简介：《DeepSeek从入门到精通（第二版）》是清华大学团队推出的职场AI应用指南，面向希望将大模型融入日常办公、内容生产与行业分析的学习者，重点回答如何通过提示语技巧和多场景实践提升人机协同效率。资源为1个PDF文件，压缩包约10.21MB，便于在电脑端直接查阅与检索。内容围绕DeepSeek的基础模型V3、深度思考R1和联网搜索三种模式展开，讲清通用任务、复杂推理与实时信息检索的适用边界，并给出RTGO、CO-STAR等提示语框架及R1的开放性提问思路。书中还结合客户服务、在线教育、媒体内容、医疗诊断、法律分析等场景，说明模型选型、任务拆解与结果校验方法，同时介绍英伟达NIM、微软Azure、亚马逊AWS等平台的网页使用和API调用方式。已有3622人学习，适合想系统掌握提示语设计、职场落地与多场景应用的中级读者。

1. 从“问答框”到职场工作流：这份第二版资源到底解决什么问题

很多人把大模型当搜索框，问一句答一句，最后抱怨“也就那样”。我翻完《DeepSeek从入门到精通（第二版）》后更确认：职场应用里真正拉开差距的，不是模型参数，而是你能否在V3、R1和联网检索之间做对选择，再把提示语技巧固化成可复用流程。

这份资源不是模型科普，而是一份面向人机共生场景的落地手册：它把AI模型的能力边界、自然语言处理任务的拆解方式、多场景应用模板和常见翻车点放在同一张操作台上。

适合需要写方案、做汇报、整理资料、搭轻量智能体流程的从业者；新手能照着模板走，熟手能借它的选型表校准自己的默认习惯。

2. 三种模式与两类模型：先选对跑道，再谈提示语

2.1 V3、R1与联网检索的职责边界

资源里把DeepSeek拆成三种使用模式：基础模型V3、深度思考R1、联网检索。很多人第一次用会默认“哪个强就开哪个”，结果写周报也开深度思考，做多步推理却用通用模型硬扛，输出要么过度发散，要么步骤跳跃。选型这件事不是玄学，先把任务分诊做对，后面的提示语才有意义。

V3是通用模型，优势在高效、稳定、格式服从度高。自然语言处理里偏“过程-结果清晰”的任务，比如把会议记录整理成待办、把产品参数转成对比表、按固定模板写通知、把长文压缩成三段摘要，V3通常更省心。它的操作路径偏线性，按规则执行，目标确定性高，风险低，适合对外交付前还需要人工改一轮的批量文本。

R1是推理模型，优势在复杂推理和深度分析，比如数理逻辑、代码排错、方案权衡、多约束条件下的取舍。它的操作路径更开放，目标可以有一定开放性，结果多样性高，但风险也高：同一个问题可能给出不同推理路线，格式不一定稳定，长输出容易漂移。资源里有一句很关键的话，R1不需要角色设定、不需要思维链提示、不需要结构化提示词、不需要给示例、不需要做太多解释。这不是说提示语不重要，而是提示语要从“塞结构”转向“给目标、边界和验收标准”。

联网检索是RAG，也就是检索增强生成，把外部知识拉进上下文。它解决的是时效性问题，不是事实核查问题。检索到的内容可能互相矛盾，模型也可能把记忆和检索结果混在一起。我的习惯是：凡是涉及最新政策、价格、版本、统计口径的内容，联网只负责“找线索”，最终结论必须回到原始来源核对。

可执行的分诊步骤我一般按下面走：

1. 先写验收标准。不是“写得好一点”，而是“800字以内、三段、每段一个小标题、不出现未给出数据”。
2. 判断知识时效。需要外部新信息就开联网检索，不需要就别开，减少干扰。
3. 判断推理链长度。需要多步假设、比较、排错，优先R1；只是格式转换和改写，优先V3。
4. 判断格式约束。强格式任务用V3更稳；R1可以用，但要加后处理校验。
5. 做风险分级。对外发布、涉及数据结论、涉及合规表述的任务，无论用哪个模式都加人工复核。

