以下是关于学习 DeepSeek 的一些内容：
相关讨论和研究：包括 DeepSeek 在全球 AI 社区的意义、技术突破、资源分配策略、长上下文能力、量化商业模式以及对 AI 生态系统的影响，还有其在架构和工程上的创新，如 MoE、MLA、MTP 和 FP8 混合精度训练等。您可以通过以下链接获取详细信息：
核心原理认知：
多模态理解：支持文本/代码/数学公式混合输入。
动态上下文：对话式连续记忆（约 4K tokens 上下文窗口）。
任务适应性：可切换创意生成/逻辑推理/数据分析模式。
系统响应机制：采用意图识别+内容生成双通道处理，自动检测 prompt 中的任务类型、输出格式、知识范围，对位置权重（开头/结尾）、符号强调敏感。
基础指令框架：
不知道如何表达时可套用框架指令，包括四要素模板、格式控制语法（强制结构、占位符标记、优先级符号）。
进阶控制技巧：
思维链引导：分步标记法、苏格拉底式追问。
知识库调用：领域限定指令、文献引用模式。
多模态输出。
提示词使用：
效果对比：可通过 Coze 做小测试对比。
使用方法：搜索 www.deepseek.com 点击“开始对话”，将装有提示词的代码发给 Deepseek，认真阅读开场白后正式开始对话。
设计思路：将 Agent 封装成 Prompt 并储存在文件，实现同时使用联网和深度思考功能，优化输出质量，设计阈值系统，用 XML 进行规范设定。
完整提示词：v 1.3
特别鸣谢：李继刚、Thinking Claude、Claude 3.5 Sonnet 等为相关工作提供了帮助和灵感。
2025-02-05