DeepSeek（3）：DeepSeek R1 提示词⼯程

1 提示词⼯程

5W1H（What, Who, When, Where, Why, How）是⼀种常⽤的信息收集和指令下达的⽅法。以下是根据这个⽅法为DeepSeek R1模型下指令的例⼦，以“学习⼤模型应⽤开发”为例：

 （1）What（是什么）：

帮我⽣成⼤模型应⽤开发的学习计划

（2）Who（谁）：

我是⼀个刚刚接触⼤模型的新⼿，有基本的编程能⼒。

（3）When（何时）：

我希望通过3个⽉的时间完成学习。

（4）Where（在哪⾥）：

我想更多利⽤在线的资源，⽹站和书籍帮助我。

（5）Why（为什么）：

我希望能够完成公司交给我的⼤模型开发项⽬

（6）How（如何）：

学习过程希望理论结合实践，最终以项⽬为⽬标。

请为我⽣成⼀个三个⽉的⼤模型应⽤开发学习计划。我是编程新⼿，⽬标是通过学习完成公司项⽬。
计划需包含在线资源、理论与实践结合，并以项⽬完成为最终⽬标。

2 DeepSeek提示词模版

模板名称	核⼼要素	分类标签	适配模型	原因分析
APE	ACTION（⾏动）、 PURPOSE（⽬的）、 EXPECTATION（期望）	⽬标导向型	DeepSeek R1	R1 适合简洁明确的任务型指令，对“⽬标-⾏动-结果”的线性逻辑处理效率更⾼。
BROKE	BACKGROUND（背景）、 ROLE（⻆⾊）、 OBJECTIVES（⽬标）、KEY RESULT（关键结果）、 EVOLVE（改进）	结构化任务分解型	DeepSeek V3	V3 擅⻓处理复杂结构化输⼊，对背景、⻆⾊、数据输⼊和多步骤任务有更强的理解能⼒。
COAST	CONTEXT（背景）、 OBJECTIVE（⽬标）、 ACTION（⾏动）、 SCENARIO（场景）、 TASK（任务）	场景驱动型	DeepSeek V3	需要结合场景上下⽂和具体示例，V3 的场景建模能⼒优于R1，能够处理 更多场景信息和示例。
TAG	TAG TASK（任务）、 ACTION（⾏动）、 GOAL（⽬标）	简洁任务型	DeepSeek R1	R1 适合简洁明确的任务型指令，对“⽬标-⾏动-结果”的线性逻辑处理效率更⾼。
RISE	ROLE（⻆⾊）、 INPUT（输⼊）、 STEPS（步骤）、 EXPECTATION（期望）	数据驱动型	DeepSeek V3	R1 适合处理简洁明确的任务型指令，⽽ RISE模板强调根据数据进⾏多步骤的任务推理，适合V3 模型。
TRACE	TASK（任务）、 REQUEST（请求）、 ACTION（⾏动）、 CONTEXT（上下⽂）、 EXAMPLE（示例）	示例引导型	DeepSeek V3	需要结合场景上下⽂和具体示例，V3 的场景建模能⼒优于R1，能够处理更多场景信息和示例。

2.1 APE 模版

坏例⼦：

提示词内容：

制定健身计划，帮助家庭成员提⾼健康⽔平，能在短时间内看到效果，适合所有⼈。

好例⼦：

提示词内容：

ACTION ⾏动：

制定家庭健身计划

PURPOSE ⽬的：

⽤碎⽚时间增强全家体质

EXPECTATION 期望：

包含 3 种⽆需器械的运动（适合 5 岁⼉童到 60 岁⽼⼈）

每⽇总耗时≤40 分钟（可分早晚两次完成）

附带运动效果⾃测表（如深蹲次数周增⻓⽬标）

区别：

• 坏例⼦：⽬标模糊，没有具体的时间、年龄、运动种类等细节，导致⽆法清晰地衡量效果。
• 好例⼦：明确了具体的⾏动、⽬的和期望，例如制定家庭健身计划、增强体质、包含适合不同年龄段的运动、具体的时间限制等。有可操作性和可衡量的⽬标，使得执⾏和评估效果更加清晰。

2.2 BROKE 模版（DeepSeek-V3）

坏例⼦：

提示词内容：

请帮我为⼀个家庭制定健身计划，⽬标是让每个家庭成员都保持健康，并且能坚持。

好例⼦：

提示词内容：

BACKGROUND 背景：
双职⼯家庭，⼯作⽇仅有早晨 30 分钟和晚间 1 ⼩时空闲，需兼顾 5 岁⼉童体能训练与 60 岁⽼⼈关节养护
ROLE ⻆⾊：
请担任家庭健康管理师
OBJECTIVES ⽬标：
设计全家适⽤的碎⽚化健身⽅案
KEY RESULT 关键结果：
每周总运动时⻓≥150 分钟
⼉童运动趣味度评分≥4 星（5 分制）
⽼⼈关节不适感降低 30%
EVOLVE 试验并改进：
增加亲⼦互动游戏环节
引⼊运动成就徽章系统
使⽤运动⼿环数据⾃动调整计划

