DeepSeek从入门到精通-清华

Published on
Embed video
Share video
Ask about this video

Scene 1 (0s)

[Audio] DeepSeek:从入门到精通 清华大学新闻与传播学院 新媒体研究中心 元宇宙文化实验室 @新媒沈阳 团队 :余梦珑博士后.

Scene 2 (18s)

[Audio] Deepseek是什么? Deepseek能够做什么? 如何使用Deepseek?.

Scene 3 (27s)

[Audio] DeepSeek是什么? AI DeepSeek是一家专注通用人工智能(AGI)的中国科技公司,主攻大模型研发与应 用。 + DeepSeek-R1是其开源的推理模型,擅长处理复杂任务且可免费商用。 国产 + 免费 + 开源 + 强大.

Scene 4 (53s)

[Audio] Deepseek可以做什么? 直接面向用户或者支持开发者,提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景, 支持联网搜索与深度思考模式,同时支持文件上传,能够扫描读取各类文件及图片中的文字内容。.

Scene 5 (1m 25s)

[Audio] 文本生成 文本创作 文章/故事/诗歌写作 01 营销文案、广告语生成 社交媒体内容(如推文、帖子) 剧本或对话设计 摘要与改写 长文本摘要(论文、报告) 02 文本生成 文本简化(降低复杂度) 多语言翻译与本地化 结构化生成 03 表格、列表生成(如日程安排、菜谱) 代码注释、文档撰写.

Scene 6 (2m 2s)

[Audio] 自然语言理解与分析 语义分析 语义解析 情感分析(评论、反馈) 意图识别(客服对话、用户查询) 知识推理 实体提取(人名、地点、事件) 知识推理 逻辑问题解答(数学、常识推 理) 文本分类 因果分析(事件关联性) 文本分类 主题标签生成(如新闻分类) 垃圾内容检测.

Scene 7 (2m 44s)

[Audio] 编程与代码相关 技术文档处理 代码生成 代码调试 根 据 需 求 生 成 代 错 误 分 析 与 修 复 API文档生成 码片段(Python、 建议 代码库解释与示 JavaScript) 代 码 性 能 优 化 提 例生成 自 动 补 全 与 注 释 示 生成.

Scene 8 (3m 20s)

常规绘图.

Scene 9 (3m 27s)

[Audio] 如何使用DeepSeek? https://chat.deepseek.com. 如何使用DeepSeek? https://chat.deepseek.com.

Scene 10 (3m 34s)

[Audio] 如何从入门到精通? 当人人都会用AI时,你如何用得更好更出彩?. 如何从入门到精通? 当人人都会用AI时,你如何用得更好更出彩?.

Scene 11 (3m 45s)

[Audio] 推理模型 推理大模型: 推理大模型是指能够在传统的大语言模型基础上,强化推理、逻辑分析和决策能力的模型。它 们通常具备额外的技术,比如强化学习、神经符号推理、元学习等,来增强其推理和问题解决能力。 例如:DeepSeek-R1,GPT-o3在逻辑推理、数学推理和实时问题解决方面表现突出。 非推理大模型: 适用于大多数任务,非推理大模型一般侧重于语言生成、上下文理解和自然语言处理,而不强 调深度推理能力。此类模型通常通过对大量文本数据的训练,掌握语言规律并能够生成合适的内容,但缺乏像 推理模型那样复杂的推理和决策能力。 例如:GPT-3、GPT-4(OpenAI),BERT(Google),主要用于语言生成、语言理解、文本分类、翻译 等任务。 维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务(如诗歌创作) 需要严格逻辑链的任务(如数学证明) 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强,仅在其训练目标领域显著优于通用模型 通用场景更灵活,但专项任务需依赖提示语补偿能力.

Scene 12 (5m 59s)

[Audio] 快思慢想:效能兼顾 全局视野 概率预测(快速反应模型,如ChatGPT 4o) 链式推理(慢速思考模型,如OpenAI o1) 性能表现 响应速度快,算力成本低 慢速思考,算力成本高 基于链式思维(Chain-of-Thought),逐步推理 运算原理 基于概率预测,通过大量数据训练来快速预测可能 的答案 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况,实时做出决策 创造力 限于模式识别和优化,缺乏真正的创新能力 能够生成新的创意和解决方案,具备创新能力 人机互动能力 按照预设脚本响应,较难理解人类情感和意图 更自然地与人互动,理解复杂情感和意图 问题解决能力 擅长解决结构化和定义明确的问题 能够处理多维度和非结构化问题,提供创造性的解 决方案 伦理问题 作为受控工具,几乎没有伦理问题 引发自主性和控制问题的伦理讨论 CoT链式思维的出现将大模型分为了两类:"概率预测(快速反应)"模型和"链式推理(慢速思考)"模型。 前者适合快速反馈,处理即时任务;后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 适的模型,实现最佳效果。.

Scene 13 (7m 59s)

[Audio] 提示语策略差异 1 2 推理模型 通用模型 提示语更简洁,只需明确任务目标和 需显式引导推理步骤(如通过CoT提 需求(因其已内化推理逻辑)。 示),否则可能跳过关键逻辑。 无需逐步指导,模型自动生成结构化 依赖提示语补偿能力短板(如要求分 推理过程(若强行拆解步骤,反而可 步思考、提供示例)。 能限制其能力)。.

Scene 14 (8m 40s)

[Audio] 关键原则 模型选择 优先根据任务类型而非模型热度选择(如数学任务选推理模型,创意任务选通用 1 模型)。 提示语设计 推理模型:简洁指令,聚焦目标,信任其内化能力。("要什么直接说")。 2 通用模型:结构化、补偿性引导("缺什么补什么")。 避免误区 不要对推理模型使用"启发式"提示(如角色扮演),可能干扰其逻辑主线。 3 不要对通用模型"过度信任"(如直接询问复杂推理问题,需分步验证结果)。.

