What prompt style works best for DeepSeek v3.1 Terminus on complex reasoning?

Use a Chain-of-Checks prompt: request a final answer, a short justification, and a single verification step. It improves accuracy without exposing internal reasoning and reduces subtle logic errors.

How can I force DeepSeek v3.1 Terminus to return clean JSON?

Adopt a Schema-First prompt with an explicit JSON template, validation rules, and examples. Instruct the model to output JSON only and omit unknown fields to avoid placeholders.

How do I prevent hallucinations with DeepSeek v3.1 Terminus?

Use an Evidence-Bound Answer style that limits the model to provided sources and requires citations like [S1]. If evidence is missing, instruct the model to state “Insufficient evidence.”

What’s the fastest way to get concise, high-quality answers?

Use a Constraint-Compressed prompt: cap word count, define a strict structure, and prioritize data over adjectives. This keeps responses informative and compact.

Which prompt style should I use for code generation?

Use an I/O Spec + Tests prompt. Define the function signature, constraints, and include acceptance tests; models optimize to pass those tests, yielding more reliable code.

รูปแบบ Prompt แบบใดที่ช่วยให้ได้ผลลัพธ์ที่ดีขึ้นจาก DeepSeek v3.1 Terminus

ข้ออ้างที่กล้าหาญ: การปรับแก้ Prompt ส่วนใหญ่ไม่มีผล -- จนกว่าจะมีผล การปรับเปลี่ยนรูปแบบ Prompt ที่แม่นยำเพียงเล็กน้อยใน DeepSeek v3.1 Terminus สามารถเพิ่มคุณภาพของผลลัพธ์เป็นสองเท่าและลดรอบการอนุมานได้

คู่มือนี้จะสำรวจรูปแบบ Prompt ที่ช่วยให้ได้ผลลัพธ์ที่ดีขึ้นอย่างสม่ำเสมอจาก DeepSeek v3.1 Terminus เราจะก้าวข้ามคำแนะนำทั่วไป เช่น "ระบุให้ชัดเจน" และจะทำการเปิดเผยเทมเพลตที่มีโครงสร้าง ตัวอย่าง และกลยุทธ์ที่ผ่านการทดสอบความเครียดซึ่งปรับปรุงความลึกของเหตุผล ความแม่นยำ และความเร็ว ไม่ว่าคุณจะกำลังสร้างเอเจนต์ เขียนคำค้นหาที่ซับซ้อน หรือสร้างเนื้อหาที่พร้อมสำหรับการผลิต รูปแบบ Prompt ที่เหมาะสมจะให้ความรู้สึกเหมือนกับการเปิดสวิตช์ที่ซ่อนอยู่

เราจะใช้แนวทางที่เน้นการปฏิบัติจริงและมุ่งเน้นการแก้ปัญหา โดยมีตัวอย่างที่คุณสามารถคัดลอก ปรับเปลี่ยน และทำการทดสอบ A/B คาดหวังรายการตรวจสอบ กรอบการทำงานที่กระชับ และสัญญาณที่ชัดเจนสำหรับเวลาที่จะใช้แต่ละรูปแบบ

เหตุใดรูปแบบ Prompt จึงมีความสำคัญใน DeepSeek v3.1 Terminus

รูปแบบชี้นำพฤติกรรม: Terminus ตอบสนองต่อโครงสร้างอย่างมาก Prompt ที่กำหนดกรอบของข้อจำกัด บทบาท และเกณฑ์การประเมินจะชี้นำร่องรอยการให้เหตุผลของโมเดล

ข้อดีข้อเสียระหว่างเวลาแฝงและความลึก: วิธีที่คุณถามสามารถกระตุ้นให้เกิดผลลัพธ์ที่กระชับหรือห่วงโซ่หลายขั้นตอน การใช้คำที่ควบคุมได้ช่วยลดการสิ้นเปลืองโทเค็น

ความสามารถในการทำซ้ำ: เทมเพลตที่สอดคล้องกันช่วยปรับปรุงการกำหนดและทำให้การแก้ไขจุดบกพร่องง่ายขึ้น

คู่มือรูปแบบ Prompt (นำโดยคำถาม)

