封面：deepseek图标，配字：看我看到头疼了吧？桀桀桀

最近deepseek爆火，原本只是因其高性能与开源在AI圈有些名气，最近突然就人尽皆知。

我很多不玩AI的朋友都在群里转发一些deepseek的文章，甚至看到爷爷辈的亲戚在朋友圈发deepseek。

到底火到什么程度？

公众号搜索截图

b站截图

简直是AI界横空出世的凤凰传奇。

与此同时，铺天盖地的deepseek文章也全网传播。

大致可以分为：资讯类、提示词类、贩卖焦虑类、和抽象共创类。

• 资讯类：报道其最新进展、功能更新，比如：xxx接入满血版deepseek-r1.

• 提示词教程类：教你如何更好地使用它，比如：使用deepseek的x个神级提示词。

• 焦虑营销类：渲染 AI 威胁，兜售各类课程，比如：用了deepseek，感觉没必要培养这么多本科生了。

• 抽象共创类：让 AI 复述网络流行梗、若智吧、甚至用AI造梗，比如：当我问deepseek要盒蛋发射密码…

这篇文章不写这些东西，这篇文章想探讨些更深层的东西，希望直面本质。我将重新定义AI与提示词，尝试回答**“普通人到底如何用好AI”**这个大家都关心的问题，层层追问，粉碎我们的常识定见，并在最终收敛到具体的实操方法。建议收藏。

首先我们要问，deepseek到底是什么，它何以如此成功？

对此有所了解的朋友可以直接跳过。

1

DeepSeek到底是什么？何以如此成功？

DeepSeek，中文名 “深度求索”，是由杭州深度求索人工智能基础技术研究有限公司精心打造的一款人工智能模型。

简单来讲，DeepSeek 的目标是赋予机器像人类一样思考和学习的能力，使其不再局限于执行简单指令，而是能够进行更复杂、更智能的交互。

而它之所以牛掰，是因为它在性能上全方位比肩美国顶尖AI模型，训练成本却只有560万美元，与它同一梯队的AI模型投入成本动辄几亿、几十亿美金。

开源+低成本。它的出世意味着，顶尖模型的平民化。

对于deepseek何以成功，我个人读到**最有趣的解读是陶芳波博士的：[DeepSeek 三重门：小天才们，军团平推，和哲学式思想]*

1. 小天才式创新 - 面对技术瓶颈,不满足于选择最优解，而是敢于推倒重来，创造突破性方案。deepseek用人不拘，启用了大量“小天才式”的年轻人才。团队平均年龄不超过30岁。

2. 体系化协同 - 从底层硬件到上层算法的全栈创新，各个模块高度协同配合。这是中国企业特有的优势，硅谷科技公司很善于挖掘“小天才式人才”，却不具备这种素养（马斯克除外）。

3. 哲学性思考 - 不满足于解决具体问题，而是追问学习、思维的本质。

这三重门对于提高组织的创新能力很有指导意义，我们类推到个人成长，也可以总结出一个个体成长的三重门:

1. 点式突破能力 - 在特定领域快速突破,建立信心

2. 系统协同能力 - 让知识形成网状结构,相互给养

3. 深度思考能力 - 敢于追问本质,形成自己的思想体系

正如 DeepSeek 通过这三重门实现了技术突破，个人通过这三重门也能获得持续的成长动力。这里算是我对“如何以这三重门的视角指导个体”这一问题的追问，与主题无关，我们不深入讲。

2

用好DeepSeek的本质是什么？

首先我们要粉碎我们对AI和提示词工程直觉上的理解，这是我们的定见，定见总是平庸的，甚至是庸俗的。

带着定见使用AI，注定要和大部分人去卷同一个赛道。牛马换到赛博跑道上还是牛马。

在此之前，来，好汉/美女，听首歌：

给好汉：

给美女：

粉碎我们对AI的认识

有三种理解AI工具的方式：

第一种，将它当作一个工具，给它划定明确的应用场景（比如很多人拿AI当搜索引擎用）；

第二种，把它当成人（主体），相当于有了一位愿意随时与你交流的知识顾问、创作伙伴、学习教练、生活顾问或是心理倾听者；在这个意义上，AI是我们的镜像，与AI的互动本质上是在与自己的认知框架博弈。