这张表不是让你背下来，而是让你在每次提问前停十秒。十秒能省掉后面半小时的返工。

2.2 用5R维度做任务分诊

资源里用5R对比V3和R1：Regulation规范性、Result结果导向、Route路径灵活性、Responsiveness响应模式、Risk风险特征。这个框架的好处是把“感觉”拆成可讨论的维度。你可以不会写复杂提示词，但只要能把任务在这五个维度上描述清楚，选型就不会太离谱。

规范性看操作路径是否明确。强规范任务，比如“按固定字段抽取合同里的付款节点”，V3更合适；弱规范任务，比如“帮我判断这个方案在三种约束下哪种更可行”，R1更合适。结果导向看目标确定性。目标可预期、结果要稳定，选V3；目标开放、允许多种答案，选R1。路径灵活性看流程是否标准化。线性流程选V3，多路径探索选R1。响应模式看模型是按规则执行还是自主决策。批量执行选V3，需要主动补全假设和权衡选R1。风险特征看不确定性。低风险稳定任务选V3，高风险开放任务选R1并加人工复核。

我会把5R当成一张任务卡来填，而不是打分表。比如“写一份活动宣推文案”可以填：规范性中、结果确定性中、路径线性、响应偏被动、风险中。那首选V3，先用模板出三版，再人工挑一版改。换成“分析这场活动为什么转化低，给出三种改进方案并比较成本”，规范性弱、结果开放、路径网状、需要主动假设、风险中高，那就用R1，但验收标准要写清楚：必须列出假设、必须区分事实和推断、必须给比较维度。

这里有一个容易误用的点：风险高不代表要用R1。风险高只代表人工复核要更重。把高风险任务丢给R1却不给边界，反而更容易出现看似合理但无法核验的结论。我一般把风险单独拉出来，不参与模型选择，只决定复核强度。这样选型归选型，风控归风控，不会互相打架。

3. 提示语技巧落地：RTGO、CO-STAR与CAP怎么拼成一张任务卡

3.1 V3用RTGO把过程和结果钉住

RTGO是资源里给V3用的提示语结构：Role角色、Goal目标、Task任务、Objective操作要求。它解决的是“过程-结果清晰”的问题。V3不是不能做复杂任务，而是它更擅长在明确指令下执行。你把角色、目标、任务、格式写清楚，它输出就稳；你只丢一句“帮我写个方案”，它就会用平均水平的模板糊弄你。

下面这张任务卡可以直接抄，把方括号里的内容换成你的任务。注意角色不是越长越好，角色只影响领域词、语气和默认知识面，不会凭空提升事实准确性。

<!-- V3 任务卡：把“过程-结果”写清楚，适合格式稳定的交付物 --> # 角色 你是一名【领域】顾问，熟悉【行业术语】和【常用交付格式】。 # 目标 产出一份【交付物名称】，用于【使用场景】，验收标准是【可检查指标】。 # 任务 1. 先列出【输入资料】中的关键事实，缺失就写“待补”。 2. 按【结构】组织内容，每部分不超过【字数】。 3. 最后给出【自检表】，逐项标注是否满足。 # 操作要求 - 字数：【范围】 - 格式：【Markdown/表格/条目】 - 风格：【简洁/正式/口语】 - 禁止：【编造数据/使用无法核验的来源/输出无关内容】

这段模板的逻辑是：角色定领域，目标定验收，任务拆过程，操作要求做硬约束。参数怎么改：交付物名称换成你真正要交的东西；验收标准必须可检查，比如“包含三个方案、每个方案列两条风险、总字数不超过1200”；禁止项按任务风险加，涉及数据就写“未给出数据不得编造”，涉及对外发布就写“不得使用绝对化表述”。我一般还会在最后加一句“如果输入资料不足以支撑结论，先列出缺口，不要补全”，这句能挡掉不少看起来完整但经不起追问的输出。