เราจะจัดโครงสร้างสิ่งนี้เป็นคำถามที่คุณน่าจะถาม และรูปแบบที่ใช้ได้ผลดีที่สุด

1) ฉันจะปรับปรุงความแม่นยำในการให้เหตุผลในงานที่ซับซ้อนได้อย่างไร

ใช้รูปแบบ "Chain-of-Checks" แทนที่จะถามถึงห่วงโซ่ความคิดเท่านั้น (ซึ่งคุณไม่ควรถามตามตัวอักษร) ให้แนะนำให้โมเดลให้เหตุผลอย่างเงียบๆ แล้วนำเสนอผลลัพธ์ที่ตรวจสอบได้พร้อมการตรวจสอบที่ชัดเจน

เวลาที่ควรใช้: คณิตศาสตร์/ตรรกะ การปฏิบัติตามนโยบาย การวางแผนแบบมีข้อจำกัดหลายอย่าง

เหตุผลที่ได้ผล: ส่งเสริมการวางแผนภายในและการตรวจสอบภายนอกโดยไม่เปิดเผยการให้เหตุผลภายใน

ตัวอย่าง Prompt:

คุณคือนักวิเคราะห์ที่รอบคอบ แก้ปัญหาและนำเสนอ:
1) คำตอบสุดท้ายเท่านั้น
2) เหตุผลสั้นๆ: แสดงรายการสมมติฐานและขั้นตอนสำคัญ
3) การตรวจสอบ: การตรวจสอบอย่างรวดเร็วที่สามารถจับข้อผิดพลาดได้
ปัญหา: แผนบริการโทรศัพท์มือถือคิดค่าบริการพื้นฐาน $29 บวก $0.12 ต่อนาทีหลังจาก 100 นาที สำหรับ 245 นาที ค่าบริการคือเท่าไร
ข้อจำกัด: ให้เหตุผลภายใต้ 60 คำ

สิ่งที่ต้องมองหาในผลลัพธ์:

สมมติฐานที่ชัดเจน ไม่มีส่วนเกิน

ขั้นตอนการตรวจสอบที่อาจล้มเหลวได้จริง

เคล็ดลับ: เพิ่ม

หากไม่แน่ใจ ให้ระบุความไม่แน่นอนและข้อมูลเพิ่มเติมที่จะช่วยได้

เพื่อลดการหลอน

2) ฉันจะได้ผลลัพธ์ที่มีโครงสร้างทุกครั้งได้อย่างไร

ใช้รูปแบบ "Schema-First" กับเทมเพลต JSON หรือ YAML แบบอินไลน์ ระบุรูปร่างและกฎตัวอย่าง

เวลาที่ควรใช้: การผสานรวม ระบบอัตโนมัติ การเรียกใช้ฟังก์ชัน การแยกวิเคราะห์ดาวน์สตรีม

เหตุผลที่ได้ผล: Terminus สอดคล้องกับ Schema ที่ชัดเจนอย่างใกล้ชิด

รูปแบบ Prompt:

คืนค่า JSON เท่านั้น ไม่มีคำอธิบาย
Schema:
{
"title": "string",
"summary": "string",
"priority": "low|medium|high",
"tags": ["string"],
"next_actions": [
{"task": "string", "owner": "string", "eta_days": number}
]
}
งาน: สรุปบันทึกการประชุมต่อไปนี้และเสนอขั้นตอนต่อไป
บันทึก: "..."
กฎการตรวจสอบ:
- ใช้ตัวพิมพ์เล็กสำหรับแท็ก
- ไม่มีค่า null
- สรุปไม่เกิน 80 คำ

เคล็ดลับในการเสริมความแข็งแกร่ง:

เพิ่ม หากไม่ทราบฟิลด์ ให้ละเว้น เพื่อป้องกันตัวยึดตำแหน่ง

ระบุตัวอย่างที่เป็นบวกหนึ่งตัวอย่างและตัวอย่างที่เป็นลบหนึ่งตัวอย่าง

3) ฉันจะลดการหลอนได้อย่างไร

ใช้รูปแบบ "Evidence-Bound Answer" ซึ่งบังคับให้มีการอ้างอิงและการปฏิเสธเมื่อไม่มีหลักฐาน

