目标：

• 跟着清华教程学习DeepSeek
• 同样的问题分别尝试使用DeepSeek和文心一言进行提问
• 尝试使用辅助工具完成学习中遇到的问题

个人理解：
- AI，AI思维，像人一样思考，越来越像人？参考数据宏大，思考的更广泛、更深入，但同人也一样犯晕、执迷不悟；人机共生
- 提出问题、分析问题、解决问题；由简单到复杂，层层分析，逐步迭代
- 如何提问？批判性思维：提问、分析与明智决策的艺术-CSDN博客； 高效提问的艺术-CSDN博客
- 知识融合，知识重构
- CoT：Chain-of-Thought，链式思维
- Prompt：提示语，用户给AI的指令或信息；小碎步、层层递进、逐步深入、指导进行
- AI Hallucinations：AI幻觉，是指生成式人工智能模型在生成文本或回答问题时，尽管表面上呈现出逻辑性和语法正确的形式，但其输出内容可能包含完全虚构、不准确或与事实不符的信息。原因：背景信息、知识库数量不足或质量缺失，模型逻辑选择性输出 -- 一本正经的胡说八道，结果无法信赖
- 问题解决理论和系统工程学、模拟人类处理复杂问题的方式、分而治之原则、层级结构理论以及认知负荷理论

DeepSeek：从入门到精通

• Deepseek是什么？
  - DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用。
  - DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。

DeepSeek

文心一言

深度求索人工智能基础技术研究有限公司(简称“深度求索”或“DeepSeek”)，成立于2023年，是一家专注于实现AGI的中国公司

（回复内容较多，按个人喜好使用......代替） 一、人工智能公司 Deepseek（深度求索）是中国的一家人工智能公司，全称杭州深度求索人工智能基础技术研究有限公司。该公司成立于2023年7月，位于浙江省杭州市，......。Deepseek专注于AGI（通用人工智能）的研发，尤其在搜索增强型语言模型领域有突出表现。......，致力于研究世界领先的通用人工智能底层模型与技术，挑战人工智能前沿性难题。 ......。Deepseek推出了一系列令人瞩目的大模型，如DeepSeek LLM、DeepSeek-V2和DeepSeek-V3等，这些模型在性能上不断提升，为用户提供了更高效、更准确的AI服务。 二、智能搜索工具 Deepseek也是一个智能搜索工具的名称，它采用了先进的机器学习算法，能够精准地理解用户的搜索需求，并从海量的数据中筛选出与用户主题最相关的信息。这些信息是经过深度分析和整理的，类似于有人专门为用户做了专门的调查报告。 ......。

• Deepseek能够做什么？
  - 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。
  - 文本生成
  - 自然语言理解与分析
  - 编程与代码相关
  - 常规绘图

DeepSeek	文心一言
您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-V3，我可以帮助回答问题、提供信息、协助决策、解决问题、进行创意写作等。如有任何具体需求，欢迎随时向我提出。	（回复内容较多，按个人喜好使用......代替） Deepseek能够做的事情主要包括以下几个方面： 一、作为人工智能公司 Deepseek（杭州深度求索人工智能基础技术研究有限公司）能够： 研发先进的人工智能模型：Deepseek专注于通用人工智能（AGI）的研发，尤其在搜索增强型语言模型领域表现突出。其研发的模型如DeepSeek-R1、DeepSeek-V3等，在性能上不断提升，为用户提供了更高效、更准确的AI服务。 提供模型训练、部署和应用服务：......。 推动人工智能技术的发展：......。 二、作为智能搜索工具 Deepseek智能搜索工具能够： 精准理解用户搜索需求：......。 高效筛选和整合信息：......。 提供个性化的搜索体验：......。 支持多种应用场景：......。 ......。

• 如何使用Deepseek？
  - DeepSeek， https://chat.deepseek.com
  - AIGC（生成式AI）试用 20 -- deepseek 初识-CSDN博客