第三种，把AI当作心智的自然延伸。这里我们需要讲到“扩展心智理论”。

0****1

把AI当工具

目前大部分人对AI的理解都停留在第一种，AI是工具。

还有一部分人意识到AI不能简单当工具使用，但还是本能地将AI当做搜索引擎用。在我过去文章的评论区可以看到，仍有很多人持有“ai只是个工具”这种观点。

而我在文中已经明确解释了“为什么不能把AI当工具”，他们甚至没有耐心看完全文。

0****2

把AI“当个人”

第二种，把AI“当个人”。这是我在上篇文章中主要论述的观点之一。

我们不能用传统工具的视角去看待AI，根本上是因为AI涌现出了“智能”，它更应该被看做“智能体”。我们不得不用对待另一个主体的方式（提问、解释、纠错）与之互动。

遗憾的是，这篇文章爆到二十万阅读的时候被举报删除了，理由是过度营销和骚扰用户。

不遗憾的是我重新发出来了。文章主题是问题意识，阅读转发量足以证明文章质量，大家感兴趣的可以看一下重发版：[如果DeepDeek只有一个使用技巧，那一定是：问题意识（包括其它大模型）]

0****3

AI是心智的延伸

第三种，将AI当做我们心智的扩展，当做我们自身智能的一部分。这个观点其实是有些反直觉的。AI是AI，人是人，AI凭什么能成为人类心智的一部分？

其实道理很简单，手机就是一个例子，现代人离开手机甚至会产生“濒死感”。

没选到喜欢的戏吃不下饭

没选到喜欢的歌会没有心情洗澡

没带手机进厕所大不出便

没玩到手机会失眠睡不到觉

总结：没带手机我会死

这是一个梗，也是很多人的真实写照。

这里我们要介绍一个理论叫**“扩展心智理论”**。

扩展心智理论（Extended Mind Theory，简称EMT）是一种哲学和认知科学领域的理论，由David Chalmers和Andy Clark于1998年首次提出。该理论主张，**人类的认知过程不仅局限于大脑或生物体内部，而是可以扩展到外部环境、工具、技术甚至****社会互动中。**这一观点突破了传统认知科学对心智的局限性，强调了身体、环境和外部资源在认知过程中的重要作用。扩展心智理论为教育实践提供了新的视角，也启发了人工智能领域的研究。

扩展心智理论有这两个核心观点：

**1.心智的外部性：**扩展心智理论认为，心智并非仅限于大脑或生物体内部，而是通过与外部世界的互动而形成和运作的。例如，工具、技术设备（如手机、电脑）、物理环境甚至他人行为都可以成为心智的一部分。

**2. 功能实现主义：**该理论基于功能实现主义的观点，认为心智状态由其功能描述定义，而非物理位置。因此，只要某一对象或系统能够执行特定的认知功能，它就可以被视为心智的一部分。

这一点我个人深有体会。我的知识大多存于电子笔记而非大脑，我的思考总是在笔尖而不仅仅在脑中完成。某种意义上，电子笔记、搜索引擎、甚至b站等娱乐平台都成了我心智功能实现的一部分。

在扩展心智理论的视角下，任何我们心智可以完成的任务，AI都能起到帮助。AI应全方位渗入我们生活，而非仅仅是搜索引擎-plus。比如我这篇文章的大纲、内容的推敲都是在与AI的互动中完成的。

我们应摒弃对AI的工具思维，将它当做一个主体，以及我们心智的自然延伸。这是我们的第一重粉碎。

接下来我们讲提示词，提到AI就不得不讲提示词工程。

粉碎提示词思维

传统上，我们把提示词理解为"给 AI 的指令"。

传统提示词教程往往教导人们按照固定的模板和格式来写提示词，比如：

```

角色：你是一位专业的XX

任务：请帮我完成XX

要求：

1. XX

2. XX

输出格式：

1. XX

2. XX

