DeepSeek-R1不再是chat model，过往那套提问方式已经不再试用：

DeepSeek-R1 不要复杂的提示工程，只要大白话描述清楚你的目标，即现在大家所说的“人话”

过去Prompt：

# 角色``你是一个xx专家``# 描述``# 技能``## 技能1: xxx``## 技能2: xxx``# 限制条件``# 输出格式``# 工作流程``# 示例（few-shot）

现在，输入：“模仿静夜思，换成太阳”，DeepSeek-R1会自主推理的作用，不指导它如何操作——只指导它是什么。

但是并不意味着DeepSeek-R1落地就“无所顾忌”了，答案是否定的，首篇关于DeepSeek-R1安全性问题研究论文出炉了，给出了DeepSeek-R1的使用建议，其中就包括Prompt设计与使用指南****

1. 提示工程：

• 使用清晰、简洁且无歧义的提示。

• 避免对DeepSeek-R1使用few-shot提示，因为这已被证明会在复杂任务中降低性能。相反，使用zero-shot或结构化提示。

3. 输出格式化：

• 指定输出要求，例如结构化格式（JSON、表格或markdown），以便于阅读和集成到下游系统中。

• 对于需要推理的任务，包括逐步解释的指令，以确保透明度和可解释性。

5. 语言一致性：明确指定输入和输出所需的语言，以防止语言混合，这是DeepSeek-R1的一个已知问题

同时，也给出了DeepSeek-R1全面的部署建议，尽量减少潜在有害输出的风险：

监控与安全机制

1. 设置护栏和内容过滤：实施护栏和后处理过滤器，从模型的响应中移除潜在有害内容，

2. 人工监督：在工作流程中加入人工监督，以监控和审查模型的输出，特别是在安全关键的应用中。

3. 定期审计输出：定期审查模型的输出，以确保其符合组织的安全标准和道德准则。

部署中的风险缓解

1. 避免高风险场景：

2. 不要在输出错误可能导致重大伤害的应用中部署DeepSeek-R1（例如，在医疗或金融系统中的自主决策），

3. 此外，由于观察到的语言不一致、有害行为和多轮性能退化问题，DeepSeek-R1不适合用于Agentic AI部署，这可能会在高风险环境中加剧风险。

4. 针对敏感应用进行定制：在敏感领域（例如法律、医学）中，在微调和评估阶段纳入领域专家，以确保负责任地使用。

最后，如果确实要给DeepSeek-R1如何使用加一个规范，可参考文章

[划重点：OpenAI o1/o3的正确打开方式]

• 明确目标（Goal）

• 指定返回格式（Return Format）

• 附加注意事项（Warnings）

• 大量背景信息（Context Dump）

https://arxiv.org/pdf/2501.17030``Challenges in Ensuring AI Safety in DeepSeek-R1 Models: The Shortcomings of Reinforcement Learning Strategies

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