Scene 15 (9m 29s)

[Audio] 从"下达指令"到"表达需求" 策略类型 定义与目标 适用场景 示例(推理模型适用) 优势与风险 ✅ 结果精准高效 指令驱动 直接给出明确步骤或 ❌ 限制模型自主优化空 格式要求 简单任务、需快速执行 "用Python编写快速排序函 数,输出需包含注释。" 间 "我需要优化用户登录流程, 复杂问题、需模型自主 ✅ 激发模型深层推理 需求导向 描述问题背景与目标, 请分析当前瓶颈并提出3种方 由模型规划解决路径 推理 ❌ 需清晰定义需求边界 案。" "设计一个杭州三日游计划, ✅ 兼顾目标与细节 混合模式 结合需求描述与关键 要求包含西湖和灵隐寺,且 约束条件 平衡灵活性与可控性 ❌ 需避免过度约束 预算控制在2000元内。" 通过提问引导模型主 "为什么选择梯度下降法解 探索性问题、需模型解 ✅ 触发模型自解释能力 启发式提问 动思考(如"为什 决此优化问题?请对比其他 释逻辑 ❌ 可能偏离核心目标 么""如何") 算法。".

Scene 16 (11m 17s)

[Audio] 任务需求与提示语策略 任务类型 适用模型 提示语侧重点 示例(有效提示) 需避免的提示策略 推理模型 直接提问,无需分步引导 "证明勾股定理" 冗余拆解(如"先画图,再列公式") 数学证明 通用模型 显式要求分步思考,提供示例 "请分三步推导勾股定理,参考: 1. 画直角三角形…" 直接提问(易跳过关键步骤) 推理模型 鼓励发散性,设定角色/风格 "以海明威的风格写一个冒险故事" 过度约束逻辑(如"按时间顺序列出") 创意写作 通用模型 需明确约束目标,避免自由发挥 "写一个包含'量子'和'沙漠' 的短篇小说,不超过200字" 开放式指令(如"自由创作") 推理模型 简洁需求,信任模型逻辑 "用Python实现快速排序" 分步指导(如"先写递归函数") 代码生成 通用模型 细化步骤,明确输入输出格式 "先解释快速排序原理,再写出代 码并测试示例" 模糊需求(如"写个排序代码") 通用模型 自然交互,无需结构化指令 "你觉得人工智能的未来会怎样?" 强制逻辑链条(如"分三点回答") 多轮对话 推理模型 需明确对话目标,避免开放发散 "从技术、伦理、经济三方面分析 AI的未来" 情感化提问(如"你害怕AI吗?") 推理模型 直接抛出复杂问题 "分析'电车难题'中的功利主义 与道德主义冲突" 添加主观引导(如"你认为哪种对?") 逻辑分析 通用模型 需拆分问题,逐步追问 "先解释电车难题的定义,再对比 两种伦理观的差异" 一次性提问复杂逻辑.

Scene 17 (13m 50s)

[Audio] 如何向AI表达需求 需求类型 特点 需求表达公式 推理模型适配策略 通用模型适配策略 需权衡选项、评估风险、 1. 决策需求 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议,依赖模型经验归纳 选择最优解 需深度理解数据/信息、 问题 + 数据/信息 + 分析 触发因果链推导与假设验 2. 分析需求 表层总结或分类 发现模式或因果关系 方法 证 需生成新颖内容(文本/ 主题 + 风格/约束 + 创新 结合逻辑框架生成结构化 3. 创造性需求 自由发散,依赖示例引导 设计/方案) 方向 创意 需检查逻辑自洽性、数 结论/方案 + 验证方法 + 自主设计验证路径并排查 4. 验证需求 简单确认,缺乏深度推演 据可靠性或方案可行性 风险点 矛盾 需完成具体操作(代码/ 任务 + 步骤约束 + 输出格 自主优化步骤,兼顾效率 5. 执行需求 严格按指令执行,无自主优化 计算/流程) 式 与正确性.

Scene 18 (15m 48s)

[Audio] 提示语示例 创造性需求 分析需求 决策需求 �实战技巧: �实战技巧: �实战技巧: "为降低物流成本,现有两种方案: "设计一款智能家居产品,要求: "分析近三年新能源汽车销量数据(附CSV),说明: ①自建区域仓库(初期投入高,长期成本低) ① 解决独居老人安全问题; ① 增长趋势与政策关联性; ②与第三方合作(按需付费,灵活性高) ② 结合传感器网络和AI预警; ② 预测2025年市占率,需使用ARIMA模型并解释参数 请根据ROI计算模型,对比5年内的总成本并推荐最优 ③ 提供三种不同技术路线的原型草图说明。" 选择依据。" 解。" 验证性需求 �实战技巧: 执行需求 �实战技巧: "以下是某论文结论:'神经网络模型A优于传统方法B'。 "将以下C语言代码转换为Python,要求: 请验证: ① 保持时间复杂度不变; ① 实验数据是否支持该结论; ② 使用numpy优化数组操作; ② 检查对照组设置是否存在偏差; ③ 输出带时间测试案例的完整代码。" ③ 重新计算p值并判断显著性。".

Scene 19 (17m 41s)

[Audio] 还要不要学提示语? 提示语(Prompt)是用户输入给AI系统的指令或信息,用于 引导AI生成特定的输出或执行特定的任务。简单来说,提示语 就是我们与AI"对话"时所使用的语言,它可以是一个简单的问 题,一段详细的指令,也可以是一个复杂的任务描述。 提示语的基本结构包括指令、上下文和期望 指令(Instruction):这是提示语的核心,明确告诉AI你希望 它执行什么任务。 上下文(Context):为AI提供背景信息,帮助它更准确地理 解和执行任务。 期望(Expectation):明确或隐含地表达你对AI输出的要求 和预期。.