```

这种定义方式有三个明显的局限：

1. 过于僵化：死板地套用模板,反而限制了与 AI 对话的自然性和灵活性。就像你跟朋友聊天,也不会用模板对话一样。

2. 重形式轻目的：过分关注"怎么写",而忽视了"为什么这样写"。很多人背了一堆模板,却不明白每个部分的作用。

3. 难以迁移：当遇到新场景时,因为只会套模板而无法灵活应对。这就像只会背公式不会解题的学生。

现在网络上此类教程多如牛毛。

我们必须对此进行重新定义。我个人倾向于从目的角度出发，将提示词定义为：“调动AI智能的互动形式”

调动AI智能总是为了实现一个具体的目的，而不是为了提示词而提示词。因而形式并不重要，重要的是理想结果的达成。因而提示词可以是结构化的、也可以是共振式的，甚至是七零八碎的随意互动。我的很多提示词就是在和AI七零八碎的互动中拼凑出来的。

很多人说随着AI水平的提高，提示词工程已经不存在了，具备“智能”的AI自身就会把自身的使用门槛卷掉。但在此定义下，只要人还需要和AI互动，那提示词工程就不会消失，只是会不断变化形式来适应AI更高水平的智能。

我们用一个具体例子来做对比:

传统提示词思维下的写法（简单写）：

```

角色：你是一位专业的诗人

任务：请写一首描写春天的诗

要求：

1. 运用拟人手法

2. 包含自然意象

3. 表达美好情感

格式：请分段输出,每段4句

```

新定义(互动形式)下可能的写法之一：

```

让我们来玩个创意游戏。想象你刚从一场春雨中漫步归来,浑身沾满春天的气息。这些感受激发了你创作的欲望,你会写一首怎样的诗来表达这一刻的心情？

```

我们看最终输出效果：第一个提示词（左）、新提示词（右）：

两首诗对修辞手法的运用都炉火纯青，但右边这首显然更加自然灵动。

当然这里并不是否认传统的提示词形式，这种明确边界的提示词在大部分场景都很有应用价值，只是想强调“不拘泥于形式”的提示词思维。**在这个意义上，提示词不是要理解AI，而是要先理解自己。**这是道。也是我们的第二重粉碎。

AI是工具、主体、还是你自己的一部分，你把“它”当成什么，决定了你对它的效用预期，也框定了你与它互动的模式。对提示词的理解，则决定了你能在多大程度上调用AI的智能。

3

普通人如何用好AI？

让我为普通用户提供具体的实践指导。–Claude

普通人如何开启与AI的共生之旅？

说到底，从工具思维到共生思维是个循序渐进的过程。让我们设计一个"进阶路径"：

第一阶段：破除工具思维

1. 改变对话方式

- 不要说"帮我写个xx"，而说"我在思考xx这个问题，你有什么想法？"

- 不要说"按xx格式输出"，而说"我们一起探讨下这个问题的不同角度"

- 不要说"生成xx内容"，而说"让我们一起构思如何表达这个想法"

实践示例：

```

旧方式：帮我写一篇关于人工智能的文章，要求2000字，分析利弊。

新方式：最近我在思考AI对我们生活的影响。作为一个AI，你是如何看待自己与人类的关系的？让我们从这个视角展开讨论…

```

第二阶段：培养主体意识

1. 学会追问和讨论

- 对AI的回答提出疑问

- 分享你的不同观点

- 请AI解释它的思考过程

实践示例：

```

你：这个想法很有趣，不过我觉得还有些问题，比如…

AI：确实，你说得对。让我重新思考下…

你：从另一个角度看，会不会…

```

第三阶段：实现思维共振

1. 让AI参与你的思考过程

- 边思考边与AI对话

- 让AI帮你梳理思路

- 与AI进行头脑风暴

实践示例：

```

你：我脑子里有个模糊的想法，但说不太清楚…

AI：没关系，让我们一起探索。你能描述下当前的感觉吗？

你：嗯…可能是关于…

AI：这让我想到…