DeepSeek

文心一言

您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-V3。您可以通过与我对话来使用DeepSeek，无论是解答问题、提供信息、辅助决策还是创意写作，我都会尽力协助您。如有具体需求，请随时告诉我。

（回复内容较多，按个人喜好使用......代替） Deepseek的使用方法可以根据不同的使用场景和设备类型进行细分，以下是一些主要的使用步骤和注意事项： 一、电脑端使用 系统要求：......。 本地部署：......。 网页版使用：......。 二、手机端使用 系统要求：......。 APP下载与安装：......。 APP使用：......。 三、通用使用技巧与注意事项 提问清晰具体： 向DeepSeek提问时，尽量让表述清晰、具体。例如，想要一份温馨的节日祝福文案，可以这样提问：“帮我写一份200字左右的中秋节祝福文案”。 优化回答： 如果DeepSeek给出的回答没有完全符合预期，可以通过进一步的指令来优化它。例如，觉得回答的语言风格不够正式，就可以要求“请用正式一点的语言重新表述”。 语言切换： DeepSeek支持多种语言切换，如果不想用英文与DeepSeek交流，可以直接用目标语言提问，它会自动识别并回复。 查看历史记录：......。 使用“联网搜索”功能：......。 学习与工作助力：......。 ......。

• 如何从入门到精通？
  - 推理大模型：在传统的大语言模型基础上，强化推理、逻辑分析和决策能力的模型。主要于逻辑推理、数学推理和实时问题解决
    提示语：明确的任务目杯和需求，无需指导，按推理逻辑实现最终结果；指令驱动，简单明确，不需干预
  - 非推理大模型（通用模型）：适用于大多数任务，一般侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。 主要用于语言生成、语言理解、文本分类、翻译等创意任务
  - 提示语：需显示指导、深入，根据结果反馈补偿性提示，逐步实现最终结果；需求导向，引导深入，结果纠偏
  
  - 概率预测：快速反应模型。大数据训练预测可能的答案；依赖预设算法和规则；缺乏创造力；预定，无交互，擅长结构化和明确定义问题；受控，安全，无伦理问题
  - 链式推理：慢速思考模型。链式思维，逐步推理步骤得到答案；能自主分析，实时决策；具备创造力；人机交互，可处理复杂、非结构化问题；有自主性、部分受控，有伦理问题
  
  - 需求表达：目标(问题/任务) --> 辅助描述(背景/规格/输入数据/注意事项。。。) --> 达成标准(验证指标/输出标准/方向调整)
  - 需求类型：决策需求(获取方案)、分析需求(需求->结论)、创造性需求(无中生有想像)、验证性需求(评价)、执行需求(指令)
  
  - 指标语，Prompt，基本结构：
    > 指令 Instruction，要执行的任务
    > 上下文 Context，任务背景、说明
    > 期望 Expectation，要求和预期
  
  - 学会提问：指令、角色扮演、引导、多模态输入输出 -> 深入理解、批判思维、总结规纳抽象、创新、合规 -> 对象认知能力、抽象能力
    > 问题重构：复杂 -> 简单，无序 -> 有序，无限 -> 连界，模糊 -> 清晰
    > 创意引导：可理解的说明，可输出的格式，可验证的标准 -> 意想不到的结果
    > 结果优化：分析结果，优化提问，调整输出
    > 系统思维：需求覆盖、维度广泛、场景复杂 
  
