简介这份PDF资料是清华大学《DeepSeek从入门到精通第二版》的配套内容聚焦DeepSeek如何赋能职场应用面向希望将AI模型落地于实际工作的职场人、产品与运营人员以及关注人机协同、自然语言处理与提示语技巧的学习者。资源包内含1个PDF文件大小约10.21MB结构完整便于通读与查阅。资料系统梳理了DeepSeek的三种模式——基础模型V3、深度思考R1与联网搜索并对比了V3与R1在规范性、结果导向、路径灵活性等维度的差异同时给出RTGO、CO-STAR等提示语框架及R1的开放性提问技巧。书中还结合文化创新、科学研究、媒体内容、医疗诊断、法律分析等多场景案例说明AI如何参与组织流程与任务执行。此外内容涉及英伟达NIM、微软Azure、亚马逊AWS等平台的部署方式与免费体验路径并介绍了清华团队在人机共生方向的研究成果与竞赛奖项。目前已有3622人学习适合作为职场AI应用的入门与进阶参考。1. 到底什么是 DeepSeek 的职场赋能从一个加班场景说起你有没有过这种经历晚上十点领导在群里甩来一句“明天上午给客户讲个方案PPT 先出个大纲”你盯着空白文档脑子里全是“从哪开始”。这时候如果有个助手能先把资料查好、大纲列好、连流程图都画出来你只需要改改就能用——这就是 DeepSeek 被讨论“赋能职场”时最朴素也最真实的意思。DeepSeek 是一个大语言模型通俗地说它是一个能听懂人话、能写东西、能推理问题的 AI 大脑。而“从入门到精通”讲的不是怎么装软件而是怎么跟这个大脑打交道用什么样的话问它它才给得出你要的结果什么任务该用哪个模式什么任务用了反而翻车。搞懂这套东西你就能把原本要花三小时的活压到三十分钟而且质量不降。2. 为什么同一个 AI 有人用得像神器有人用得像玩具2.1 提示语不是“客气话”是给 AI 画地图很多人第一次用 AI输入的是“帮我写个方案”。结果出来一堆正确的废话然后得出结论AI 不行。问题不在 AI在于这句话没有给任何约束。打个比方你让一个刚入职的实习生“去搞个活动”他大概率也会懵。但如果你说“你是十年经验的 SaaS 商务给一场面向中小企业主的线上活动写小红书宣推文案300 字以内语气轻松带三个卖点”他就能干活了。这就是提示语技巧的本质把模糊需求翻译成 AI 能执行的结构。资料里提到的 RTGO 结构就是一个典型模板——Role角色、Task任务、Goal目标、Objective操作要求。角色告诉 AI 用什么身份说话任务说清楚做什么目标说清楚做成什么样算好操作要求则管住字数、格式、风格这些细节。四样齐了输出质量通常能上一个台阶。还有一个来自新加坡提示工程竞赛的 CO-STAR 框架把上下文、目标、风格、语调、受众、回应类型六个维度拆开。它和 RTGO 不冲突更像是一个更细的检查清单。比如“受众是谁”这一条写给未成年人看和写给专业人士看用词完全不一样不提前说清楚AI 只能猜猜错就返工。提示提示语不是越长越好而是越“没有歧义”越好。一句话里如果同时出现三个目标AI 会优先满足它认为最重要的那个剩下的可能直接忽略。2.2 为什么 DeepSeek 要分 V3 和 R1 两种模式这是很多人容易忽略的一点DeepSeek 不是只有一个“大脑”它至少有两种工作模式。基础模型 V3 是通用型高效便捷适合绝大多数日常任务比如写邮件、改文案、做表格。深度思考模型 R1 是推理型专门啃复杂问题比如数理逻辑、代码调试、多步骤分析。资料里用了一个 5R 维度来对比这两种模式翻译成大白话就是维度V3 基础模型R1 深度思考规范约束操作路径明确按规矩来操作路径开放自己找路结果导向目标确定结果可预期目标开放结果多样路径灵活性线性流程一步接一步网状探索可能绕路响应模式被动执行规则主动决策创新风险特征稳定可控低风险不确定性高高风险这张表的核心信息是V3 像流水线工人你给清楚指令它就干得漂亮R1 像顾问你给个目标它自己琢磨怎么达成但有时候会想多了。