เวลาที่ควรใช้: คำถามและคำตอบตามข้อเท็จจริง การปฏิบัติตามข้อกำหนด เนื้อหาที่มีการควบคุม

เหตุผลที่ได้ผล: เปลี่ยนโมเดลจากการคาดเดาเชิงสร้างสรรค์ไปเป็นการสังเคราะห์ด้วยการอ้างอิง

เทมเพลต Prompt:

ตอบเฉพาะเมื่อได้รับการสนับสนุนจากแหล่งข้อมูลที่ให้มาเท่านั้น อ้างอิงเช่น [S1], [S2] หากไม่ได้รับการสนับสนุน ให้พูดว่า "ไม่มีหลักฐานเพียงพอ"
คำถาม: ผลการวิจัยหลักคืออะไร
แหล่งที่มา:
[S1] ...
[S2] ...
รูปแบบผลลัพธ์:
- ประเด็นสำคัญ (แบบมีสัญลักษณ์หัวข้อย่อย)
- ข้อสรุป 1 ประโยค

เพิ่ม Guardrail:

อย่าใช้ความรู้ภายนอก

หากแหล่งที่มาขัดแย้งกัน ให้ระบุอย่างชัดเจน

4) ฉันจะได้รับคำตอบที่เร็วขึ้นและสั้นลงโดยไม่สูญเสียคุณภาพได้อย่างไร

ใช้รูปแบบ "Constraint-Compressed" ที่จำกัดโทเค็นและสั่งให้จัดลำดับความสำคัญของข้อมูล

เวลาที่ควรใช้: Chat UI โทรศัพท์มือถือ คำแนะนำเครื่องมือ สรุป

เหตุผลที่ได้ผล: ส่งเสริมการจัดลำดับความสำคัญ

รูปแบบ Prompt:

ส่งมอบข้อมูลที่เป็นประโยชน์มากที่สุด 20% แรกเท่านั้น สูงสุด 120 คำ
โครงสร้าง:
- คำตอบ 1 บรรทัด
- 3 หัวข้อย่อย: หลักฐาน ความเสี่ยง ขั้นตอนต่อไป

เพิ่ม:

ชอบตัวเลข วันที่ และชื่อเฉพาะมากกว่าคำคุณศัพท์

5) ฉันจะปรับปรุงความคิดสร้างสรรค์สำหรับเนื้อหาและการสร้างแนวคิดได้อย่างไร

ใช้รูปแบบ "Diverge → Converge" กับโหมดและตัวกรอง

เวลาที่ควรใช้: การระดมสมอง สำเนาการตลาด แนวคิดผลิตภัณฑ์

เหตุผลที่ได้ผล: แยกการสร้างแนวคิดจากการเลือก ลดการลู่เข้าก่อนกำหนด

สูตร Prompt:

ระยะที่ 1 — Diverge (ไม่มีการตัดสิน):
- สร้าง 12 แนวคิดใน 4 มุมที่แตกต่างกัน
- สร้าง 1 แนวคิดที่ขัดแย้งกันและ 1 แนวคิดที่สนุกสนาน
ระยะที่ 2 — Converge:
- ให้คะแนนแต่ละแนวคิดเกี่ยวกับความแปลกใหม่ (1–5) และความสามารถในการปฏิบัติได้ (1–5)
- เลือก 3 อันดับแรกตามความเหมาะสมของผลิตภัณฑ์กับตลาด
- สำหรับผู้ชนะ: สร้าง Pitch 50 คำและพาดหัวข่าว

เพิ่มข้อมูลสรุปเกี่ยวกับแบรนด์/คู่มือรูปแบบเพื่อปรับโทนเสียง

6) ฉันจะประสานงานงานหลายขั้นตอนด้วยเครื่องมือหรือ API ได้อย่างไร

ใช้รูปแบบ "Planner-Executor" กับการแยกบทบาทและนโยบายการใช้เครื่องมือที่ชัดเจน

เวลาที่ควรใช้: เอเจนต์ ระบบอัตโนมัติ การดึงข้อมูล + การสร้าง

เหตุผลที่ได้ผล: ป้องกันการใช้เครื่องมือมากเกินไปและลูป ทำให้เงื่อนไขการหยุดชัดเจน

กรอบ Prompt:

บทบาท: Planner
เป้าหมาย: จองเที่ยวบินราคาต่ำกว่า $450 จาก NYC ไป SEA วันที่ 12–15 พฤศจิกายน
นโยบาย:
- ใช้เครื่องมือค้นหาเพื่อดึงราคาเท่านั้น
- หยุดเมื่อ 2 ตัวเลือกเป็นไปตามข้อจำกัด
- หากไม่มีตัวเลือก ให้เสนอวันที่อื่น 2 วัน
ผลลัพธ์: แผนพร้อมขั้นตอน
บทบาท: Executor (ทำตามแผนอย่างเคร่งครัด)
- ดำเนินการตามขั้นตอนที่ 1 จากนั้นหยุดและสรุปผลลัพธ์

เพิ่ม:

หากขั้นตอนล้มเหลว ให้เสนอวิธีแก้ไขและขออนุญาตก่อนลองใหม่

7) ฉันจะบังคับใช้โทนเสียง รูปแบบ และเสียงของแบรนด์ได้อย่างไร

ใช้ "Style Lock" กับรายการสิ่งที่ควรทำ/ไม่ควรทำที่ชัดเจนและตัวอย่างสั้นๆ

เวลาที่ควรใช้: เนื้อหาในวงกว้าง การตอบกลับการสนับสนุน เอกสารผลิตภัณฑ์

เหตุผลที่ได้ผล: ข้อจำกัดที่เป็นรูปธรรมดีกว่าคำคุณศัพท์ที่ไม่ชัดเจน

โครงร่าง Prompt:

กลุ่มเป้าหมาย: CTO ระดับกลาง
โทนเสียง: กระชับ เป็นรูปธรรม มั่นใจ
สิ่งที่ควรทำ: ใช้ตัวเลข เปรียบเทียบข้อดีข้อเสีย แสดงค่าใช้จ่าย
สิ่งที่ไม่ควรทำ: โฆษณาเกินจริง คำพูดที่ซ้ำซาก คำถามเชิงวาทศิลป์
ตัวอย่าง (2 ประโยค): "..."
งาน: เขียนอีเมลใหม่ให้ตรงกับคู่มือ

8) ฉันจะได้รับการสร้างโค้ดและการปรับปรุงโค้ดที่ดีขึ้นได้อย่างไร

ใช้รูปแบบ "I/O Spec + Tests": กำหนดอินพุต เอาต์พุต ข้อจำกัด และรวมการทดสอบเป็นเกณฑ์การยอมรับ

เวลาที่ควรใช้: ฟังก์ชัน สคริปต์ การย้ายข้อมูล

เหตุผลที่ได้ผล: โมเดลปรับให้เหมาะสมเพื่อผ่านการทดสอบที่มองเห็นได้

รูปแบบ Prompt:

เขียนฟังก์ชัน Python `normalize_name(s: str) -> str`
ข้อจำกัด:
- ตัดช่องว่าง ยุบหลายช่องว่าง ตัวอักษรตัวพิมพ์ใหญ่สำหรับคำ
- รักษายัติภังค์และเครื่องหมายอะพอสทรอฟี
- ASCII เท่านั้น; แทนที่อักขระที่ไม่ใช่ ASCII ด้วยอักขระที่ใกล้เคียงที่สุด
การทดสอบ:
- " mary ann o'brien " -> "Mary Ann O'Brien"
- "JOSE-LUIS" -> "Jose-Luis"
- "Zoë" -> "Zoe"

เพิ่ม:

อธิบายความซับซ้อนของเวลา/พื้นที่ใน 2 ประโยค

9) ฉันจะทำให้โมเดลถามคำถามที่ต้องการความชัดเจนเมื่อจำเป็นเท่านั้นได้อย่างไร

ใช้ "Conditional Clarification" กับเกณฑ์ที่ชัดเจน

เวลาที่ควรใช้: ผู้ช่วยฝ่ายขาย การสนับสนุน การกรอกแบบฟอร์ม

เหตุผลที่ได้ผล: หลีกเลี่ยงการถามมากเกินไปขณะที่ป้องกันสมมติฐานที่ผิดพลาด

ข้อมูลสรุป Prompt:

หากความมั่นใจ ≥ 0.8 ให้ดำเนินการต่อ หาก < 0.8 ให้ถามคำถามที่ตรงเป้าหมาย 1 ข้อ
แสดง: สมมติฐานที่อนุมานและความมั่นใจ (0–1)
งาน: ร่างวาระการประชุมสำหรับการโทร Onboarding 30 นาที

10) ฉันจะดึงข้อมูลจากข้อความที่ไม่เป็นระเบียบได้อย่างน่าเชื่อถือได้อย่างไร

ใช้รูปแบบ "Span-Exact Extraction" กับสัญญาณ Anchor และ Span ที่เข้มงวด

เวลาที่ควรใช้: สัญญา บันทึก อีเมล ใบเสร็จ

เหตุผลที่ได้ผล: Anchor ช่วยลดการเบี่ยงเบน การคัดลอก Span หลีกเลี่ยงข้อผิดพลาดในการถอดความ

รูปแบบ Prompt:

ดึง Span ที่แน่นอนสำหรับ: vendor_name, invoice_total, due_date
กฎ: คัดลอกตามตัวอักษร หากขาดหายไป ให้คืนค่า ""
ข้อความ:
"""
...
"""
คืนค่า JSON เท่านั้น

เมทริกซ์รูปแบบ Prompt: เวลาที่ควรใช้อะไร

งานให้เหตุผล → Chain-of-Checks

เอาต์พุตที่มีโครงสร้าง → Schema-First

ข้อเท็จจริงพร้อมการอ้างอิง → Evidence-Bound

ความชัดเจนในรูปแบบสั้น → Constraint-Compressed

การสร้างแนวคิด → Diverge → Converge

การใช้เครื่องมือ/เอเจนต์ → Planner-Executor

เสียงของแบรนด์ → Style Lock

งานโค้ด → I/O Spec + Tests

ความชัดเจน → Conditional Clarification

การดึงข้อมูล → Span-Exact

เก็บไลบรารีเล็กๆ ของรูปแบบเหล่านี้และทำการทดสอบ A/B

การอัปเกรดที่ใช้งานได้จริงที่ทวีคูณ

Context windows: ระบุเฉพาะบริบทที่เกี่ยวข้อง ใส่เป้าหมายและข้อจำกัดไว้ด้านบน อ้างอิงไว้ด้านล่าง

ลำดับความสำคัญของคำแนะนำ: ลำดับมีความสำคัญ ใช้ส่วนหัว เช่น เป้าหมาย, ข้อจำกัด, เอาต์พุต เพื่อสร้างลำดับชั้น

เงื่อนไขการหยุด: ป้องกันการพูดพล่ามด้วย หยุดเมื่อ… และงบประมาณโทเค็น

การตรวจสอบตัวเอง: เพิ่มขั้นตอนการตรวจสอบเดียวที่ปรับให้เหมาะกับงาน

Temperature discipline: ลดลงเพื่อความแม่นยำ (0.1–0.3) สูงขึ้นเพื่อความคิดสร้างสรรค์ (0.6–0.9) จับคู่กับรูปแบบ Prompt

Determinism: แก้ไข Seed หรือเพิ่มการสุ่มตัวอย่าง n-best หาก Stack ของคุณรองรับ

สถานการณ์จำลองขนาดเล็กในโลกแห่งความเป็นจริง

ข้อมูลสรุปการวิเคราะห์ (Constraint-Compressed + Evidence-Bound):

“สรุปการลดลงของ Funnel ในไตรมาสที่ 3 โดยใช้ข้อมูลด้านล่าง สูงสุด 120 คำ อ้างอิง ID ตาราง [T1], [T2] หากไม่มีเมตริก ให้พูดว่า 'ข้อมูลไม่เพียงพอ'”

การตรวจสอบข้อความทางกฎหมาย (Chain-of-Checks):

“ระบุคำที่คลุมเครือและเสนอทางเลือกที่เป็นภาษาธรรมดา ระบุรายการสุดท้าย ความเสี่ยงหลัก 3 ประการ และการตรวจสอบเดียว”

เขียนเนื้อหาใหม่ (Style Lock):

“เขียนคำถามที่พบบ่อยนี้ใหม่เพื่อให้มีโทนเสียงที่เป็นมิตรและตรงไปตรงมา สิ่งที่ควรทำ: การย่อ คำสั้นๆ สิ่งที่ไม่ควรทำ: คำศัพท์เฉพาะทาง”