CO-STAR是另一套结构化框架，字段是Context上下文、Objective目标、Style风格、Tone语调、Audience受众、Response回应类型。它更适合对外文案、汇报材料、需要控制语气的任务。和RTGO相比，CO-STAR把“给谁看”和“用什么语气”拆得更细。比如写客户通知，Audience是客户，Tone是克制清晰，Response是邮件正文加三条要点，输出就会比“写个通知”稳很多。我的建议是：内部执行类任务用RTGO，对外表达类任务用CO-STAR，别两套一起塞，塞多了模型会抓错重点。

3.2 R1用轻提示：目标清晰、验收标准明确

R1的提示语思路和V3相反。资源里明确说R1不需要角色设定、不需要思维链提示、不需要结构化提示词、不需要给示例、不需要做太多解释。很多人第一次用R1会延续V3的习惯，写一大段角色扮演、给三个示例、要求“一步一步思考”，结果反而限制模型的推理路线，输出变得又长又绕。

R1适合“目标清晰、结果可以有一定开放性”的提问。你要给的是问题、已知事实、必须满足的约束、不要做的事，以及信息不足时的处理方式。下面的轻提示模板可以直接用，重点在“少给结构，多给边界”。

<!-- R1 轻提示：少给结构，多给目标、边界和验收标准 --> 目标：解决【具体问题】，输出【交付物】。 已知条件： - 【事实1】 - 【事实2】 必须满足： - 【约束1】 - 【约束2】 不要做： - 不要编造未给出的数据。 - 不要省略关键推理依据。 如果信息不足，先列出需要补充的【3】项，再给暂定方案。

这段模板的参数说明：目标是你要解决的问题，不要写成“帮我分析一下”这种空话；已知条件只放事实，不放愿望；必须满足放验收标准，比如“给出三种方案并比较成本”“结论必须区分事实与推断”；不要做是边界，尤其要写“不编造数据”；最后一句是后悔药，信息不足时让模型先提问，而不是硬编。R1的输出可能比较长，我通常会在验收时看三件事：有没有明确假设、有没有比较维度、有没有把不确定的地方标出来。三件事缺一件，就回退到更具体的子问题，而不是继续加提示词。

提示：R1不是“更聪明的V3”，它更像一个愿意自己找路子的分析者。你给的路越细，它反而越容易束手束脚。

3.3 CAP四层框架做智能体核心提示

当任务从“一次问答”变成“多步骤流程”，比如让模型先收集信息、再生成大纲、再检查格式、最后输出交付物，单张任务卡就不够了。资源里给了一个CAP框架：Identity身份定义、Capability能力矩阵、Boundary边界系统、Operation工作引擎。它适合做智能体核心提示，也适合把多场景应用沉淀成可复用模板。

CAP的写法可以用YAML表达，字段清楚，改起来也方便。下面的模板把“能做什么、不能做什么、怎么交接”拆开了，适合需要反复运行的任务。

# CAP 四层框架：适合多步骤智能体或多场景复用 identity: role: "【角色】" background: "【专业背景】" interaction: "【交互特征】" capability: skills: ["【技能1】", "【技能2】"] scope: ["【可处理范围】"] boundary: must_not: ["【禁止项】", "【越权项】"] handoff: "【转人工条件】" operation: input: "【输入格式】" steps: ["【步骤1】", "【步骤2】", "【步骤3】"] output: "【输出格式与验收】"

参数怎么调：identity决定角色属性和交互特征，但别写得太宽，角色越泛，输出越容易平均化；capability的scope要窄，先限定“只处理某类输入”，稳定后再扩；boundary里的handoff必须写，比如“缺少原始数据时转人工”“涉及对外发布时转人工”，这是智能体不闯祸的关键；operation的output要可验收，不要只写“输出报告”，要写“输出Markdown，包含三节，每节不超过五条，末尾附自检表”。我见过最常见的翻车是把CAP写得像企业介绍，身份、能力、边界都很宏大，工作引擎却只有一句“根据用户需求输出”，结果每次运行都像开盲盒。CAP的重点不在前三层写得多漂亮，而在operation能不能稳定复现。