选错模式就像让流水线工人去做战略咨询或者让顾问去拧螺丝不是不能干是效率不对。2.3 提示语在两种模式下为什么反着来更有意思的是V3 和 R1 对提示语的要求几乎是相反的。V3 需要“过程-结果”都清晰你得告诉它第一步做什么、第二步做什么、最后要什么格式。R1 则相反目标清晰就行结果可以模糊甚至不需要角色设定、不需要思维链提示、不需要结构化提示词、不需要给示例。为什么因为 R1 本身就有推理能力你给它太多结构反而限制了它自己找路。这就像你让一个资深分析师做行业研究你说“帮我分析一下这个市场”他给你一份报告你说“第一步打开 Excel第二步拉数据第三步画图”他反而觉得你在添乱。所以资料里专门强调R1 的提示语技巧是“开放性”的少即是多。3. 提示语框架到底怎么选RTGO、CO-STAR 和 CAP 的区别3.1 三个框架分别解决什么问题RTGO 是最轻量的适合日常任务。你不需要记太多只要在提问时脑子里过一遍角色是谁、任务是什么、目标是什么、有什么操作要求。比如“你是数据分析师帮我分析这份销售数据目标是找出下滑原因要求用表格呈现不超过 500 字”。四要素齐了V3 就能给出不错的结果。CO-STAR 更细适合内容创作类任务。它多出来的“受众”和“语调”两个维度在写文案、写报告、写邮件时特别管用。比如同样是写产品介绍给技术决策者看和给一线用户看语调完全不同。CO-STAR 逼你提前想清楚这些减少来回改的次数。CAP 框架则是为智能体场景准备的全称是“全维度智能体提示框架”。它把提示语分成四层身份定义、能力矩阵、边界系统、工作引擎。身份定义管角色和交互特征能力矩阵管技能和决策权限边界系统管伦理规范和安全限制工作引擎管输入处理和输出规范。这套东西听起来复杂但当你需要 AI 扮演一个完整角色、执行多步骤任务时它能把边界画得很清楚。3.2 用哪个框架看任务复杂度一个简单的判断方法是如果任务一句话能说清楚用 RTGO如果需要控制语气和受众用 CO-STAR如果任务涉及多步骤、多角色、有安全边界用 CAP。资料里给了一个很具体的例子用 DeepSeek 制作可视化图表时提示语里要写清楚“角色是 Mermaid 图表代码生成器”“技能是熟悉 Mermaid 语法”“约束是代码必须符合语法规范”“工作流程是先询问图表类型再生成代码”。这就是 CAP 框架的落地用法。再比如制作 PPT提示语里要求“不少于 30 页”“先出研究资料表格再出 Markdown 大纲最后出流程图三者不要混杂”。这些约束看起来琐碎但正是它们让输出变得可用。没有这些约束AI 可能给你 10 页大纲也可能把表格和大纲混在一起你还得手动拆。注意框架是拐杖不是枷锁。用熟了之后你完全可以根据任务自由组合。关键是脑子里要有“角色、任务、目标、约束”这四个锚点不管用什么框架缺了哪个补哪个。4. 常见误区这几个概念最容易搞混4.1 误区一把 V3 和 R1 当成两个不同的产品很多人以为 V3 和 R1 是两个独立的 AI其实它们是同一个模型体系下的两种模式。V3 是基础模型R1 是深度思考模型底层能力有重叠但工作方式不同。混淆点在于有些平台把 R1 单独部署看起来像另一个产品。区分方法很简单看任务类型。日常写作用 V3复杂推理用 R1。如果你不确定先用 V3 试结果不够深再换 R1。4.2 误区二以为提示语越详细越好新手容易走向另一个极端把提示语写成一篇小作文恨不得把背景、要求、格式、示例全塞进去。结果 AI 反而抓不住重点。提示语的核心是“消除歧义”不是“堆信息”。如果一句话已经说清楚了再加三句解释只会让 AI 分心。