-01 更新 2026-10-12

从提示词结构到工程化调用

DeepSeek 作为开源大模型，其核心价值不仅在于对话能力，更在于开发者如何将其嵌入实际工作流。本资料聚焦于 2025 年视角下的 DeepSeek 实战应用，解决的核心问题是：如何摆脱“聊天机器人”式的随意提问，转而构建结构化、可复用的提示词工程（Prompt Engineering）体系。它不是简单的 API 文档，而是一套针对模型特性的交互方法论。适合具备基础编程知识、正在探索 LLM 应用落地或对现有 AI 工具使用效果不满意的开发者。你不需要精通深度学习原理，但需要具备将模糊需求转化为精确逻辑指令的能力。建议优先研读关于“共识建立”与“技巧拆解”的章节，特别是如何利用“乔哈里视窗”来界定 AI 的认知边界，以及如何通过“分步拆解”处理复杂逻辑。这些内容直接关联到后续代码生成或数据分析任务中的准确率提升，是连接自然语言与机器执行的关键桥梁。

避坑指南与场景化实战

在深入具体技术栈之前，理解模型的“避坑”机制至关重要。资料中详细剖析了冗长提示词如何污染关键词、过度角色扮演为何会导致逻辑混乱等常见误区。这些经验来自大量实际测试，能帮助你在编写自动化脚本或构建 RAG（检索增强生成）系统时减少调试时间。对于代码能力部分，课程展示了 DeepSeek 在数学、物理及编程场景下的具体表现，重点在于如何指定思考步骤以获得更可靠的代码输出。学完这部分，你应能独立设计一套针对特定业务场景的提示词模板，例如用于自动生成单元测试、解析日志文件或重构遗留代码片段。你不仅能写出能跑的代码，更能理解为何某些提示词结构会导致模型幻觉或逻辑断裂，从而在工程层面进行有效约束和优化。

资料配合与自学路径

这份资料不适合被动观看，而应作为对照手册使用。建议采取“理论-实验-复盘”的学习路径：首先阅读某一技巧章节，理解其背后的逻辑假设；随后在 DeepSeek 网页端或 Python 环境中编写对应的测试用例，验证提示词效果；最后记录不同变量（如上下文长度、角色设定）对输出质量的影响。资料中的“反馈与迭代优化”章节提供了具体的评估维度，建议将其转化为代码中的断言或评分函数，实现半自动化的提示词调优。通过这种工程化练习，你将掌握一套可迁移的 LLM 应用开发思路，不仅能用于 DeepSeek，也能适配其他主流大模型。最终目标是构建一个包含提示词库、错误处理机制和效果评估模块的小型应用框架，具备独立交付 AI 辅助功能的能力，而非仅仅停留在“会提问”的层面。

课程目录：

01-DeepSeek使用指南概述
02-为什么普通人一定要用DeepSeek
03-DeepSeek的产品线
04-DeepSeek的几种使用方式
05-网页端几个按钮的作用
06-共识:清空之前的提示词&给AI足够的背景信息
07-共识:巧妙利用乔哈里视窗
08-共识:是否可以大白话交流&是否需要指定思考步骤
09-技巧:你是谁+背景信息+你的目标
10-技巧:不要定义过程
11-技巧:明确受众&风格明确
12-技巧:联网功能&补充额外信息
13-技巧:上下文联系&清除记忆
14-技巧:反馈与迭代优化
15-技巧:复杂问题，分步拆解
16-避坑:冗长提示词污染关键词&避免复杂句式
17-避坑:避免分步骤思考&过度角色扮演
18-场景:数学&物理&代码能力
19-场景:写作&文案能力
20-场景:生成Mermaid流程图、甘特图，思维导图
21-场景:DeepSeek+Kimi制作ppt
22-场景:日常生活&职业场景
23-场景:简历生成
24-场景:模拟面试25-指令模型和推理模型的对比
26-不同指令模型、推理模型内部的对比
27-DeepSeek与其它模型的体感对比
28-部署方式1:API+DeepSeek服务器
29-部署方式2:第三方平台
30-部署方式3:本地算力部署
31-部署方式4:服务器部署
32-DeepSeek-R1的两个核心创新点
33-DeepSeek-R1的训练过程
34-关于人工智能的两点展望

课程目录

01-DeepSeek使用指南概述
02-为什么普通人一定要用DeepSeek
03-DeepSeek的产品线
04-DeepSeek的几种使用方式
05-网页端几个按钮的作用
06-共识:清空之前的提示词&给AI足够的背景信息
07-共识:巧妙利用乔哈里视窗
08-共识:是否可以大白话交流&是否需要指定思考步骤
09-技巧:你是谁+背景信息+你的目标
10-技巧:不要定义过程
11-技巧:明确受众&风格明确
12-技巧:联网功能&补充额外信息
13-技巧:上下文联系&清除记忆
14-技巧:反馈与迭代优化
15-技巧:复杂问题，分步拆解
16-避坑:冗长提示词污染关键词&避免复杂句式
17-避坑:避免分步骤思考&过度角色扮演
18-场景:数学&物理&代码能力
19-场景:写作&文案能力
20-场景:生成Mermaid流程图、甘特图，思维导图
21-场景:DeepSeek+Kimi制作ppt
22-场景:日常生活&职业场景
23-场景:简历生成
24-场景:模拟面试
25-指令模型和推理模型的对比
26-不同指令模型、推理模型内部的对比
27-DeepSeek与其它模型的体感对比
28-部署方式1:API+DeepSeek服务器
29-部署方式2:第三方平台
30-部署方式3:本地算力部署
31-部署方式4:服务器部署
32-DeepSeek-R1的两个核心创新点
33-DeepSeek-R1的训练过程
34-关于人工智能的两点展望