Kā lietot DeepSeek v3 un R1: Uzvedņu izveide argumentācijas un tērzēšanas uzdevumiem
Ja esat kādreiz pārmērīgi sarežģījis uzvedni, lai iegūtu sliktāku atbildi, neesat viens. Izmantojot argumentācijai paredzētus modeļus, piemēram, DeepSeek R1, un augstas caurlaidspējas tērzēšanas modeļus, piemēram, DeepSeek v3, vecā pieeja (garas uzvednes, intensīva "domāšanas ķēdes" pierunāšana) bieži vien dod pretēju efektu. Šī rokasgrāmata precīzi parāda, kā izveidot DeepSeek v3 un R1 uzvednes argumentācijas un tērzēšanas uzdevumiem — ko paturēt vienkāršu, kad veidot karkasu un kā pielāgot iestatījumus stabiliem un precīziem rezultātiem.
Stila piezīme: Praktisks un uz risinājumiem orientēts. Mēs koncentrēsimies uz to, kas darbojas, ar izgriešanas un ielīmēšanas veidnēm un drošības pasākumiem.
- Izmantojiet DeepSeek R1, kad nepieciešama stabila daudzpakāpju argumentācija, pierādījumi un sarežģīta plānošana.
- Izmantojiet DeepSeek v3 ātrai un precīzai tērzēšanai, kodēšanas palīdzībai, melnrakstu veidošanai un vispārīgiem jautājumiem un atbildēm mērogā.
- Nepiespiediet "domāšanas ķēdi". Tā vietā lūdziet "galīgās atbildes", "īsu pamatojumu" vai strukturētus izvades datus.
- Saglabājiet uzvednes īsas un skaidras; pievienojiet ierobežojumus un vērtēšanas kritērijus tikai tad, kad tas ir nepieciešams.
- Sāciet ar nulles kadru; pievienojiet dažu kadru piemērus tikai tad, ja redzat pastāvīgus kļūdu veidus.
Kāda ir atšķirība starp DeepSeek R1 un v3
- DeepSeek R1: Argumentācijai optimizēts modelis, kas paredzēts "padomāt pirms atbildēšanas", samazinot nepieciešamību pēc skaidras, soli pa solim uzvedņu izveides. Daudzas platformas un dokumenti iesaka izvairīties no "domāšanas ķēdes" pieprasījumiem; nulles kadrs bieži vien vislabāk darbojas ar R1.
- DeepSeek v3: Ātrs, spēcīgs MoE tērzēšanas modelis (kopā 671B parametri; 37B aktīvi vienam tokenam), kas paredzēts vispārējiem valodu uzdevumiem ar izcilu izmaksu efektivitāti, pazīstamu API ergonomiku un mūsdienīgu modeļa kvalitāti. Oficiālajos dokumentos ir parādīta OpenAI stila API lietošana.
Praksē:
- Izvēlieties R1 šādiem uzdevumiem: matemātikas teksta uzdevumi, stratēģijas sadalījums, daudzierobežojumu plānošana, sarežģīta argumentācija ar slēptiem soļiem.
- Izvēlieties v3 šādiem uzdevumiem: klientu tērzēšana, kodu pārskati, pārrakstīšana, apkopošana un ātri iterācijas cikli.
Zelta likums: Nepārslogojiet argumentācijas modeļus ar uzvednēm
Argumentācijas modeļi, piemēram, R1, jau veic iekšēju apsvēršanu. "Domāšanas ķēdes" piespiešana ("domājiet soli pa solim un parādiet savu argumentāciju") bieži vien palielina apjomīgumu, var novērst modeļa uzmanību un dažos iestatījumos var tikt neatbalstīta. Tā vietā izmantojiet:
- "Sniedziet galīgo atbildi un īsu skaidrojumu."
- "Sniedziet atbildi, pēc tam uzskaitiet 3 galvenos faktorus, kas jūs pie tās noveda."
- "Atgrieziet tikai rezultātu un 2 teikumu pamatojumu."
Tas atbilst norādījumiem, ka vienkāršas, nulles kadra uzvednes var būt tikpat efektīvas — vai pat labākas — nekā sarežģītas, pakāpeniskas instrukcijas R1.
Uzvedņu veidnes, kas darbojas
1) Nulles kadrs, minimālisma (Vislabākais pirmais mēģinājums R1; lieliski piemērots arī v3)
Mērķis: Atrisiniet netriviālu problēmu ar minimāliem ierobežojumiem.