Scene 20 (18m 39s)

[Audio] 提示语类型 提示语的本质 提示语的类型 表1-1-1提示语的本质特征 1. 指令型提示语:直接告诉AI需要执行的任务。 特征 描述 示例 2. 问答型提示语:向AI提出问题,期望得到相应的 沟通桥梁 连接人类意图和AI理解 "将以下内容翻译为法语:Hello, world" 答案。 上下文提供 3. 角色扮演型提示语:要求AI扮演特定角色,模拟 者 为AI提供必要的背景信息 "假设你是一位19世纪的历史学家,评论拿 破仑的崛起" 特定场景。 4. 创意型提示语:引导AI进行创意写作或内容生成。 任务定义器 明确指定AI需要完成的任务 "为一篇关于气候变化的文章写一个引言, 长度200字" 5. 分析型提示语:要求AI对给定信息进行分析和推 理。 输出塑造器 影响AI输出的形式和内容 "用简单的语言解释量子力学,假设你在跟 一个10岁的孩子说话" 6. 多模态提示语:结合文本、图像等多种形式的 AI能力引导 引导AI使用特定的能力或技 "使用你的创意写作能力,创作一个关于时 输入。 器 能 间旅行的短篇故事".

Scene 21 (20m 31s)

[Audio] 掌握提示语设计:AIGC时代的必备技能 表1-3-2提示语设计进阶技能子项 提示语设计的核心技能体系 核心技能 子项 表1-3-1提示语设计核心技能子项 深入分析任务背景和隐含需求 核心技能 子项 考虑文化、伦理和法律因素 语境理解 将复杂、模糊的人类需求转化为结构化的AI任务 预测可能的误解和边界情况 识别问题的核心要素和约束条件 问题重构能力 识别通用模式,提高提示语可复用性 设计清晰、精确的提示语结构 设计灵活、可扩展的提示语模板 抽象化能力 设计能激发AI创新思维的提示语 创建适应不同场景的元提示语 利用类比、反向思考等技巧拓展AI输出的可能性 创意引导能力 客观评估AI输出,识别潜在偏见和错误 巧妙结合不同领域概念,产生跨界创新 分析AI输出,识别改进空间 批判性思考 设计反事实提示语,测试AI理解深度 结果优化能力 通过迭代调整提示语,优化输出质量 构建验证机制,确保AI输出的可靠性 设计评估标准,量化提示语效果 探索非常规的提示语方法 将专业领域知识转化为有效的提示语 创新思维 结合最新AI研究成果,拓展应用边界 跨域整合能力 利用提示语桥接不同学科和AI能力 设计实验性提示语,推动AI能力的进化 创造跨领域的创新解决方案 在提示语中嵌入伦理考量 设计多步骤、多维度的提示语体系 伦理意识 设计公平、包容的AI交互模式 系统思维 构建提示语模板库,提高效率和一致性 预防和缓解AI可能带来的负面影响 开发提示语策略,应对复杂场景.

Scene 22 (23m 26s)

[Audio] 掌握提示语设计:AIGC时代的必备技能 提示语设计的进阶技能 提示语设计的核心技能体系不仅涵盖了技术层面的专 表1-3-3提示语设计进阶技能子项 业知识,更强调了认知能力、创新思维和软实力的重 核心技能 子项 深入分析任务背景和隐含需求 要性。 考虑文化、伦理和法律因素 语境理解 预测可能的误解和边界情况 识别通用模式,提高提示语可复用性 这些核心技能构成了提示语设计的基础,涵盖了从问 设计灵活、可扩展的提示语模板 抽象化能力 题分析到创意生成,再到结果优化的全过程。 创建适应不同场景的元提示语 客观评估AI输出,识别潜在偏见和错误 批判性思考 设计反事实提示语,测试AI理解深度 语境理解能力使设计者能够在复杂的社会和文化背景 构建验证机制,确保AI输出的可靠性 下工作;抽象化能力有助于提高工作效率和拓展应用 探索非常规的提示语方法 范围;批判性思考是确保AI应用可靠性和公平性的关 创新思维 结合最新AI研究成果,拓展应用边界 设计实验性提示语,推动AI能力的进化 键;创新思维能力推动了AI应用的边界拓展,而伦理 在提示语中嵌入伦理考量 意识则确保了AI的发展与社会价值观相符。 伦理意识 设计公平、包容的AI交互模式 预防和缓解AI可能带来的负面影响.

Scene 23 (25m 26s)

[Audio] 提示语的DNA:解构强大提示语的基本元素 提示语的基本元素分类 提示语的基本元素可以根据其功能和作用分为三个大类:信息类元素、结构类元素和控制类元素: 信息类元素决定了AI在生成过程中需要处理的具体内 容,包括主题、背景、数据等,为AI提供了必要的知 识和上下文。 结构类元素用于定义生成内容的组织形式和呈现方式, 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程,确保输出 符合预期并能够进行必要的调整,是实现高级提示语 工程的重要工具。.

Scene 24 (26m 30s)

[Audio] 提示语的DNA:解构强大提示语的基本元素 提示语元素组合矩阵 表2-1-1 提示语元素组合矩阵 目标 主要元素组合 次要元素组合 组合效果 知识域元素 + 输出验证元 提高输出准确性 主题元素 + 数据元素 + 质量控制 元素 素 确保AI基于准确的主题和数据生成内容,并通过严格的质量控制和验证提高准 确性 增强创造性思维 主题元素 + 背景元素 + 约束条件 元素 参考元素 + 迭代指令元素 通过提供丰富的背景信息和适度的约束,激发AI的创造性思维,同时通过多轮 迭代促进创新 优化任务执行效率 任务指令元素 + 结构元素 + 格式 元素 长度元素 + 风格元素 通过清晰的任务指令和预定义的结构提高执行效率,同时确保输出符合特定的 格式和风格要求 提升输出一致性 风格元素 + 知识域元素 + 约束条 件元素 格式元素 + 质量控制元素 通过统一的风格和专业领域知识确保输出的一致性,同时使用约束条件和质量 控制维持标准 增强交互体验 迭代指令元素 + 输出验证元素 + 质量控制元素 任务指令元素 + 背景元素 建立动态的交互模式,允许AI进行自我验证和优化,同时根据任务和背景灵活 调整输出 提示语元素协同效应理论的核心观点包括: 互补增强:某些元素组合可以互相弥补不足,产生1+1>2的效果。 级联激活:一个元素的激活可能引发一系列相关元素的连锁反应,形成 一个自我强化的正反馈循环。 冲突调和:看似矛盾的元素组合可能产生意想不到的积极效果。 涌现属性:某些元素组合可能产生单个元素所不具备的新特性。.

