在使用AI尤其是DeepSeek-R1时，提示词的运用至关重要。此前关于DeepSeek-R1的提示词使用方式引发诸多疑问，本文将深入剖析。
首先，大白话式提示词并非不可行，关键在于是否提供了足够多的背景信息。大模型基于人类智慧通过概率预测下一个token，许愿式的简单指令，如“给我写段XXX”，往往只能得到平庸结果。以“蛇年拜年短信”为例，简单指令得到的内容较为普通；而若用大白话清晰说明自身、对象和内容等背景信息，效果则截然不同。这表明，不是大白话不行，而是信息量匮乏的大白话难以产生理想效果，我们需要为AI提供足够多背景信息，让大模型知晓用户偏好。
提示词框架依旧具有有效性，其本质是思考的脚手架。两年前提示词工程提出多种框架，对照框架可帮助我们想起遗漏的背景信息并告知大模型。面对R1，这些辅助梳理信息的框架依然有用，但不必拘泥，可根据实际情况调整。
借助乔哈里视窗能够分析该向AI提供多少信息。通过这个工具，可清晰判断不同情形下应如何撰写提示词，明确哪些信息需告知AI，哪些无需告知。
结构化提示词对于AI“记住”和遵循指令有帮助。在ChatGPT时代，很多人青睐结构化提示词，一些平台还会自动优化大白话提示词为结构化形式。复杂内容采用结构化梳理，效果更佳，这就如同人类使用思维导图辅助记忆，将线性内容组织成树状结构，减轻记忆负担。大模型也类似，用特殊符号分块提示词，AI更容易“记住”和遵循指令。除Markdown格式，其他能清晰分块的方式，如类xml标签或随性分割线，效果也不错。不过，如果提示词不复杂，就无需如此繁琐。
在使用R1时，不要轻易在提示词里指定思考步骤，除非希望AI严格执行。以往用CoT方式写出中间过程能提升大模型表现，但对R1可能适得其反，因为R1深度思考能力强，往往能比用户想得更多。比如拜年短信案例，R1能想到很多用户未想到的内容。所以，当“如何做”的信息在乔哈里视窗“AI知道”区域时，只需说清目的即可。当然，如果希望AI严格按特定方法论执行，也可用CoT，但建议先与R1自由对话，参考其思考过程再改进步骤。
示例作为一种隐性的需求说明书，对R1依旧有效。以前提示词技巧常提到“给示例”，通过In-Context-Learning、one-shot、few-shots等方式，能明显提升大模型表现。当描述要求抽象或不准确时，添加示例可让大模型更好理解需求。为避免overfitting，例子最好多样化，还可以先与R1自由对话，挑选合适例子放入提示词。特别的是，可用简单大白话给例子，R1有能力举一反三。
提示词要区分自用还是他用、一次性还是反复用。若是自己的非重复任务，在对话中补充信息即可；只有反复使用的任务，才值得打磨高质量提示词。这样的提示词甚至可用meta-bot自动生成并优化，R1在这方面有不同之处，后续将另文介绍。
R1指令遵循能力比以往模型稍弱，可通过查看其思考过程调整提示词，强调重要内容；也可让模型分工协作，先由R1自由生成内容，再用指令遵循好的小模型整理输出。同时，避免在一条提示词中塞入过多任务，拆分任务并用工作流框架串联是更好做法。
总之，对于R1，有用的并非提示词技巧本身，而是用户自身的思考和表达。提示词技巧保障AI回复质量下限，提升上限则依赖具体内容。使用AI虽简单，但每个人可能都需提升语文、逻辑和批判性思维能力。