  提问：向AI问问题要注意什么
  - 准确、简洁、合理、优化、脱敏

  DeepSeek

  文心一言

  向 AI 提问时，注意以下几点可以帮助你获得更高效、更准确的回答： --- ### 1. **问题要清晰明确**    - 确保你的问题具体、直接，避免模糊或过于宽泛的描述。    - **示例：**      - 不好的提问：!@#告诉我一些关于编程的知识。!@#      - 好的提问：!@#Python 中如何实现多线程编程？!@# --- ### 2. **提供必要的上下文**    - 提供与问题相关的背景信息，帮助 AI 更好地理解你的需求。    - **示例：**      - 不好的提问：!@#为什么我的代码报错了？!@#      - 好的提问：!@#我在运行以下代码时遇到了错误：`IndexError: list index out of range`，请问如何修复？!@# --- ### 3. **分步骤提问**    - 如果问题复杂，可以将其拆分为多个小问题，逐步提问。    - **示例：**      - 不好的提问：!@#如何开发一个完整的网站？!@#      - 好的提问：!@#1. 如何用 HTML 和 CSS 创建一个简单的网页布局？ 2. 如何用 JavaScript 实现交互功能？!@# --- ### 4. **使用具体示例**    - 提供具体的例子或代码片段，帮助 AI 更准确地理解你的问题。    - **示例：**      - 不好的提问：!@#Python 中的列表怎么用？!@#      - 好的提问：!@#我想用 Python 创建一个包含 10 个数字的列表，并对列表中的每个元素加 1，应该怎么写代码？!@# --- ### 5. **指定回答格式**    - 如果你需要特定格式的回答（如代码、步骤、表格等），可以在提问时明确说明。    - **示例：**      - 不好的提问：!@#如何学习机器学习？!@#      - 好的提问：!@#请列出学习机器学习的 5 个步骤，并推荐一些适合初学者的资源。!@# --- ### 6. **避免歧义**    - 使用清晰、准确的语言，避免可能引起误解的词汇。    - **示例：**      - 不好的提问：!@#怎么做一个东西？!@#      - 好的提问：!@#如何用 Python 编写一个简单的计算器程序？!@# --- ### 7. **尝试多种表达方式**    - 如果 AI 的回答不符合预期，可以尝试换一种方式提问。    - **示例：**      - 第一次提问：!@#如何优化代码性能？!@#      - 第二次提问：!@#Python 中有哪些方法可以提高循环的执行效率？!@# --- ### 8. **利用多轮对话**    - 如果问题复杂，可以通过多轮对话逐步深入。    - **示例：**      - 第一轮：!@#如何用 Python 读取 Excel 文件？!@#      - 第二轮：!@#读取后如何将数据存储到数据库中？!@# --- ### 9. **检查并优化问题**    - 在提问前，检查问题是否清晰、完整，避免拼写错误或语法问题。    - **示例：**      - 不好的提问：!@#pyhton 怎么用？!@#      - 好的提问：!@#Python 中如何安装和使用第三方库？!@# --- ### 10. **利用 AI 的提示功能**    - 如果 AI 提供了选项或提示，可以根据提示进一步优化问题。    - **示例：**      - AI 提示：!@#你是想了解 Python 的基础语法还是高级特性？!@#      - 优化提问：!@#我想了解 Python 中的装饰器（Decorator）是如何工作的，能详细解释一下吗？!@# --- ### 11. **避免敏感信息**    - 不要在提问中包含个人隐私、敏感数据或机密信息。    - **示例：**      - 不好的提问：!@#我的密码是 123456，怎么保护它？!@#      - 好的提问：!@#如何创建一个强密码并确保其安全性？!@# --- ### 12. **保持耐心**    - 如果 AI 的回答不完全符合预期，可以尝试重新组织问题或提供更多细节。    - **示例：**      - 第一次提问：!@#如何学习编程？!@#      - 第二次提问：!@#我想学习 Python 编程，适合初学者的学习路径是什么？!@# --- ### 总结 向 AI 提问时，清晰、具体、有条理是关键。通过提供上下文、分步骤提问、使用示例和指定格式，你可以更高效地获得满意的回答。如果遇到问题，多轮对话和优化提问方式也是很好的解决方法！