区别：

• 坏例⼦：没有提供具体背景信息、⻆⾊、⽬标和关键结果，⽬标不明确，执⾏标准和评估难以设定。
• 好例⼦：详细列出了家庭背景（双职⼯、时间限制等）、⻆⾊（健康管理师）、⽬标（具体的运动时间和趣味性评分）以及关键结果（每周运动时⻓、⼉童评分等）。明确了如何实施和跟踪进展，便于后续评估和改进。

2.3 COAST 模版（V3）

坏例⼦：

提示词内容：

为家庭成员设计⼀个锻炼⽅案，保持身体健康，要求简洁有效。

好例⼦：

提示词内容：

CONTEXT 背景，上下⽂：
三代同住的⽼⼩区住户，客厅⾯积 15 ㎡，有楼梯间可利⽤
OBJECTIVE ⽬的：
实现全年龄段家庭成员体质提升
ACTION ⾏动：
开发家庭微空间锻炼体系
SCENARIO ⽅案：
早晨 7:00-7:30 晚间 20:00-20:40
TASK 任务：
设计 3 套交替使⽤的「楼梯+客厅」训练组合
制作运动强度分级表（⼉童/成⼈/⽼⼈版）
录制家庭跟练短视频脚本（含安全提示字幕）

区别：

• 坏例⼦：⽬标模糊，缺乏场景、时间、空间等细节信息，⽆法指导如何执⾏锻炼计划。
• 好例⼦：提供了具体的背景和⽬标（如三代同住、空间⼤⼩）、明确的⾏动和任务（如设计楼梯+客厅训练组合、录制短视频脚本），并且设定了时间和场景（如早晚时间、具体动作）。这种细化的提示词使得计划具有可操作性。

2.4 TAG 模版（R1）

坏例⼦：

提示词内容：

帮助家庭成员做锻炼，确保身体健康。

好例⼦：

提示词内容：

TASK 任务：
创建三代同堂家庭运动计划
ACTION ⾏动：
筛选适合各年龄段的⽆器械动作
制定每周运动主题（如平衡周/柔韧周）
设计运动数据追踪表
GOAL ⽬标：
三个⽉内实现：
⼉童跳绳每分钟增加 20 次
成⼈平板⽀撑时⻓突破 2 分钟
⽼⼈坐姿体前屈进步 5cm

区别：

• 坏例⼦：任务不明确，没有具体的执⾏细节，⽬标不清晰，缺乏量化指标。
• 好例⼦：明确列出了具体任务（创建运动计划），并且设定了具体的⾏动步骤（筛选动作、设计数据追踪表）。⽬标明确且可量化，如跳绳次数、平板⽀撑时⻓等，有利于执⾏和评估效果。

2.5 RISE 模版

坏例⼦：

提示词内容：

制定⼀项家庭健康计划，帮助所有成员保持健康。

好例⼦：

提示词内容：

ROLE ⻆⾊：
健身游戏化设计师
INPUT 输⼊：
家庭成员数据：
⼉童（5 岁/喜欢恐⻰）
⽗⺟（35 岁/久坐办公）
⽼⼈（60 岁/膝关节退化）
STEPS 步骤：
将动作改编为情景游戏（如"恐⻰救援深蹲"）
设计家庭运动积分兑换规则
建⽴安全防护机制
EXPECTATION 期望：
每⽇⾃动⽣成运动挑战任务
每⽉产出全家体质分析报告
运动意外⻛险发⽣率≤0.5%

区别：

• 坏例⼦：没有明确的⻆⾊、输⼊、步骤和期望，缺乏具体⾏动步骤和可衡量的期望。
• 好例⼦：清晰的⻆⾊和输⼊信息（如家庭成员的年龄和健康状况），具体的步骤（如情景游戏设计），以及明确的期望（如运动挑战任务和分析报告）。这些都增加了计划的操作性和可跟踪性。

2.6 TRACE 模版（V3）

坏例⼦：

提示词内容：

制定⼀个家庭运动计划，确保锻炼有趣⼜有效。

好例⼦：

提示词内容：

TASK 任务：
制定家庭运动计划
REQUEST 请求：
兼顾趣味性与科学性
ACTION ⾏动：
将传统训练转化为亲⼦游戏
结合家居物品开发锻炼道具
设⽴每周"运动奥斯卡"颁奖仪式
CONTEXT 上下⽂：
家庭成员时间碎⽚化，需利⽤客厅/⾛廊空间
EXAMPLE 示例：
如将仰卧起坐改为"快递员送货"游戏：
⼉童在家⻓起身时放置玩具"货物"
⽼⼈计数并颁发"最佳配送员"奖章

区别：

• 坏例⼦：任务⽬标模糊，缺乏具体的执⾏细节和示例，难以理解如何让锻炼变得有趣且有效。
• 好例⼦：明确任务、请求和⾏动步骤，例如将传统训练转化为亲⼦游戏，提供了具体示例，如“快递员送货”游戏，结合了家庭成员的时间碎⽚化，提供了具体的执⾏场景和示范，增加了实际操作性。

3 多轮对话与上下⽂拼接

DeepSeek 模型本身没有记忆的功能。

DeepSeek的服务是没有状态的。

在每轮对换的时候， 需要将前⾯⼏轮对话的 问题和答案作为提示词的上下⽂，传递给本轮对话。