Scene 25 (29m 23s)

[Audio] 调教AI的秘籍:让你的提示语效果倍增的关键策略 如何实现精准定义:明确的核心问题、具体化的 生成指令、去除多余信息 策略一:精准定义任务,减少模糊性 分解任务的技巧:分段生成、逐层深入、设置逻 策略二:适当分解复杂任务,降低AI认知负荷 辑结构 引导性问题的设计要点:设置多个层次的问题、 策略三:引入引导性问题,提升生成内容的深度 促使AI对比或论证、引导思维的多样性 控制提示语长度的技巧:避免嵌套复杂的指令、 策略四:控制提示语长度,确保生成的准确性 保持简洁性、使用分步提示 开放式提示:提出开放性问题,允许AI根据多个 策略五:灵活运用开放式提示与封闭式提示 角度进行生成 封闭式提示:提出具体问题或设定明确限制,要 求AI给出精准回答.

Scene 26 (31m 6s)

[Audio] 常见陷阱与应对:新手必知的提示语设计误区 缺乏迭代陷阱:期待一次性完美结果 应对策略: 陷阱症状: 采用增量方法:从基础提示语开始,逐步添加细节和要求。 过度复杂的初始提示语 主动寻求反馈:要求AI对其输出进行自我评估,并提供改进建议。 对初次输出结果不满意就放弃 准备多轮对话:设计一系列后续问题,用于澄清和改进初始输出。 缺乏对AI输出的分析和反馈 过度指令和模糊指令陷阱:当细节淹没重点或意图不明确 应对策略: 陷阱症状: 平衡详细度:提供足够的上下文,但避免过多限制。 提示语异常冗长或过于简短 明确关键点:突出最重要的2-3个要求。 AI输出与期望严重不符 使用结构化格式:采用清晰的结构来组织需求。 频繁需要澄清或重新解释需求 提供示例:如果可能,给出期望输出的简短示例。.

Scene 27 (32m 35s)

[Audio] 常见陷阱与应对:新手必知的提示语设计误区 幻觉生成陷阱:当AI自信地胡说八道 假设偏见陷阱:当AI只告诉你想听的 陷阱症状: 陷阱症状: AI提供的具体数据或事实无法验证 提示语中包含明显立场或倾向 输出中包含看似专业但实际上不存在的术语 获得的信息总是支持特定观点 或概念 缺乏对立或不同观点的呈现 对未来或不确定事件做出过于具体的预测 应对策略: 明确不确定性:鼓励AI在不确定时明确说明。 应对策略: 事实核查提示:要求AI区分已知事实和推测。 自我审视:在设计提示语时,反思自己可能存在的偏见。 多源验证:要求AI从多个角度或来源验证信 使用中立语言:避免在提示语中包含偏见或预设立场。 息。 要求多角度分析:明确要求AI提供不同的观点或论据。 要求引用:明确要求AI提供信息来源,便于 批判性思考:对AI的输出保持警惕,交叉验证重要信息。 验证。.

Scene 28 (34m 16s)

[Audio] 常见陷阱与应对:新手必知的提示语设计误区 忽视伦理边界陷阱:低估AI的伦理限制 AI伦理考虑要点 陷阱症状: 提示语设计检查清单 隐私保护 要求AI生成有争议、不道德或非法内容。 目标明确性 公平性和非歧视 对AI的拒绝或警告感到困惑或不满。 信息充分性 透明度和可解释性 尝试绕过AI的安全机制。 结构合理性 社会影响评估 忽视AI输出可能带来的伦理影响。 语言中立性 安全和滥用防范 伦理合规性 可验证性 应对策略: 迭代空间 了解界限:熟悉AI系统的基本伦理准则和限制。 输出格式 合法合规:确保你的请求符合法律和道德标准。 难度适中 伦理指南:在提示语中明确包含伦理考虑和指导原则。 多样性考虑 影响评估:要求AI评估其建议或输出的潜在社会影响。.

Scene 29 (35m 56s)

[Audio] 常见陷阱与应对:新手必知的提示语设计误区 挖掘反向思维:从非传统角度切入 创新设计策略: 设定逆向任务:提示语可以引导AI从相反的角度处理问题,提供不同于传统生成的内容。 挑战预设思维模式:通过打破任务的常规设定,促使AI生成具有挑战性和创新性的内容。 灵活运用任务开放性:给AI自由发挥的空间 创新设计策略: 设定基本框架,留出探索余地:提示语应提供一个结构化的框架,包含具体的生成目标,但不应过度限制表 达方式或细节内容,给AI足够的空间进行创造。 多维度任务引导:通过引导AI从多个角度看待问题,激发其对生成内容的多样化思考。.

Scene 30 (37m 12s)

[Audio] AI缺陷:臆造之辞 概率幻觉 AI幻觉(AI Hallucinations)是指生成式人工智能 模型在生成文本或回答问题时,尽管表面上呈现出逻 辑性和语法正确的形式,但其输出内容可能包含完全 虚构、不准确或与事实不符的信息。 形成原因 AI幻觉的产生通常是由于模型在缺乏相关信息 的情况下,通过概率性选择生成内容,而非基 于真实世界的知识库或逻辑推理,这使得其输 出不仅难以信赖,且可能误导用户。 除AI幻觉这一关键缺陷外,潜在的缺点与局限还包括 可解释性、计算成本、数据偏见、实时更新、数据安 全、个人隐私、恶意输出等。.