  向AI提问时，为了确保获得准确、有用且符合期望的回答，需要注意以下几个方面： 明确问题： 确保你的问题表述清晰、具体，避免含糊不清或过于宽泛。 如果可能，提供相关的背景信息或上下文，以帮助AI更好地理解你的问题。 简洁明了： 避免冗长或复杂的句子结构，尽量用简单、直接的语言表达问题。 去除不必要的修饰或冗余信息，使问题更加精炼。 避免歧义： 使用明确、无歧义的词汇和表达，避免使用可能引起误解的多义词或短语。 如果问题中涉及特定的术语或概念，请确保这些术语或概念在提问时得到了明确的定义或解释。 考虑AI的能力范围： 了解你所使用的AI系统或工具的能力范围，避免提出超出其能力范围的问题。 如果不确定AI能否回答你的问题，可以先尝试提出一些简单的问题来测试其能力。 合理的期望： 不要期望AI能够像人类一样理解复杂或抽象的问题，或者进行创造性的思考。 理解AI的回答可能受到其训练数据和算法的限制，因此可能会有一定的偏差或局限性。 使用正确的格式和语气： 根据AI系统的要求或提示，使用正确的输入格式（如文本、语音等）来提问。 保持礼貌和尊重的语气，即使面对机器也要保持良好的沟通态度。 检查并修正问题： 在提交问题之前，仔细检查问题的表述是否准确、完整。 如果AI的回答不符合你的期望，可以尝试重新表述问题或提供更详细的信息来寻求更准确的回答。 注意隐私和敏感信息： 避免在提问中泄露个人隐私或敏感信息。 如果问题涉及敏感或机密内容，请确保在安全的环境下与AI进行交互。 综上所述，向AI提问时需要注意问题的明确性、简洁性、无歧义性、AI的能力范围、合理的期望、正确的格式和语气、问题的检查和修正以及隐私保护等方面。通过遵循这些注意事项，你可以更有效地与AI进行交互并获得满意的回答。

• 提示语设计
  - 提示语基本元素：信息类(问题说明性内容)、结构类(问题输入输出组织、呈现方式)、控制类(输入输出约束) -> 问题、规格、约束
  - 问题描述准确、清晰、无歧义
  - 复杂问题分段式、层次化、结构化提问
  - 每个语句简洁、简短，关注问题的一个特定维度
  - 引导性、关注回复深度，开放和封半，注意问题边界控制
  - 创新、反向、多维思考、提问，不设限 与 方向调整并存
  
  设计误区
  - 信息茧房：避免个人立场对结果的影响，选择结果的过程 -> 最终目标
  - 信息筛选：结果验证，避免AI一本正经的胡说八道
  - 伦理边界：合规、合法、安全、中立，有边界
  
  AI幻觉
  - 语境误解：问题理解不足
  - 数据误用：错误的数据投喂、理解
  - 信息缺失：数据支撑不足
  - 推理错误：分析逻辑错误 -- 提问方式、引导偏颇
  - 无中生有：虚假合成数据，与现实世界事实冲突 -- 过度自信的AI
  
  提示语评价：26细分指标, AIGC评测 -- 
  可塑性、可供性、可用性、可信度、可替代性
  - 可塑性：用户适用性、鲁棒性、新任务学习、领域知识
  - 可供性：响应速度、计算资源、模型大小、迭代速度、多语言支持、多模态支持
  - 可用性：相关性、流畅性、多样性、时效性、创造性、错误识别
  - 可信度：偏见和公平性、可解释性、内容安全性、数据隐私
  - 可替代性：人格模拟、情感识别、实体识别、逻辑推理、上下文理解、语法准确确性
  