Uzvednes veidne:
Jūs esat rūpīgs problēmu risinātājs.
Jautājums: {task}
Instrukcijas: Sniedziet galīgo atbildi un kodolīgu pamatojumu (maks. 3 teikumi).
Kāpēc tas darbojas: Tas veicina iekšēju argumentāciju, vienlaikus saglabājot izvadi fokusētu un īsu.
2) Ierobežota izvade (API, uzticamībai vai automatizācijai)
Izmantojiet, kad nepieciešami paredzami formāti.
Uzvednes veidne:
Sistēma: Jums jāatgriež tikai derīgs JSON.
Lietotājs: Apkopojiet šo dokumentu 5 punktos ar vienu risku un vienu iespēju.
Atgriezt JSON: {
"bullets": . Ziņas/modeļa piezīmes uzsver v3 efektivitāti un mērogu, savukārt modeļa kartes sniedz papildu kontekstu.
DeepSeek v3 un R1 izvēle atkarībā no lietošanas gadījuma
- Klientu atbalsta tērzēšana: v3 ātrumam un izmaksām; pievienojiet dažu kadru piemērus tonim un politikas ievērošanai.
- Analītiķu brīfingi un lēmumu pieņemšanas memorandi: R1 augstākas integritātes argumentācijai; iestatiet ierobežojumu "īss pamatojums".
- Kodu pārskatīšanas un pārveidošanas plāni: v3 ir lielisks ātrai iterācijai; R1, kad nepieciešama dziļa argumentācija par kompromisiem.
- Matemātika, loģika, plānošana ar ierobežojumiem: R1 parasti izceļas.
- Liela mēroga apkopošanas vai pārrakstīšanas cauruļvadi: v3 caurlaidspējai.
Lai iegūtu apmācību par R1 izmantošanu RAG asistentā, skatiet kopienas un apmācību rakstus, kas parāda pilnīgas veidnes, uz kodēšanu orientētus piemērus v3 un vietējos eksperimentus, izmantojot kopienas komplektus.
Droša argumentācijas satura apstrāde
- Nelūdziet pilnu "domāšanas ķēdi". Ja nepieciešama pārredzamība, pieprasiet īsu pamatojumu vai galveno faktoru sarakstu.
- Jutīgām jomām iekļaujiet politikas līniju: "Ja neesat pārliecināts vai uzdevums varētu radīt kaitējumu, uzdodiet precizējošus jautājumus vai atsakieties."
- Pievienojiet validācijas uzvednes skaitliskiem uzdevumiem: "Pirms atbildēšanas vēlreiz pārbaudiet aritmētiku."
Tas atspoguļo parasto labākās prakses norādījumus R1 stila modeļiem: minimāla uzvedņu izveide, izvairieties no "domāšanas ķēdes" rosināšanas un paļaujieties uz modeļa iekšējo argumentāciju.
Uzvedņu bibliotēka: Kopēšanai gatavi fragmenti
A) Sarežģīta plānošana (R1)
Mērķis: Plānojiet 6 nedēļu produkta beta versiju 1000 lietotājiem ar minimālu atteikumu.
Atgriezt:
- Starpposmi (nedēļu pa nedēļai)
- Mazinoši pasākumi (viens katram riskam)
Ierobežojumi: Saglabājiet kopējo apjomu zem 200 vārdiem.
### B) Politikai jutīga tērzēšana (v3)
Sistēma: Jūs esat noderīgs, politikai atbilstošs palīgs. Ja pieprasījums ir pretrunā ar politiku, uzdodiet precizējošu jautājumu vai piedāvājiet drošu alternatīvu.
Lietotājs: Izveidojiet atmaksas atbildi par aizkavētu pasūtījumu. Saglabājiet empātisku toni un piedāvājiet divas iespējas.
### C) Matemātika/Loģika (R1)
Atrisiniet sekojošo. Sniedziet galīgo atbildi un 2 teikumu pārbaudi.
Problēma: {word problem}
### D) Koda pārskats (v3)
Jūs esat vecākais Python recenzents. Analizējiet fragmentu attiecībā uz veiktspēju un lasāmību.
Atgriezt:
- Piemēra pārveidošana (<=30 rindas)
### E) Datu ieguve JSON formātā (v3)
Sistēma: Atgrieziet tikai derīgu JSON.
Lietotājs: Iegūstiet uzņēmumu, ieņēmumus un galveno mītni no teksta. Ja trūkst, izmantojiet null.