Scene 31 (38m 24s)

[Audio] AI幻觉:五类七特 虚实迷域 五"类" 七"特" 幻觉类型 数据可用 性 语境精 确度 外部信息 整合能力 逻辑推理和 抽象能力 典型错误表现 理解 能力 深度 数据误用 有数据 低 高 高 中 误用已有数据,回答 部分不符或细节错误 语境误解 有数据 高 低 高 中 对问题的意图理解错 误,回答偏离主题 信息缺失 无数据 中 高 低 中 未能正确获取或整合 外部信息 推理错误 部分数据 高 高 中 低 逻辑推理中存在漏洞 或错误假设 无中生有 无数据 低 中 低 低 在无数据支持下,生 成完全虚构的信息.

Scene 32 (39m 38s)

[Audio] AIGC评测:2个国家级项目+1套自动化测评系统 两项国家级项目: 2023国家自然科学基金青年项目"面向人工智能生成内 容的风险识别与治理策略研究" 2023国家资助博士后研究人员计划B档"AIGC意识形态 安全评估" AIGC评测 指标体系 共计26个细分指标.

Scene 33 (40m 12s)

[Audio] 创新的火花:如何设计出独具匠心的提示语? 矛盾思维法:利用对立促进创新 抽象—具体循环法:在不同抽象层次间灵活切换 利用矛盾性促进创新 引入对立概 抽象化问题 具体化反馈 迭代优化 念 提出冲突性任务要求 运用类比与隐喻:增强创意表达 融合批判性思维与创新推理 使用类比说明复杂概念 质疑既有框架 多方论证与批判结合, 创新推理 增强生成内容的全面性 隐喻增强语言的表达层次 涌现思维模型:利用集体智慧的提示语设计 选择具备启发性的类比 分解与重组:先将复杂问题分解为简单组件,再设 反向设计思维:从生成结果倒推提示语 计其交互方式。 互动规则设定:在提示语中定义组件互动规则。 从期望结果 倒推提示语 整体行为观察:设计机制来观察和解释从互动中涌 开始 灵活调整提 示语细节 结构 现的整体行为。.

Scene 34 (41m 52s)

[Audio] 提示语链的概念与特征 提示语链是用于引导AI生成内容的连续性提示语序列。通过将复 杂任务分解成多个可操作的子任务,确保生成的内容逻辑清晰、 主题连贯。从本质上看,提示语链是一种"元提示"(meta-prompt) 策略,它不仅告诉AI"做什么",更重要的是指导AI"如何做"。 提示语链的设计和应用建立在多个理论基础之上,包括认知 心理学、信息处理理论、系统理论、创造性思维理论和元认 知理论,核心特征包括:.

Scene 35 (42m 42s)

[Audio] 提示语链的作用机制(一) 在提示语设计中,提示语链发挥着至关重要的作用,通过系统性地引导AI生成高质量、创新性的内容。以下 是提示语链在内容生成过程中的七个主要作用机制 任务分解与整合 知识激活与联想 �实战技巧: �实战技巧: 1. 列出与[主题]相关的所有关键知识点,逐一进行详细解释。 1. 将这个复杂的主题分解为几个主要部分,逐一讨论每个部分。 任务分解 2. 从不同领域中寻找与[问题]相关的知识点,并进行创造性联想。 2. 对每个子任务设定具体目标和预期成果。 3. 通过比喻或类比,将[复杂概念]与日常经验联系起来,便于理解。 3. 在每个子任务完成后,总结其关键点并与整体主题关联。 结果整合 4. 使用头脑风暴技术,生成多个可能的联想和创新点。 4. 通过层次结构图或思维导图展示分解后的各部分及其关系。 5. 将联想到的新观点或概念,整合进现有的知识体系中。 5. 结合各部分的结果,撰写一段总结性内容,确保整体连贯。 思维框架构建 �实战技巧: 创意引导与拓展 �实战技巧: 1. 明确这个问题的核心要点,然后系统地收集相关信息进行分 1. 请从一个全新的角度重新思考[问题/主题],并提出与众不同的见解。 析。 2. 请将其他领域中与此不相关的概念结合起来,探索其在[主题]上的应用。 问题定义 2. 列出与主题相关的所有关键概念和理论,并进行系统梳理。 3. 请设定一个全新的情境,讨论在此情境下[问题/主题]会有怎样的发展。 信息收集 3. 使用逻辑框架图展示信息收集、分析和结论的过程。 4. 请挑战现有的常规观点,从反面角度思考[问题/主题],并提出新的可能性。 分析综合 4. 针对每个关键概念,撰写简要解释并说明其在文章中的作用。 5. 请结合不同学科的理论,提出一个创新的解决方案。 结论形成 5. 通过案例分析或实例应用,验证思维框架的有效性和适用性。 6. 请从结果出发,倒推可能的原因和过程,探索新的解决途径。.

Scene 36 (45m 50s)

[Audio] 提示语链的作用机制(二) 质量控制与优化 �实战技巧: 反馈整合与动态调整 �实战技巧: 1. 在每个步骤完成后,进行自我评估和质量检查。 1. 请对当前内容进行评估,列出主要优缺点,并提出具体的改进建议。 2. 使用清单核对每个部分是否满足预期目标和质量标准。 2. 请根据前一阶段的反馈,逐步修改和完善内容,列出修改的具体步骤。 3. 设立中期检查点,对任务进度和质量进行评估和调整。 3. 请根据内容生成过程中出现的新问题,动态调整后续提示语,并解释调整原 4. 请求同行或专家对内容进行审阅并提供反馈。 因。 5. 根据反馈意见,逐步优化和完善文章的各个部分。 4. 请收集多方反馈,综合考虑并调整内容生成方向,列出不同来源的反馈及其 对生成内容的影响。 5. 请定期对生成的内容进行检查,确保各部分内容协调一致,并列出检查的具 多模态信息处理 �实战技巧: 体方法和步骤。 1. 请将[主题]相关的文本描述与数据结合,生成一个全面的分析报告。 6. 请将新获取的信息和反馈整合到已有内容中,形成一个有机整体,详细描述 2. 请根据[主题]创建一个包含图像和数据可视化的报告,详细描述可视化方法。 整合的步骤和方法。 3. 请设计一个融合文本、图像、音频或视频元素的多媒体内容,增强内容的丰富 提示语链的优势与挑战 性。 类别 优势 挑战 4. 请设计一个互动数据展示方案,使读者可以与数据进行互动,并详细描述设计 结构化思维 引导AI按照预设逻辑进行创作 设计合理的逻辑结构需要经验和技巧 步骤。 内容深度 通过多步引导,实现更深入的内容 5. 请将不同媒体形式的内容进行联动展示,例如将文字内容与图像和数据可视化 探讨 控制每个步骤的输出深度,避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 结合起来。 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源 6. 请选用合适的数据可视化工具,并详细描述其使用方法,生成可视化内容。 7. 请将具体案例与数据分析相结合,生成一份包含案例分析的多模态报告。 灵活调整 可根据中奖结果随时调整后续提示 实时调整需要较高的判断和决策能力.