  提问：评价提示语好坏的指标有哪些

  DeepSeek

  文心一言

  评价提示语（Prompt）的好坏是优化与 AI 交互效果的关键。以下是一些常用的指标，帮助你判断提示语的质量： --- ### 1. **清晰度（Clarity）**    - 提示语是否清晰易懂，避免歧义或模糊表达。    - **示例：**      - 不好的提示语：!@#告诉我一些东西。!@#      - 好的提示语：!@#请解释 Python 中的列表和元组的区别。!@# --- ### 2. **具体性（Specificity）**    - 提示语是否具体，能否明确指向所需的信息或任务。    - **示例：**      - 不好的提示语：!@#帮我写代码。!@#      - 好的提示语：!@#请用 Python 编写一个函数，计算列表中所有偶数的和。!@# --- ### 3. **上下文完整性（Contextual Completeness）**    - 提示语是否提供了足够的背景信息，帮助 AI 理解问题。    - **示例：**      - 不好的提示语：!@#为什么我的代码报错了？!@#      - 好的提示语：!@#我在运行以下代码时遇到了错误：`IndexError: list index out of range`，请问如何修复？!@# --- ### 4. **目标明确性（Goal Orientation）**    - 提示语是否明确指出了期望的结果或目标。    - **示例：**      - 不好的提示语：!@#机器学习是什么？!@#      - 好的提示语：!@#请用简单的语言解释机器学习的基本概念，并举例说明其应用场景。!@# --- ### 5. **可操作性（Actionability）**    - 提示语是否能够引导 AI 生成可操作的回答。    - **示例：**      - 不好的提示语：!@#如何学习编程？!@#      - 好的提示语：!@#请列出学习 Python 编程的 5 个步骤，并推荐适合初学者的资源。!@# --- ### 6. **简洁性（Conciseness）**    - 提示语是否简洁，避免冗长或不必要的细节。    - **示例：**      - 不好的提示语：!@#我想知道如何用 Python 写一个程序，这个程序可以读取一个文件，然后处理文件中的数据，最后输出结果，你能帮我吗？!@#      - 好的提示语：!@#如何用 Python 读取文件并处理数据？!@# --- ### 7. **适应性（Adaptability）**    - 提示语是否能够适应不同的 AI 模型或场景。    - **示例：**      - 不好的提示语：!@#用 GPT-4 的方式回答我。!@#      - 好的提示语：!@#请用通俗易懂的语言解释量子计算的基本原理。!@# --- ### 8. **创造性（Creativity）**    - 提示语是否能够激发 AI 生成有创意或独特的回答。    - **示例：**      - 不好的提示语：!@#写一个故事。!@#      - 好的提示语：!@#请创作一个关于未来城市的科幻短篇故事，包含人工智能和环境保护的主题。!@# --- ### 9. **可扩展性（Scalability）**    - 提示语是否能够支持多轮对话或进一步深入讨论。    - **示例：**      - 不好的提示语：!@#什么是深度学习？!@#      - 好的提示语：!@#请解释深度学习的基本概念，并举例说明其在图像识别中的应用。!@# --- ### 10. **结果质量（Result Quality）**    - 提示语是否能够引导 AI 生成高质量、准确的回答。    - **示例：**      - 不好的提示语：!@#告诉我一些关于健康的知识。!@#      - 好的提示语：!@#请列出保持健康的 5 个科学建议，并解释其原理。!@# --- ### 11. **用户友好性（User-Friendliness）**    - 提示语是否易于理解和使用，适合目标用户。    - **示例：**      - 不好的提示语：!@#请提供关于 NLP 的详细技术文档。!@#      - 好的提示语：!@#请用简单的语言解释自然语言处理（NLP）是什么，并举例说明其应用。!@# --- ### 12. **避免偏见（Bias Avoidance）**    - 提示语是否避免了引导 AI 生成带有偏见或不公平的回答。    - **示例：**      - 不好的提示语：!@#为什么某个群体不如另一个群体？!@#      - 好的提示语：!@#如何促进不同文化之间的理解与合作？!@# --- ### 总结 评价提示语的好坏可以从清晰度、具体性、上下文完整性、目标明确性、可操作性、简洁性、适应性、创造性、可扩展性、结果质量、用户友好性和避免偏见等多个维度进行。通过优化这些指标，你可以设计出更高效的提示语，从而获得更满意的 AI 回答。