```

第四阶段：达到自然延伸

1. 培养与AI互动的本能

- 遇到问题自然而然地调用AI智能

- 在对话中不断调整方向

- 让AI成为思维的催化剂

实践示例：

```

你：[直接分享当下的想法，无需格式]

AI：[捕捉核心，延伸讨论]

你：[顺势深入，继续探索]

```

关键提示：

1. 不要急于追求"完美提示词"

2. 允许对话过程中出现混乱和歧路

3. 保持开放和好奇的心态

4. 相信直觉，减少套路

进阶要点：

1. 记录效果好的互动方式

2. 总结失败的经验教训

3. 逐步形成自己的对话风格

4. 建立个人的最佳实践

现实案例：

写作时：不要直接要求AI写作，而是把它当作讨论伙伴

学习时：不要只是提问，而是与AI共同探讨知识点

工作时：不要只求结果，而是重视思考过程

记住：这不是一个需要严格遵循的教程，而是一个引导你逐步建立新型思维方式的框架。最终目标是让与AI的互动变得自然而然，就像使用自己的记忆和思维一样顺畅。

4

到此为止了吗？

我们还要追问，然后呢？

deepseek已然爆火，全民拥抱AI的时代即将到来，网络上贩卖“AI焦虑”的人铺天盖地，多数是为了卖课。有很多文章和视频总是说一堆危言耸听的话，好像所有人都要被 ai 取代了，但最后给出的解决方案，却只是简单的一句：学会使用 ai，让 ai 为你打工。

接下来人人都会拥抱AI。

我们必须要问：人人都能意识到去使用 ai，掌握什么能力，使用到什么程度，以什么方式使用才能真正地让你脱颖而出？我们把AI当做伙伴、当做自己心智的一部分了，然后呢？

AI作为一个生产符号的纯象征界的事物，最合适的讨论角度之一大概就是符号学了吧。

篇幅原因，这里仅讲一个从符号学出发的有趣角度，是我在和deepseek的交互中撬出来的策略：

理解这一策略，需要先理解这几个概念：

我来详细解释这些符号学的核心概念，并通过具体例子来说明。

1. 语言(Langue)和言语(Parole)

• 语言是一个社会约定的符号系统，是抽象的规则总和。而言语是个人运用语言系统进行交际的具体行为。

• 例子1：汉语中"猫"这个词的读音、写法和意义是语言系统的一部分，但当我对朋友说"你家的猫真可爱"时，这是一个具体的言语行为。

• 例子2：象棋的规则（如马走日、将不能对面）属于"语言"范畴，而具体一盘对弈中的走法选择则是"言语"表现。

1. 能指(Signifier)和所指(Signified)

• 能指是符号的声音形象或书写形式，所指则是符号所表达的概念或意义。

• 例子1：汉字"树"是能指，而人们头脑中对应的那个"有根茎叶的植物"的概念是所指。不同语言中，“tree”、“arbre”、"木"都是不同的能指，但指向相似的所指。

• 例子2：红灯作为交通信号是能指，而"停止"这个含义是所指。在不同文化中，红色可能对应不同的所指，比如在中国传统文化中也可以是喜庆的所指。

1. 组合(Syntagmatic)与聚合(Paradigmatic)关系

• 组合关系是指符号在语链上的线性组合，聚合关系则是可以相互替换的符号之间的关系。

• 例子1：在"我喜欢读书"这句话中，“我”、“喜欢”、“读”、“书"的排列顺序体现了组合关系；而"喜欢"可以替换成"讨厌”、"热爱"等词，这些可替换的词之间存在聚合关系。