4. 多场景交付：从图表描述到PPT大纲的三段式流水线

4.1 图表任务：先定结构，再让模型写图表描述代码

资源里有一个很实用的思路：不要让模型直接生成图片，而是让它生成可渲染的图表描述代码。图片是黑匣子，改一个节点要重画；代码是可编辑的中间产物，渲染失败还能定位到具体行。这个思路放到职场里，就是“先定结构，再让模型写描述代码，最后本地渲染校验”。

我一般按五步走。第一步，明确图类型：流程、架构、时序、关系，不同类型对节点和边的要求不一样。第二步，列节点清单，给每个节点唯一ID，别用“开始”“处理”“结束”这种重复词，否则渲染出来会串。第三步，定层级，流程要有二级、三级节点时，先写清楚父子关系。第四步，让模型只输出图表描述代码，不输出解释文字。第五步，本地渲染，检查连线是否交叉、层级是否断裂、节点是否重复。

这里的关键不是提示词写得多花，而是先把“节点清单”喂进去。你可以这样要求：先输出节点表，包含ID、名称、所属层级、依赖节点；我确认后再输出图表描述代码。这个“两段式”能明显降低返工。模型一次生成图代码时，最容易犯的错是节点命名重复、层级混乱、把解释文字混进代码块。遇到渲染失败，不要急着重写提示词，先看节点表：ID是否唯一、依赖是否成环、层级是否超过三层。节点表对了，图代码基本就对了。

注意：图表任务里，模型负责结构化和代码化，人负责校验节点和层级。把校验完全交给模型，等于把黑匣子换成另一个黑匣子。

4.2 PPT任务：资料表、大纲、关键页图表三段式

PPT是职场应用里最容易“看起来完整、实际不能用”的场景。资源里给了一个三段式顺序：先生成研究资料摘要表，再生成PPT大纲，最后针对关键页面生成图表。这个顺序不能乱。先大纲后资料，模型容易用空话填页数；先资料后大纲，至少每个章节有事实抓手。

第一段，资料摘要表。字段我一般设成：报告主题、关键摘要、来源类型、核验状态。来源类型写“公开报告/内部资料/待补”，核验状态写“已核验/待核验/不可用”。这里要特别注意：不要让模型编造来源地址。资源里原要求包含报告地址，但实际落地时，地址字段只填可核验的公开名称或留空，模型补出来的链接一律当无效。涉及数据、排名、政策口径的内容，必须人工回到原始材料核对。

第二段，PPT大纲。资源里的约束是不少于30页，第一层为封面、目录页、章节页标题，第二层为页面标题，第三和第四层为页面内容要点。实际做汇报不一定要30页，但这个层级结构可以保留。我的做法是先定页数上限，再让模型按“章节-页面-要点”三层输出，每页不超过四条要点，每条不超过20字。大纲生成后先做一次“删页检查”：有没有重复页、有没有只有标题没有要点的页、有没有和主题无关的页。删完再进入第三段。

第三段，关键页图表。只对核心页面生成图表描述代码，不要每页都画。判断标准是：这页有没有流程、对比、层级或因果关系。没有就老老实实用要点，别为了好看硬画图。图表生成后回到4.1的校验流程，节点表、层级、渲染三步走。

4.3 多场景复用：把一次成功沉淀成模板库

多场景应用最容易犯的错，是每次都从零写提示词。一次成功不代表可复现，可能只是这次输入刚好合适。我的习惯是每完成一个场景，就沉淀一张模板卡，字段包括：任务名、适用模式、输入要求、提示语版本、验收表、失败记录。任务名要具体，比如“会议记录转待办”而不是“办公助手”；适用模式写V3、R1还是联网；输入要求写清楚必须提供什么、缺什么就停；提示语版本用日期或编号，方便回滚；验收表就是三到五条可检查项；失败记录写现象、原因、下次怎么改。