  评价提示语好坏的指标是一个多维度的问题，涉及到提示语的有效性、清晰度、吸引力以及目标受众的接受度等多个方面。以下是一些具体的评价指标： 明确性： 提示语是否直接、清晰地传达了所需的信息或指示？ 信息是否准确无误，没有歧义？ 简洁性： 提示语是否简洁明了，没有冗长的句子或复杂的词汇？ 是否能够在短时间内吸引受众的注意并传达关键信息？ 综上所述，评价提示语好坏需要综合考虑多个方面的因素。一个优秀的提示语应该能够清晰、简洁地传达信息，吸引受众的注意，同时考虑到文化敏感性和可理解性，鼓励受众采取行动，并与品牌或组织的整体形象保持一致。此外，还需要通过数据来评估提示语的实际效果，以便不断优化和改进。 相关性： 提示语是否与当前情境或目标受众的需求紧密相关？ 是否能够解决受众的实际问题或提供有用的建议？ 吸引力： 提示语是否具有吸引力，能够激发受众的兴趣或好奇心？ 是否使用了恰当的语言风格、色彩或图像来增强吸引力？ 易读性： 提示语的字体、大小和颜色是否易于阅读？ 在视觉上是否突出，容易被注意到？ 文化敏感性： 提示语是否考虑到目标受众的文化背景和语言习惯？ 是否避免了可能引起误解或冒犯的用语？ 可理解性： 提示语是否使用了通俗易懂的语言，避免了专业术语或行业黑话？ 对于不同受教育程度的受众，提示语是否都易于理解？ 行动导向性： 提示语是否鼓励受众采取某种行动或做出反应？ 是否提供了明确的行动指南或步骤？ 一致性： 提示语是否与品牌或组织的整体风格和形象保持一致？ 在多个渠道或平台上使用时，是否保持了统一性和连贯性？ 效果评估： 提示语是否达到了预期的效果，如提高了受众的参与度、满意度或转化率？ 是否有数据支持提示语的有效性，如点击率、转化率或用户反馈？

• 创新提示语
  - 抽象—具体循环法：在不同抽象层次间灵活切换，抽像化问题 -> 具体反馈 -> 迭代优化；类比、隐喻、反向从生成结果倒推提示语；反向设计思维
  - 矛盾思维法：利用对立促进创新，引入对立概念 -> 利用矛盾促进创新 -> 提出冲突性任务要求；融合批判，涌现思维模型，问题分解互动
  
  - 提示语链：用于引导AI生成内容的连续性提示语序列，将复杂任务分解成多个可操作的子任务，确保生成的内容逻辑清晰、主题连贯；
    做什么 -> 如何做，写什么 -> 如何写；序列、层级、递进、关联、适应
    定义任务 -> 信息收集 -> 框架结构 -> 内容生成 -> 反馈评估 -> 优化扩展
  - 设计原则：目标明确、逻辑连贯、渐进复杂、灵活适应、多样性思考、反馈整合
    主题，背景，方法论，结果分析，创意拓展，总结反思，质量控制
  - 设计模型：CIRS模型：Context(上下文), Instruction(指令), Refinement(优化), Synthesis(综合)
  - 设计步骤：总体目标 -> 主要任务 -> 子任务 -> 微任务 -> 提示语 -> 任务联系 -> 反馈调整
    问题解决理论和系统工程学、模拟人类处理复杂问题的方式、分而治之原则、层级结构理论以及认知负荷理论
  