การแก้ไขปัญหา: หากผลลัพธ์ไม่ดีขึ้น

คลุมเครือเกินไปหรือไม่ กระชับข้อจำกัดและเพิ่มตัวอย่างเล็กๆ

พูดพล่ามเกินไปหรือไม่ เพิ่มขีดจำกัดโทเค็นและโครงสร้างหัวข้อย่อยก่อน

หลอนหรือไม่ เปลี่ยนไปใช้ Evidence-Bound และจำกัดเฉพาะแหล่งข้อมูลที่ให้มา

JSON ไม่สอดคล้องกันหรือไม่ รวม Schema และตัวอย่างที่ล้มเหลวเพื่อหลีกเลี่ยง

ใช้เครื่องมือมากเกินไปหรือไม่ กำหนดกฎการใช้เครื่องมือและเกณฑ์การหยุดที่ชัดเจน

ขั้นสูง: การเชื่อมโยง Prompt โดยไม่มีการรั่วไหล

ขั้นตอนที่ 1: การกำหนดกรอบปัญหา (รวบรวมข้อจำกัดและเมตริกความสำเร็จ)

ขั้นตอนที่ 2: ข้อเสนอแผน (2–3 ตัวเลือก เลือกหนึ่งตัวเลือก)

ขั้นตอนที่ 3: การดำเนินการ (ทำตามแผนอย่างเคร่งครัด)

ขั้นตอนที่ 4: การตรวจสอบ (การตรวจสอบตัวเอง + เกณฑ์การยอมรับ)

ขั้นตอนที่ 5: การบรรจุหีบห่อ (รูปแบบ ความยาว เสียงสุดท้าย)

ส่งเฉพาะข้อมูลที่จำเป็นขั้นต่ำระหว่างขั้นตอนเพื่อหลีกเลี่ยง Prompt ที่พองตัว ใช้ตัวคั่นที่ไม่ซ้ำกันสำหรับแต่ละขั้นตอน (<<<STAGE2>>>)

อย่างไรก็ตาม: วิธีที่เร็วกว่าในการทำซ้ำ

สิ่งที่ควรทราบ: หากคุณกำลังทดลองกับรูปแบบ Prompt จำนวนมาก การมี Copilot แบบเคียงข้างกันที่สามารถบันทึกเทมเพลต Prompt เรียกใช้การทดสอบ A/B อย่างรวดเร็ว และแยกวิเคราะห์เอาต์พุตที่มีโครงสร้างเป็นตัวเร่งความเร็วที่แท้จริง เครื่องมืออย่าง Sider.AI สามารถปักหมุดรูปแบบ Prompt ที่ใช้ซ้ำได้ จับภาพเอาต์พุตเป็น JSON และช่วยคุณเปรียบเทียบการรันเพื่อให้คุณสามารถเลือกรุ่นที่ทำงานได้ดีที่สุดสำหรับงานที่กำหนด

ประเด็นสำคัญ

เลือกรุ่น Prompt ที่ตรงกับงาน อย่าผสมรูปแบบมากเกินไปในคราวเดียว

ใช้โครงสร้างที่ชัดเจน: เป้าหมาย ข้อจำกัด เอาต์พุต และเงื่อนไขการหยุด

ชอบ Schema ตัวอย่าง และการตรวจสอบมากกว่าคำคุณศัพท์

ทดสอบรูปแบบ A/B (เช่น Chain-of-Checks กับ Constraint-Compressed) และวัดผลลัพธ์

เก็บไลบรารีของเทมเพลตที่คุณสามารถปรับเปลี่ยนตามบริบท

ข้อมูลอ้างอิงอย่างรวดเร็ว: คัดลอก/วางเทมเพลต

Chain-of-Checks

บทบาท: นักวิเคราะห์ที่รอบคอบ
งาน: [task]
เอาต์พุต:
1) คำตอบสุดท้าย
2) เหตุผลสั้นๆ (≤60 คำ)
3) การตรวจสอบเดียว
หากไม่แน่ใจ ให้บอกว่าข้อมูลใดหายไป

Schema-First JSON

คืนค่า JSON เท่านั้น
Schema: {...}
กฎการตรวจสอบ: [...]
งาน: [...]

