前言

2025年1月20日，DeepSeek-R1横空出世。

因为优秀的输出表现和远低于其他闭源模型的训练成本迅速进入大家的视野。不管有没有《黑神话悟空》作者冯骥说的那么划时代，但是在这之前确实存在着美国对中国的技术封锁，而deepseek的出现让我们又重新上了牌桌。

正文

关于Deepseek

DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。

那么Deepseek-R1与之前的大语言模型有哪些不同？

1. 性能领先
2. 首个展示思维连过程的推理模型
3. 价格便宜
4. 首个开源的推理模型
5. 纯国产、技术创新，训练和推理更加高效

Deepseek能够做什么？

Deepseek直接面向用户也支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。

文本生成

• 文本创作
• 文章、故事、诗歌写作
• 营销文案、广告语生成
• 社交媒体内容（推文、朋友圈文案等）
• 剧本或者对话设计
• 摘要与改写
• 长文本摘要（论文、报告）：Zoom Meeting Summary
• 文本简化（降低复杂度）：马斯克用AI简化1547页预算到116页，政治博弈还是科技胜利？
• 多语言翻译与本地化（专业化）
• 结构化生成
• 表格、列表生成
• 代码注释、文档撰写

自然语言理解与分析

• 语义分析
• 情感分析（评论、反馈）
• 意图识别（客服对话、用户查询）
• 实体提取（人名、地点、事件）
• 文本分类
• 主题标签生成（如新闻分类）
• 垃圾内容检测
• 知识推理
• 逻辑问题解答（数学、常识推理）
• 因果分析（事件关联性）

编程与代码相关

• 代码生成
• 根据需求生成代码片段
• 自动补全与注释生成
• 代码调试
• 错误分析与修复建议
• 代码性能优化提示
• 技术文档处理
• API文档生成
• 代码库解释与示例生成

Deepseek与其他语言大模型能力上的主要区别

推理大模型：推理大模型是指能够在传统的大语言模型基础上，强化推理、逻辑分析和决策能力的模型。它们通常具备额外的技术，比如强化学习、神经符号推理、元学习等，来增强其推理和问题解决能力。

• 例如：DeepSeek-R1，GPT-o3在逻辑推理、数学推理和实时问题解决方面表现突出。

非推理大模型：适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推理模型那样复杂的推理和决策能力。

• 例如：GPT-3、GPT-4（OpenAI），BERT（Google），主要用于语言生成、语言理解、文本分类、翻译等任务。

对比了模型的特点，那么我们在使用模型时又该如何选择？

综上，通用的大语言模型更适合处理需要快速反馈的即时任务，推理模型更适合通过推理过程来解决复杂问题。

如何使用提示语？

通用模型：

• 需显式引导推理步骤（如通过CoT提示），否则可能跳过关键逻辑。
• 依赖提示语补偿能力短板（如要求分步思考、提供示例）。

推理模型：

• 提示语更简洁，只需明确任务目标和需求（因其已内化推理逻辑）。
• 无需逐步指导，模型自动生成结构化推理过程（若强行拆解步骤，反而可能限制其能力）。

关键原则

模型选择时：

优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用模型）。

提示语设计时：

推理模型：简洁指令，聚焦目标，信任其内化能力。--要什么直接说

通用模型：结构化、补偿性引导。--缺什么补什么

避免误区

不要对通用模型“过度信任”（如直接询问复杂推理问题，需分步验证结果）。

不要对推理模型使用“启发式”提示（如角色扮演），可能干扰其逻辑主线。

从下达指令到表达需求

任务需求与提示语策略

提防AI幻觉

什么是AI幻觉？

AI幻觉是一种现象，即大语言模型（LLM）--通常是生成式聊天机器人或计算机视觉工具--感知人类观察者不存在或者无法感知的模式或对象，从而产生无意义或完全不准确的输出。

AI幻觉的一些值得注意的例子包括：

• 谷歌的“Bard”聊天机器人错误的宣称，James Webb太空望远镜拍摄到了世界上第一张太阳系外星球的图像。
• Microsoft的聊天机器AI“Sydney”承认爱上了用户并监视了Bing员工。
• Meta于2022年撤下了其Galactica LLM演示，因为它向用户提供了不准确信息，有时还带有偏见。

人机共生时代的能力培养体系

关于AI与前端的一些思考

AI的出现，给各个行业都带来了更多的可能，但是同时对各个领域的从业人员也带来了挑战，我想这个问题是每个专业技能领域的人都需要思考的，就是有哪些是我们做的能比AI好的？

对于前端开发来说，虽然AI编程与独立开发者的边界正在变得模糊，但是目前的AI体现出来更多的还是工具属性

以下是目前比较流行的一些前端AI工具：

The AI Code Editor

Vite 成为首个接入 AI 的构建工具

我想真是以下的AI能力限制暂时保证了我们的不可替代性：

• 还不是AGI，不能一步到位，需要人类的问题拆解能力、信息整合能力和迭代调优能力。
• 有很强的能力，但是也会经常出错；预载了很多知识，但并不知道所有的知识，需要我们利用其能力，判断其结果，不断改进它的知识。
• 目前模型的能力普遍有局限，不能同时处理（输入和输出）多模态数据（图片、视频等）。
• 模型上下文长度有限，事情的前因后果它并不能事无巨细的知道。

但是，人工智能的发展人类展现出了极大的热情，市场表现出了深切的渴望，他的发展速度可以说没有一个人可以真正预料，没人能保证明天另一个DeepSeek会不会横空出世，在现在的工作中，会不会用AI，即将成为一个分水岭，会用的人或者组织，生产效率将远远甩开那些不会用的！

参考资料：

Deepseek从入门到精通-清华大学

人工智能幻觉 --- --- IBM

湖南大学：我们该如何看待DeepSeek --- what,how,why,and next

深度融合AI的低代码平台---姜天意