模板库不需要多，先攒五个高频场景：周报整理、会议待办、方案对比、图表描述、PPT大纲。每个场景跑三遍，能稳定复现再算入库。跑不稳的不要硬存，存了也会变成“看起来有用”的摆设。模板库的价值不是让你少思考，而是让你把思考放在选型和验收上，而不是每次重新发明提示词。

5. 避坑与排查：五类高频翻车现场和回滚顺序

5.1 五类高频翻车现场

第一类，用R1做格式固定的批量文案。现象是输出长度忽长忽短，该三段变五段，该表格变散文，改起来比手写还慢。原因是R1弱规范约束、目标开放、路径网状，它更愿意自己组织表达。解决方式是换回V3，或者保留R1但加硬格式约束和后处理校验。我的做法是：批量文案先V3出模板，只有需要比较方案时才切R1。

第二类，用V3做多步推理。现象是步骤跳跃，结论看着对但中间没有依据，追问一句就露馅。原因是V3偏线性执行，擅长按规则走，不擅长自己补假设和权衡。解决方式是把任务拆成子问题，或者切R1并明确要求列出假设、证据和比较维度。拆任务时不要一次给五个问题，先给一个，拿到中间结论再往下走。

第三类，联网检索把旧知识当新知识。现象是回答里混着检索内容和模型记忆，来源说不清，时间口径对不上。原因是RAG只负责把外部知识拉进来，不负责自动事实核查。解决方式是要求输出标注来源类型和核验状态，涉及时间、价格、版本、统计口径的内容必须回到原始来源。我的血泪经验是：联网结果只能当线索，不能当结论。

第四类，提示词塞太多角色和示例，R1反而变差。现象是输出又长又空，绕来绕去不给结论。原因是R1不需要角色设定、思维链提示、结构化提示词和大量示例，塞多了会干扰它的推理路线。解决方式是做减法：保留目标、已知条件、必须满足、不要做、信息不足怎么办。删掉角色扮演和长示例后，输出通常会更直接。

第五类，PPT大纲看起来完整但数据空泛。现象是每页都有标题和要点，仔细一看全是“提升效率”“优化体验”这类空话，页数靠重复凑。原因是模型缺少资料时会倾向补全。解决方式是先资料表再大纲，未知写“待补”，明确要求“无资料不生成数据”，最后人工补关键页。页数不够可以加案例和对比，不要加空话。

5.2 排查顺序与回滚策略

遇到输出不稳定，不要第一反应就是“提示词再写长一点”。我一般按回滚顺序排查：先看模式选错没有，再看提示语是不是塞多了，再看任务是不是太大，再看验收标准是不是模糊，最后才考虑换工具或人工接管。这个顺序能挡住大部分无效折腾。

这套回滚策略的重点是“保留中间产物”。图表任务保留节点表，PPT任务保留资料表和大纲，文案任务保留第一版和修改记录。没有中间产物，回滚就变成重来，时间全浪费在复制粘贴上。后悔药不是某个神奇提示词，而是你手里有没有可比较的版本。

6. 进阶验证：用三组对照把“感觉好用”变成可复现

6.1 三组对照法

同一任务，固定输入，分别用V3、R1、联网跑一遍，记录四个指标：输出长度、格式合规、事实错误、返工时间。不要凭一次惊艳输出下结论，三次对照才能看出模式差异。比如“会议记录转待办”，V3可能格式最稳，R1可能漏掉隐含任务，联网可能引入无关信息。记录完再决定默认用哪个。

6.2 验收表与版本号

每个高频任务配一张验收表，三到五条，能打勾。提示语加版本号，比如“会议待办-v3”，改一次记一次。验收表不要写“逻辑清晰”这种无法判断的词，写“每条待办有负责人和截止时间”“未给出信息标注待补”“不超过十条”。版本号加验收表，才能把“感觉好用”变成可复现的流程。人机共生不是把活全丢给模型，而是把选型、验收、回滚留给人，把批量生成和结构化交给模型。

从那以后我每次把提示语交给同事前，都强制走一遍三组对照和验收表，不再凭一次惊艳输出做判断。希望帮到你。

本文还有配套的精品资源，点击获取