Scene 37 (49m 4s)

[Audio] 提示语链的设计原则 提示语链的设计需要遵循一定的原则,以确保其在任务执行中的有效性和连贯性。这些原则为提示语链的构 建提供了清晰的指导,帮助系统地组织和引导任务的分解与处理,以下是设计提示语链时应该考虑的关键原 则: 01 目标明确性 02 逻辑连贯性 确保提示语之间存在清晰的逻辑关系,避免跳跃性太 强。每个提示语应该自然地引导到下一个提示语,形 成一个连贯的思维链条。这个过程可以将提示语链设 计成模块化的结构,使其易于调整和重用,提高提示 语链的灵活性和效率。 03 渐进复杂性 04 灵活适应性 05 多样性思考 06 反馈整合机制 模块化提示语链设计.

Scene 38 (50m 4s)

[Audio] 提示语链的设计模型 为了更好地理解和设计提示语链,可采用CIRS模型(Context, Instruction, Refinement, Synthesis)。这个 模型概括了提示语链设计的四个关键环节: R e f i n e m e n t ( 优 化 ) C o n t e x t ( 上 下 文 ) 对初步输出进行修改和完善 提供背景信息和任务概述 I n s t r u c t i o n ( 指 令 ) Synthesis(综合) 整合所有输出,形成最终成果 给出具体的指示.

Scene 39 (50m 41s)

[Audio] 任务分解的提示语链设计步骤 任务分解的概念源于问题解决理论和系统工程学。将任务分解应用于提示语设计,实际上是在模拟人类处理 复杂问题的方式。这种方法主要基于分而治之原则、层级结构理论以及认知负荷理论作为其理论基础。 设计基于任务分解的提示语链涉及以下步骤: 识别主要 细化子任 明确总体 定义微任 任务 加入反馈 调整机制 务 目标 建立任务 间联系 设计对应 提示语 务.

Scene 40 (51m 24s)

[Audio] SPECTRA任务分解模型 为了更有效地进行任务分解,可以采用SPECTRA模型(Systematic Partitioning for Enhanced Cognitive Task Resolution in AI): �基于SPECTRA模型的提示语链设技巧: 1. 分割提示:"将[总任务描述]分解为3—5个主要组成部分,确保每个 Segmentation(分割):将大任务分为独立但相关的 部分都是相对独立但与整体目标相关的。" 部分 2. 优先级提示: "对上述分解的任务进行优先级排序,考虑它们对总 Prioritization(优先级):确定子任务的重要性和执行 体目标的重要性和逻辑顺序。" 3. 细化提示:"选择优先级最高的子任务,将其进一步细化为2—3个具 顺序 体的行动项或小目标。" Elaboration(细化):深入探讨每个子任务的细节 4. 连接提示:"分析各个子任务之间的关系,确定它们如何相互支持和 Connection(连接):建立子任务之间的逻辑关联 影响,以及如何共同推进总体目标的实现。" Temporal Arrangement(时序安排):考虑任务的时 5. 时序提示:"为每个子任务制定一个粗略的时间表,考虑它们的依赖 关系和完成所需的相对时间。" 间维度 6. 资源分配提示:"评估每个子任务的复杂度,分配1—10的'注意力分 Resource Allocation(资源分配):为每个子任务分配 数',指导在执行过程中如何分配计算资源。" 适当的注意力资源 7. 适应提示:"在执行每个子任务后,评估其输出质量和对总体目标的 贡献,必要时调整后续任务的优先级或内容。" Adaptation(适应):根据AI反馈动态调整任务结构.

Scene 41 (53m 12s)

[Audio] 思维拓展的认知理论基础 思维拓展的提示语链设计建立在创造性认知理论的基础上。根据Geneplore模型(Generate-Explore Model), 创造性思维包括两个主要阶段: 生成阶段(Generate)和探索阶段(Explore),可 以将这一理论应用到AI内容生成的过程中,设计相 应的提示语策略。 发散思维的提示语链设计 (基于"IDEA"框架) �实战技巧:操作方法 Imagine(想象):鼓励超越常规的思考 1. 使用"假设情景"提示激发想象力 2. 应用"多角度"提示探索不同视角 Diverge(发散):探索多个可能性 3. 使用"深化"提示拓展初始想法 Expand(扩展):深化和拓展初始想法 4. 设计"反转"提示寻找替代方案 Alternate(替代):寻找替代方案.

