原创 猫叔的AI 2025-01-31 12:20 吉林
Deepseek时代提示词技巧 之 关键诉求
模型都可以自己思考了，写那么长的提示词干啥？
最近的观察：完整的提示词可能不如片段有效，甚至可能干扰模型的思考流程。
过长提示带来了大量的Token浪费和上下文污染，特别是在多轮对话中。deepseek时代，或者说模型有能力深度思考的时代，用户只需要在关键点进行引导，让模型自主发挥。
「关键诉求」模式是新一代LLM的正确打开方式。
一、新旧提示法对比
传统方法（费力不讨好）
? 像唠叨家长： "写一篇关于环保的文章，要分五个部分，每部分有案例，案例要近三年的，开头用疑问句，结尾有号召，字数控制在800字..." → 模型：忙于数要求清单，创造力被框死
新型技巧（精准狙击）
? 像对聪明助理打暗号： "主题：环保 | 要最新案例 | 结尾有力道" → 模型：自动调用知识库中最相关数据，自主组织最佳结构
二、怎么只说「在意点」就能行？
1. 现代LLM的隐藏能力
- 需求解译2.0：能通过关键词联想完整场景（如"要数据"→自动用图表+最新统计）上下文缝补：当你说"和上次格式一样"，它能关联历史对话找到模板
2. 用户省力秘诀
- 痛点标记法：用❗️标注核心需求 *"介绍秦始皇 ❗️别写焚书坑儒"_ → 模型自动规避敏感点负面清单优先：明确不要什么比说要什么更高效 *"推荐电影 → 不要恐怖片"_
3. 三阶表达法
三、日常场景实战
场景1：点外卖选择困难
❌ 旧方法： "找家人均50以下的川菜馆，要4.8分以上，有午市套餐，配送时间小于30分钟..."
✅ 新思路：
*"川菜 | ❗️辣度可选 | 别太油"_
→ 模型自动排除重油馆子，优先显示有「微辣/免辣」选项的店铺
场景2：帮孩子改作文
❌ 旧方法： "把这篇作文改生动些，多用比喻句，开头加悬念，结尾要点题..."
✅ 新思路：
*"作文润色 → ❗️别改掉孩子语气 | 加点奇幻元素"_
→ 保留"太阳像爸爸的光头"这类童趣表达，只增补魔法细节
场景3：买衣服咨询
❌ 旧方法： "找适合梨形身材的连衣裙，长度过膝，V领，材质不透，预算300内..."
✅ 新思路：
*"连衣裙 ❗️遮胯 ❗️不透 | 预算←"_
→ 模型直接推荐A字裙/伞裙，过滤雪纺材质
四、高级技巧：符号说明书
用特定符号代替长说明，建立个人密码本：
- #急 = 要简洁版+重点标红?↑ = 优先高价质优选项(?) = 需要解释原因→ = 对比优缺点
实例： *"三亚攻略 #急 ?↑ (?) → 自由行/跟团"_ → 输出：高端酒店对比表 + 自由行适合人群分析
五、常见问题应对
- 怕模型理解偏差：
- 补救指令：*"方向OK，但X部分要更..."_
- 追加符号：*"+ ❗️增加二手市场评价"_
- 优先级标记：*"❗️防水 > 颜值 > 价格"_
最终心法： 把LLM当作会读心术的聪明朋友——
- 你不用解释「怎么呼吸」，只说「想要栀子花香」不用担心它不懂，只要标记你的雷点和嗨点越放松的表达，越能激发它的真正实力
就像给画家说「要夏天的海」，而不是规定「蓝色占比30%+浪花画法」——留白处才是艺术诞生地。