Evidence-Bound

ตอบโดยใช้ Sources [S1..Sn] เท่านั้น หากไม่รองรับ: "ไม่มีหลักฐานเพียงพอ"
ระบุการอ้างอิงเช่น [S1]

Constraint-Compressed

สูงสุด 120 คำ
- คำตอบ 1 บรรทัด
- 3 หัวข้อย่อย: หลักฐาน ความเสี่ยง ขั้นตอนต่อไป

Diverge → Converge

ระยะที่ 1: 12 แนวคิดใน 4 มุม (รวม 1 แนวคิดที่ขัดแย้งกัน 1 แนวคิดที่สนุกสนาน)
ระยะที่ 2: ให้คะแนน เลือก 3 อันดับแรก ขยายผู้ชนะ

Planner-Executor

บทบาท: Planner → ขั้นตอน หยุดเมื่อเป็นไปตามข้อจำกัด
บทบาท: Executor → ทำตามขั้นตอนอย่างเคร่งครัด หยุดและสรุป

Style Lock

กลุ่มเป้าหมาย โทนเสียง สิ่งที่ควรทำ/ไม่ควรทำ ตัวอย่าง งาน

I/O Spec + Tests

ข้อกำหนดฟังก์ชัน + ข้อจำกัด + การทดสอบการยอมรับ

Conditional Clarification

หากความมั่นใจ ≥ 0.8 ให้ดำเนินการต่อ มิฉะนั้น ให้ถาม 1 คำถาม แสดงความมั่นใจ

Span-Exact Extraction

ดึง Span ที่แน่นอน คัดลอกตามตัวอักษร คืนค่า JSON เท่านั้น

คำถามที่พบบ่อย

Q1: รูปแบบ Prompt ใดที่ทำงานได้ดีที่สุดสำหรับ DeepSeek v3.1 Terminus ในการให้เหตุผลที่ซับซ้อน ใช้ Prompt Chain-of-Checks: ขอคำตอบสุดท้าย เหตุผลสั้นๆ และขั้นตอนการตรวจสอบเดียว ช่วยเพิ่มความแม่นยำโดยไม่เปิดเผยการให้เหตุผลภายในและลดข้อผิดพลาดทางตรรกะที่ละเอียดอ่อน

Q2: ฉันจะบังคับให้ DeepSeek v3.1 Terminus คืนค่า JSON ที่สะอาดได้อย่างไร ใช้ Prompt Schema-First พร้อมเทมเพลต JSON กฎการตรวจสอบ และตัวอย่างที่ชัดเจน สั่งให้โมเดลส่งออก JSON เท่านั้นและละเว้นฟิลด์ที่ไม่รู้จักเพื่อหลีกเลี่ยงตัวยึดตำแหน่ง

Q3: ฉันจะป้องกันการหลอนด้วย DeepSeek v3.1 Terminus ได้อย่างไร ใช้รูปแบบ Evidence-Bound Answer ที่จำกัดโมเดลไว้เฉพาะแหล่งข้อมูลที่ให้มาและต้องมีการอ้างอิงเช่น [S1] หากไม่มีหลักฐาน ให้สั่งให้โมเดลระบุว่า “ไม่มีหลักฐานเพียงพอ”

Q4: วิธีที่เร็วที่สุดในการรับคำตอบที่กระชับและมีคุณภาพสูงคืออะไร ใช้ Prompt Constraint-Compressed: จำกัดจำนวนคำ กำหนดโครงสร้างที่เข้มงวด และจัดลำดับความสำคัญของข้อมูลมากกว่าคำคุณศัพท์ สิ่งนี้ช่วยให้การตอบสนองมีข้อมูลและกระชับ

Q5: ฉันควรใช้รูปแบบ Prompt ใดในการสร้างโค้ด ใช้ Prompt I/O Spec + Tests กำหนดลายเซ็นฟังก์ชัน ข้อจำกัด และรวมการทดสอบการยอมรับ โมเดลปรับให้เหมาะสมเพื่อผ่านการทดสอบเหล่านั้น ทำให้ได้โค้ดที่น่าเชื่อถือมากขึ้น