Shēma: {"company":"string","revenue":"string|null","hq":"string|null"}
Teksts: {paste}
Traucējummeklēšana: Kad izvades dati novirzās vai halucinē
- Pārāk apjomīgs? Samaziniet maksimālo tokenu skaitu vai pievienojiet "Maks. 120 vārdi."
- Nepastāvīgs formāts? Pievienojiet tikai JSON sistēmas uzvedni un apturēšanas secību.
- Nepareizi pieņēmumi? Pievienojiet viena rindiņas ierobežojumu: "Ja neesat pārliecināts, uzdodiet 1 precizējošu jautājumu."
- Matemātikas kļūdas? Pievienojiet "Pirms galīgās atbildes vēlreiz pārbaudiet aritmētiku."
- Trausli ķēdes uzdevumi? Sadaliet divos zvanos: plāns → izpilde.
API ātrā palaišana (konceptuāla)
- Galapunkta un atslēgu pārvaldība atbilst OpenAI stila saskarnei. Sagaidiet standarta laukus, piemēram,
model, messages, temperature, max_tokens un straumēšanas opcijas.
- DeepSeek v3 specifika un veiktspējas apgalvojumi ir apkopoti oficiālajās ziņās/modeļa atjauninājumā un modeļa kartēs.
Vērts atzīmēt: Sider.AI izmantošana uzvedņu iterācijai
Ja ātri izpētāt veidnes — testējat nulles kadru pret dažiem kadriem, pārslēdzat formātus vai salīdzināt R1 un v3 atbildes — pārklājuma palīgs var paātrināt ciklu. Starp citu, Sider.AI atvieglo melnrakstu veidošanu, iterāciju un A/B uzvedņu izveidi dažādās lapās un rīkos vienā darbplūsmā, lai jūs varētu koncentrēties uz minimālo uzvedni, kas vislabāk atbilst jūsu uzdevumam. Galvenie secinājumi
- Dodiet priekšroku minimālām, nulles kadra uzvednēm DeepSeek R1; izvairieties no skaidriem "domāšanas ķēdes" pieprasījumiem.
- Izmantojiet DeepSeek v3 ātrai, mērogojamai tērzēšanai un strukturētiem uzdevumiem; paļaujieties uz ierobežotiem formātiem uzticamībai.
- Pievienojiet dažu kadru piemērus tikai, lai labotu pastāvīgus kļūdu veidus.
- Ieviesiet struktūru ar JSON shēmām, īsām sistēmas uzvednēm un apturēšanas secībām.
- Sarežģītai argumentācijai lūdziet galīgās atbildes un īsus pamatojumus — nevis pilnus argumentācijas žurnālus.
BUJ
Q1:Kad man vajadzētu izvēlēties DeepSeek R1, nevis DeepSeek v3?
Izvēlieties DeepSeek R1 daudzpakāpju argumentācijai, sarežģītai plānošanai un matemātikas/loģikas uzdevumiem. Izvēlieties v3 ātrai, vispārīgai tērzēšanai, melnrakstu veidošanai, kodēšanas palīdzībai un augstas caurlaidspējas cauruļvadiem.
Q2:Vai man vajadzētu izmantot "domāšanas ķēdes" uzvednes ar DeepSeek R1?
Nē. Norādījumi liecina, ka jāizvairās no skaidras "domāšanas ķēdes" un jāpaļaujas uz modeļa iebūvēto argumentāciju. Tā vietā lūdziet galīgās atbildes ar īsiem pamatojumiem.
Q3:Kā es varu iegūt konsekventu JSON no DeepSeek v3?
Izmantojiet īsu sistēmas uzvedni, kas pieprasa tikai JSON, definējiet stingru shēmu un, ja vēlaties, iestatiet apturēšanas secības. Pazeminiet temperatūru un ierobežojiet maksimālo tokenu skaitu, lai ierobežotu novirzes.
Q4:Kāda temperatūra man jāizmanto argumentācijas uzdevumiem?
Sāciet zemu (0,0–0,3) determinismam un vērtēšanai. Paaugstiniet līdz 0,4–0,7, lai panāktu līdzsvarotu radošumu melnrakstu veidošanā vai kodēšanā; izmantojiet augstākas vērtības ideju ģenerēšanai.
Q5:Vai es varu palaist DeepSeek modeļus lokāli?
Pastāv kopienas iestatījumi eksperimentēšanai, bet ražošanā bieži tiek izmantotas mitinātas API stabilitātei un veiktspējai. Skatiet modeļa kartes un kopienas rokasgrāmatas, lai iegūtu vietējos norādījumus.
