北大最近公开了《DeepSeek提示词工程和落地场景》手册。

这份文档在学术圈引起广泛讨论，它是国内首个系统分析推理大模型（DeepSeek-R1）实际应用的公开文献。

不仅展示了国产模型的工程实践，同时反映了大模型技术从研究到产业化的转变路径。（老规矩，文末提供下载方式）

北大版与清华版的主要区别？

1、技术定位：应用导向vs底层技术

北大版本是实用工具，解决实际工作问题。

清华版则更侧重技术原理，包含许多前沿技术细节。

2、使用门槛：入门级vs专业级

北大团队文档使用简单直接的语言。

相比之下，清华版本包含更多专业术语和复杂概念。

3、应用场景：实用功能vs理论探索

北大版在实用性方面表现突出，包含多种工作效率工具。

清华版则提供更深入的技术实现和实验性功能。

4、目标用户：普通用户vs技术专家

北大关注普通用户体验，清华侧重技术突破和创新。

北大版核心内容从技术特性、应用逻辑与局限性三个方面进行了分析。

DeepSeek-R1的特点：高性能低成本的推理模型

与GPT-4o这类追求全能的模型不同，DeepSeek-R1专注提高复杂推理能力。它有三大优势：

1. 1. 技术创新：采用先进技术组合，在数学推理和代码生成方面的准确率分别达到79.8%和92.2%，比GPT-4o高12-15%；
2. 2. 降低成本：通过特殊训练方法，将大型模型每次使用成本降到0.003美元，比同类产品低83%；
3. 3. 中文表现优秀：在中文测试中比GPT-4o得分高8.7分，特别适合政府文件和教育内容制作。

提示词使用方法：从简单指令到深度思考

DeepSeek-R1的提示词用法与常见模型有所不同：

1. 1. 思维过程可视化：通过"先找缺点再回答"的方式增强推理能力。测试显示，这种方法使商业分析的逻辑性提高了37%；
2. 2. 示例问题：R1不擅长处理少量示例。医疗测试中，提供5个示例反而使准确率下降22%，它更适合直接使用；
3. 3. 专业模式：文档提供的"政务模式"和"教育模式"等是针对特定场景优化的设置。例如教育模式能让试题的认知层级匹配度达到89%。

实际应用的局限性

尽管应用案例丰富，实际使用仍面临三个主要问题：

1. 1. 准确性：虽然长文本生成的错误率(6.3%)低于GPT-4o(9.8%)，但在金融、法律等重要领域仍有不足。银行测试显示合同条款中关键数据的错误率为1/200；
2. 2. 设备需求：尽管使用成本低，但完整版需要128块高端显卡，部署难度大。中小企业需要在精度和成本间做选择；
3. 3. 学习难度：教育领域测试表明，教师需要平均17.5小时才能熟练使用提示词模板，比普通生成模型的9小时学习时间长很多。

以下是PDF重点内容：

（方便大家直接下载，这里给大家整理好了书籍的PDF，扫码即可↓↓↓↓）