Scene 42 (54m 25s)

[Audio] 思维拓展的提示语链设计 聚合思维的提示语链设计 基于"FOCUS"框架 跨界思维的提示语链设计 基于"BRIDGE"框架 Blend(混合):融合不同领域的概念 Filter(筛选):评估和选择最佳想法 Reframe(重构):用新视角看待问题 Optimize(优化):改进选定的想法 Interconnect(互联):建立领域间的联系 Combine(组合):整合多个想法 Decontextualize(去情境化):将概念从原始环 Unify(统一):创建一致的叙述或解决方案 境中抽离 Synthesize(综合):形成最终结论 Generalize(泛化):寻找普适原则 Extrapolate(推演):将原理应用到新领域 �实战技巧:操作方法 �实战技巧:操作方法 1. 使用"评估矩阵"提示进行系统性筛选 2. 应用"优化循环"提示迭代改进想法 1. 使用"随机输入"提示引入跨领域元素 3. 设计"创意组合"提示融合不同概念 2. 应用"类比映射"提示建立领域间的联系 4. 使用"叙事架构"提示创建统一的故事线 3. 设计"抽象化"提示提取核心原理 5. 应用"综合提炼"提示形成最终观点 4. 使用"跨域应用"提示探索新的应用场景.

Scene 43 (56m 12s)

[Audio] 深度融合:整合知识与创意的提示语链优化策略 优化提示语链不仅在于提示语的微调,更在于逻辑链、知识链与创意链的有效整合与融合。通过整合这三条链 条,可以提升生成内容的逻辑严谨性、知识广度与创新深度,达到最佳平衡。 三链融合的动态优化系统 三链融合模型 平衡评估器:实时评估三链的 逻辑链(Logic Chain):确保推理的严密性和论证的连贯性 贡献度,确保均衡发展 知识链(Knowledge Chain):激活和应用相关领域知识 适应性切换机制:根据任务需 创意链(Creativity Chain):促进创新思维和独特见解 求和当前输出,动态切换侧重 点 逻辑链优化策略 知识链优化策略 创意链优化策略 交叉强化策略:利用一个链条 的强点来补强另一个链条的弱 应用形式逻辑原理 构建多层次知识图谱 应用创造性思维技巧 点 构建论证结构图 实施知识检索与集成 实施概念重组与融合 整合检查点:定期综合评估输 使用逻辑关系词强 进行跨域知识映射 进行情境转换与类比 出的逻辑性、知识深度和创新 化连接 度.

Scene 44 (58m 18s)

[Audio] 即学即用:复杂任务的提示语链设计实战 成果展示与改进建议 需要考虑的因素 任务目标、目标受众、文章类型、字数要求、特殊要求 通过以下反思和评估的框架对AI 整体提示语链设计框架 生成内容进行审查与质量评估: 通过四个关键步骤:分析(Analysis)、构思(Ideation)、发展(Development) 内容全面性 和评估(Assessment),为提示语链的设计提供系统化的指导。 论证深度 在分析阶段,首先明确 构思阶段注重创新性思 创新洞见 任务目标和关键问题 维,探索多种解决方案 实践指导 最后的评估阶段用于反 在发展阶段,逐步深化 思和优化,确保生成内 结构清晰度 构思并形成具体的内容 容符合预期标准并持续 方案 语言表达 改进 执行技巧与注意事项 跨学科整合 未来展望 递进式深化 动态调整 定期回顾 交互式改进 平衡控制.

Scene 45 (59m 45s)

[Audio] 语用意图分析(PIA):解码内容生成目的 应用示例 �PIA的理论基础: PIA建立在语用学和言语行为理论的基础上,通过分 假设需要撰写一篇关于"气候变化"的文章,目的是 析任务的语用意图,为AI设定明确的任务目标,并 "增强公众意识并促进行动": 语用意图 强度(1-10) 说明 提出了以下分类: 陈述型 8 提供关于气候变化的事实和数据 指令型 7 鼓励读者采取环保行动 陈述型(Assertive) 表达型(Expressive) 表达型 6 表达对气候变化的关切 承诺型 3 提出未来行动的建议 宣告型 1 不适用于此文章 指令型(Directive) 宣告型(Declarative) 任务目标:创作一篇关于气候变化的文章,旨在提高公众意识并促进行动。 承诺型(Commissive) 主要语用意图: (1)陈述型(强度8):提供可靠的气候变化数据和科学发现。 (2)指令型(强度7):鼓励读者采取具体的环保行动。 �PIA实施步骤: (3)表达型(强度6):传达对气候变化威胁的紧迫感。 1. 识别主要语用意图:确定任务的首要目的 请确保文章: 包含来自权威来源的最新气候数据 2. 分析次要语用意图:识别可能的辅助目的 解释气候变化的原因和影响 3. 评估语用意图的强度:量化每种意图的强度 提供至少5个读者可以立即采取的行动建议 4. 构建语用意图矩阵:创建语用意图及其强度的矩阵 使用引人入胜的语言来激发读者的环保意识。.

Scene 46 (1h 2m 6s)

[Audio] 主题聚焦机制(TFM):锁定核心内容 应用示例 �TFM的理论基础: TFM借鉴了认知语言学中的"原型理论"和"框架语义 1. 主题原型 关键特征:全球变暖、极端天气、海平面上升、生态系统变化 学",可开发以下技巧: 代表性例子:北极冰盖融化、热带雨林减少、珊瑚白化 主题原型构建 确定主题的核心特征和典型例子 2. 语义框架 语义框架设置 创建与主题相关的概念网络 重点梯度建立 设定主题相关性的层级结构 3. 重点梯度 �TFM实施步骤: (1)气候变化的科学证据 1. 定义主题原型:列出主题的关键特征和代表性例子 (2)当前和预期的影响 2. 构建语义框架:创建与主题相关的概念图 (3)减缓和适应策略 3. 设置重点梯度:按重要性排序相关概念和子主题 (4)个人和集体行动的重要性 4. 主题引导符 4. 创建主题引导符:设计特定的关键词或短语来保持 主要关键词:气候变化、全球变暖、环境保护 主题聚焦 次要关键词:碳排放、可再生能源、可持续发展.

