该文档围绕 DeepSeek 展开全面介绍，涵盖技术原理、应用场景、部署方案、提示词工程、风险及人机协作等方面，为读者提供了深入了解和使用 DeepSeek 的丰富信息。

• 技术原理：详细介绍了 AIGC、自然语言处理、语言模型和大语言模型的发展历程。DeepSeek 在模型架构方面不断创新，如 V2 版本的 DeepSeekMoE、稀疏激活、路由通信改造和 MLA，V3 版本的 MTP、高效通信和低精度训练存储等。推理模型采用强化学习框架 GRPO 降低开销，奖励模型避免复杂过程奖励，提高性能和可靠性。

• 应用场景：在职场多领域广泛应用，如文档与演示制作、营销、研发、客服等。还可与多种工具组合拓展应用，如制作 PPT、短视频、海报等。其能力层级分明，从基础到终极能力逐步提升，不同模式（V3 基础模型、R1 深度思考、联网搜索）适用于不同任务场景，各具特点和优势。

• 部署方案：包括本地部署、第三方 UI 接入服务和多种云平台部署。本地部署有多种方法和工具，如通过 ollama、LM Studio 平台部署蒸馏小模型；第三方 UI 接入服务可选择 Anything LLM 等；阿里云、腾讯云、华为云等云平台提供了不同的部署方式和模型选择，还涉及 API 调用和模型蒸馏等技术。

• 提示词工程：两种模型（V3 和 R1）提示语差异明显，R1 强调深度推理，V3 更适合通用任务。同时介绍了多种提示词技巧和框架，如 RTGO、CO - STAR 框架，以及十类提示词的应用场景。

• 风险及人机协作：使用 DeepSeek 存在数据隐私、模型偏见等风险，需采取相应措施应对。实现人机高效协作要掌握操作技巧、具备协作意识，遵循伦理规范，发挥人机各自优势。

山东大学：DeepSeek应用与部署 2025