区分方法写完提示语后读一遍问自己“如果我是 AI我知道该做什么吗”如果答案是肯定的就够了。4.3 误区三把联网搜索当成万能知识库联网搜索模式是 RAG检索增强生成它能实时查资料但查到的资料质量参差不齐。有人以为开了联网搜索AI 说的就都是对的其实不然。RAG 只是把检索到的内容作为参考最终输出还是模型生成的。区分方法涉及事实性数据时要求 AI 给出信息来源自己再核对一遍。尤其是行业数据、政策条款这类不能出错的内容不能全信。4.4 误区四认为 R1 不需要提示语技巧资料里明确写了 R1 的提示语技巧是“开放性”的不需要角色设定、不需要思维链提示、不需要结构化提示词。但这不等于“随便问就行”。R1 需要的是清晰的目标而不是模糊的指令。你可以不给它步骤但你必须告诉它“要什么”。区分方法对 R1 提问时重点说清楚“目标是什么”和“结果用来干什么”过程让它自己规划。4.5 误区五把 CAP 框架当成提示语模板CAP 框架是一个思考框架不是填空模板。有人把它当成“身份定义填这里、能力矩阵填那里”结果写出来的提示语很生硬。CAP 的价值在于帮你检查角色说清楚了吗能力边界画了吗安全限制考虑了吗输出规范定了吗区分方法先用自然语言把需求写清楚再用 CAP 四个维度检查一遍缺什么补什么而不是从零开始套模板。5. 什么时候该用 DeepSeek什么时候别硬用5.1 适合用的场景有明确产出物的任务DeepSeek 最擅长的是那些有明确产出物的任务。写文案、做大纲、整理资料、生成图表代码、分析数据、翻译文档这些任务的特点是你知道自己要什么只是需要有人帮你快速做出来。资料里提到的多场景应用——文化创新、科学研究、社会艺术、工业生产、媒体内容、医疗诊断、法律分析——本质上都是这个逻辑。举个例子你要做一个行业分析报告。传统流程是查资料、整理数据、写大纲、做图表、写正文。用 DeepSeek 的流程是先用联网搜索查资料让它整理成表格再用 V3 生成大纲然后用 R1 分析数据找洞察最后用 Mermaid 生成流程图。每一步都有明确产出你只需要做判断和修改。这就是“赋能”的真实含义不是 AI 替你干活是 AI 帮你把重复劳动压缩掉。5.2 不适合用的场景需要担责的决策但有些事DeepSeek 不能替你做。比如最终决策、签字盖章、承担法律责任。AI 可以给你分析、给你建议、给你方案但拍板的人必须是你。资料里提到的医疗诊断、法律问题分析AI 的输出只能作为参考不能作为最终依据。这不是 AI 能力不够是责任归属的问题。还有一种情况任务本身没有明确标准。比如“帮我写个能火的文案”这种需求 AI 给不了保证因为“火”的定义不清晰结果也无法预期。这时候用 AI大概率是浪费时间。5.3 一个具体例子用 DeepSeek 做 PPT 的完整判断假设你明天要给客户讲一个方案需要做 PPT。你可以这样判断步骤用什么模式为什么查行业资料联网搜索需要最新数据RAG 能实时检索生成大纲V3任务明确按结构输出即可分析数据找洞察R1需要推理找数据背后的逻辑生成流程图V3Mermaid 代码生成规则明确润色文案V3语言优化不需要深度推理这个判断过程本身就是“从入门到精通”要教的东西。不是记住哪个按钮在哪而是知道什么任务该用什么工具、给什么提示语、期待什么结果。提示如果你不确定该用哪个模式先用 V3 跑一遍看结果差在哪。如果差在“不够深”换 R1如果差在“不够准”开联网搜索如果差在“不够像”改提示语。5.4 我自己的习惯从那以后我每次打开 DeepSeek 之前都会先花三十秒想清楚三件事我要的产出物是什么、这个任务需要推理还是执行、我有没有把要求说清楚。这三件事想明白了再动手提问基本不会翻车。如果没想明白就开问大概率要来回改好几轮反而更慢。希望帮到你。本文还有配套的精品资源点击获取