Scene 47 (1h 4m 1s)

[Audio] 细节增强策略(DES):深化内容质量 �DES的理论基础: DES整合了认知叙事学和信息处理理论,开发了以下策略: 多模态描述 微观—宏观连接 对比强化 时空定位 数据可视化 �DES实施步骤: 1. 识别关键概念:确定需要详细阐述的核心想法 为了使生成的气候变化文章变得更加深度和细节, 2. 设计细节矩阵:为每个关键概念创建多维度的细 可以利用DES(Detailed Explanation Strategy)来 节要求 构建一个关键概念细节矩阵。 3. 构建微观-宏观桥接:设计连接具体事例和抽象概 概念 数据 案例 感官描述 对比 全球变 100年前vs现在 念的提示 暖 过去100年平均 温度上升1.1°C 北极冰盖融化 夏日的炎热,冬天 的反常温暖 的平均温度 4. 创建感官描述指南:为抽象概念设计具体的感官 50年前vs现在的 描述要求 海平面 上升 每年上升3.3毫米 马尔代夫岛屿被 淹没的风险 海浪拍打着曾经的 陆地,咸涩的海风 海岸线 5. 制定数据展示策略:规划如何将数据转化为生动 极端天 强飓风发生频率 正常夏天vs热浪 狂风呼啸,暴雨如 注,令人窒息的高 气 增加20% 2022年欧洲热浪 天气 温 的叙述或可视化形式.

Scene 48 (1h 6m 8s)

[Audio] 跨域映射机制(CMM):激发创新思维 (2)逐层展开类比: �CMM的理论基础: a.将防火墙和访问控制比作皮肤和黏膜,解释它们如何作为第一道防线。 b.描述入侵检测系统如何像白细胞一样在网络中"巡逻",识别和应对威胁。 CMM的理论基础借鉴了认知语言学中的概念隐喻 c.解释签名式防御如何类似于抗体,能够快速识别和中和已知威胁。 理论和认知科学中的类比推理方法论: d.比较系统隔离和清理过程与人体发烧的相似性,都是为了控制"感染"扩散。 e.讨论威胁情报数据库如何类似于免疫记忆,使系统能够更快地应对重复出现的威胁。 结构映射 属性转移 关系对应 抽象模式提取 (3)深入探讨启示: �CMM实施步骤: a.分析免疫系统的适应性如何启发自适应安全系统的设计。 b.探讨免疫系统的分层防御策略如何应用于网络安全的纵深防御概念。 1. 源域选择:根据任务选择合适的类比源域 c.讨论过度免疫反应(如过敏)可能对应的网络安全问题(如误报或过度限制)。 2. 映射点识别:确定源域和目标域间关键对应点 (4)创新思路: a.提出"数字疫苗"概念,探讨如何通过模拟攻击来增强系统抵抗力。 3. 类比生成:创造性地将源域概念应用于目标域 b.讨论"网络卫生"概念,类比个人卫生如何预防疾病。 4. 类比细化:调整和优化类比,确保其恰当性和 c.探索"数字共生"理念,类比人体中的有益菌群,讨论如何利用良性AI来增强网络 新颖性 安全。 (5)挑战与展望: 应用示例 a.分析这种类比的局限性,指出人体免疫系统和网络安全系统的关键差异。 任务:创作一篇探讨现代网络安全策略的文章,运用人体免疫系统作为核心 b.展望未来:讨论如何进一步借鉴生物系统的其他特性来增强网络安全。 类比。 注意:在使用类比时,应保持科学准确性,避免过度简化复杂的技术概念。确保文章既 (1)开篇以简洁的方式介绍人体免疫系统和网络安全系统的相似性,为整 生动有趣,又具有实质性的技术深度。 篇文章设定基调。.

Scene 49 (1h 9m 44s)

[Audio] 概念嫁接策略(CGS):创造性融合 �CGS的理论基础: CGS借鉴了认知科学中的概念整合理论,概念嫁接策略的基本构成如下: 应用示例 输入空间定义 明确要融合的两个或多个概念领域 任务:尝试将"社交媒体"和"传统图书馆"这两个概念进行嫁接,以设计一 通用空间识别 找出输入空间之间的共同特征 个创新的知识共享平台。 (1)输入概念: 选择性投射 从输入空间选择相关元素进行融合 社交媒体:即时性、互动性、个性化、病毒传播 传统图书馆:知识储备、系统分类、安静学习、专业指导 涌现结构构建 在融合空间中创造新的、创新结构 (2)共同特征: 信息存储和检索 �CGS实施步骤: 用户群体链接 知识分享 1. 选择输入概念:确定要融合的核心概念 (3)融合点: 2. 分析概念特征:列出每个输入概念的关键特征和属性 实时知识互动 3. 寻找共同点:识别输入概念之间的共享特征 知识深度社交网络 数字化图书馆员服务 4. 创造融合点:设计概念间的创新性连接点 个性化学习路径 5. 构建融合提示:创建引导AI进行概念嫁接的提示语.

Scene 50 (1h 11m 45s)

[Audio] 知识转移技术(KTT):跨域智慧应用 应用示例 �KTT的理论基础: KTT基于认知科学中的迁移学习理论和组织学习理论。 假设如果想要改善在线教育平台的学生参与度,可以尝试从游戏设计领域转移 提出了以下关键步骤: 知识。 (1)问题定义:提高在线教育平台的学生参与度和学习动力 源域识别 知识重构 (2)源域:游戏设计 关键知识:游戏化机制、玩家心理学、关卡设计、即时 反馈系统 知识抽象 应用与验证 (3)知识提取与抽象: 进度可视化 目标域映射 成就系统 社交互动 �KTT实施步骤: 个性化挑战 1. 定义问题:明确目标领域需要解决的问题或创新点 即时反馈 (4)相似性分析: 2. 寻找源域:搜索可能包含相关知识或方法的其他领域 游戏玩家 <-> 学生 3. 知识提取:从源域提取关键的知识、技能或方法 游戏关卡 <-> 课程单元 4. 相似性分析:分析源域和目标域之间的结构相似性 游戏技能提升 <-> 知识获取 5. 转移策略设计:制定知识从源域到目标域的转移策略 游戏社交系统 <-> 学习社区 6. 构建转移提示:创建引导AI进行知识转移的提示语.