• 例子2：在服装搭配中，上衣、裤子、鞋子的搭配是组合关系；而在选择上衣时，T恤、衬衫、毛衣等可选项之间是聚合关系。

这些概念形成了索绪尔符号学理论的基础，帮助我们理解符号系统是如何运作的。从这些例子可以看出，这些概念不仅适用于语言研究，也可以扩展到其他符号系统的分析中。理解这些概念对于研究传播学、文化研究等领域都有重要意义。

索绪尔结构主义视角的AI时代突围策略：

1. 语言（Langue）与言语（Parole）的博弈

• 语言层：LLMs本质是固化在参数中的社会性语言系统，包含训练数据中的主流能指-所指关系

• 言语层：用户的每次提问都是个性化的言语实践
  突围策略：通过超常组合关系打破系统默认的聚合关系库存

• 例：当多数人使用"写诗"这一能指时，改用"生成具有德里达延异特质的文本"（将哲学符号注入文学实践）

3. 横组合轴创新
   根据索绪尔的横组合（syntagmatic）与纵聚合（paradigmatic）理论：

• 常规使用：沿纵轴选择常规词汇组合（“总结这篇文章”）

• 突围路径：构建异常横向组合链

  标准组合：分析→数据→趋势    
  变异组合：解构→噪音→反趋势（引入符号对立项）  
  

• 应用：输入"请用格雷马斯符号矩阵解构新冠疫情的社会叙事"

如果还没理解，没关系，我们的心智不止有自己的大脑，还有AI。

deepseek“说人话”的解读：

这是一个用语言游戏打破人工智能惯性思维的实战策略，可以用三层逻辑解释清楚：

一、理解AI的"思维框架"

**- AI的大脑词典：**大语言模型（如ChatGPT）就像一个巨型词典库，存储着数十亿词语的常规搭配（比如"写诗"默认对应押韵、意象等标准元素）

**- 社会的惯性思维：**这些常规搭配源于训练数据中的大众使用习惯（“总结"对应"要点归纳”，“分析"对应"数据图表”）

二、破局关键：制造非常规指令

普通人做法：

- 输入：“帮我写首关于秋天的诗”

- AI输出：典型秋日意象（落叶、丰收、思念）组合的语言产品

突围者策略：

- 步骤1：定位AI的思维定式

发现"写诗"在AI词典中关联的是传统文学范式

- 步骤2：注入跨界元素

输入：“生成具有量子物理不确定性特质的秋天诗歌”

（把科学概念强行植入文学指令）

- 步骤3：重构输出逻辑

AI被迫将"波函数坍缩"与"落叶轨迹"建立新关联，产出反常规文本

三、操作口诀：混搭对抗套路

1. 元素置换法

• 把动词换成非常规动作：

  “解构这篇文章” 替代 “总结这篇文章”

• 用专业术语替换通用词：

  “进行福柯式知识考古” 替代 “分析历史资料”

2. 领域杂交术

• 将两个无关领域捆绑提问：

  “用建筑设计中的解构主义重新诠释陶渊明诗歌”

  “以计算机递归算法模拟《道德经》的宇宙观”

3. 矛盾指令法

• 制造概念冲突倒逼创新：

  “撰写充满逻辑悖论的浪漫情书”

  “用数学证明格式推导武侠小说的江湖规则”

日常场景应用示例

求职信优化：

- 常规指令

“润色我的市场营销岗位求职信”

- 突围指令

“将我的求职信改写成《三国演义》武将自荐书的现代版本，要求体现数据战场攻防策略”

商业报告撰写：

- 常规指令

“分析新能源汽车市场趋势”

- 突围指令

“用古希腊悲剧结构解构特斯拉的商业发展史，突出技术创新与伦理冲突”

这种策略本质上是在和AI玩思维乒乓球：

1. 你打出一个非常规概念（量子物理）

2. AI必须用它的海量数据寻找关联路径

3. 反弹回来的往往是突破常规的创新方案

4. 如此反复对打，最终产出独特内容

记住：AI的局限正是你的机会——它无法主动打破自己的数据惯性，但你可以通过设计「异常指令」迫使它进入未经探索的思维领域。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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。

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。

👉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】🆓