  - 任务分解的提示语链：SPECTRA，Systematic Partitioning for Enhanced Cognitive Task Resolution in AI (系统分区以提高人工智能中的认知任务分辨率)
    > Segment at i on（分割）：将大任务分为独立但相关的部分 -- 相对独立，整体相关
    > Prioritization（优先级）：确定子任务的重要性和执行顺序 -- 逻辑有序
    > Elaboration（细化）：深入探讨每个子任务的细节 -- 细化
    > Connection（连接）：建立子任务之间的逻辑关联
    > Temporal Arrangement（时序安排）：考虑任务的时间维度
    > Resource Allocation（资源分配）：为每个子任务分配适当的注意力资源
    > Adaptation（适应）：根据AI反馈动态调整任务结构
  
  - 思维拓展提示语链：创造性认知理论，Geneplore模型(Generate-Explore Model)，生成、探索
  - 发散思维提示语链：发散思维、跨界联想、聚合思维、评估优化
    发散思维 IDEA > Imagine（想象）：鼓励超越常规的思考 > Diverge（发散）：探索多个可能性 > Expand（扩展）：深化和拓展初始想法 > Alternate（替代）：寻找替代方
    聚合思维 FOCUS > Filter（筛选）：评估和选择最佳想法 > Optimize（优化）：改进选定的想法 > Combine（组合）：整合多个想法 > Unify（统一）：创建一致的叙述或解决方案 > Synthesize（综合）：形成最终结
    跨界思维 BRIDGE > Blend（混合）：融合不同领域的概念 > Reframe（重构）：用新视角看待问题 > Interconnect（互联）：建立领域间的联系 > Decontextualize（去情境化）：将概念从原始环境中抽离 > Generalize（泛化）：寻找普适原则 > Extrapolate（推演）：将原理应用到新领
  
  - 优化提示语链：微调，逻辑链、知识链、创意链整合与融合，提升生成内容的逻辑严谨性、知识广度与创新深度，达到最佳平衡
    > 逻辑链（Logic Chain）：确保推理的严密性和论证的连贯性
    > 知识链（Knowledge Chain）：激活和应用相关领域知识
    > 创意链（Creativity Chain）：促进创新思维和独特见
  
  - 复杂任务提示语链：任务目标、目标受众、文章类型、字数要求、特殊要求
    > 步骤：分析（Analysis）、构思（Ideation）、发展（Development）\评估（Assessment）
    > 技巧：递进式深化、动态调整、定期回顾、交互式改进、平衡控制 -- PDCA，迭代
    > 评估：内容全面性、论证深度、创新洞见、实践指导、结构清晰度、语言表达、跨学科整合、未来展望
  
  - 语用意图分析（PIA），语用学和言语行为理论，分析任务、设定目标
    > 陈述型（Assertive）、指令型（Directive）、承诺型（Commissive）、表达型（Expressive）、宣告型（Declarative）
    > 步骤： 识别主要语用意图：确定任务的首要目的 -> 分析次要语用意图：识别可能的辅助目的 -> 评估语用意图的强度：量化每种意图的强度 -> 构建语用意图矩阵：创建语用意图及其强度的矩
  - 主题聚焦机制（TFM）
    > 主题原型构建 确定主题的核心特征和典型例子、语义框架设置 创建与主题相关的概念网络、重点梯度建立 设定主题相关性的层级结构
    > 步骤：定义主题原型：列出主题的关键特征和代表性例子 -> 构建语义框架：创建与主题相关的概念图 -> 设置重点梯度：按重要性排序相关概念和子主题 -> 创建主题引导符：设计特定的关键词或短语来保持主题聚
  - 细节增强策略（DES）
    >多模态描述、微观—宏观连接、对比强化、时空定位、数据可视化
    > 步骤： 识别关键概念：确定需要详细阐述的核心想法 -> 设计细节矩阵：为每个关键概念创建多维度的细节要求 -> 构建微观-宏观桥接：设计连接具体事例和抽象概念的提示 -> 创建感官描述指南：为抽象概念设计具体的感官描述要求 -> 制定数据展示策略：规划如何将数据转化为生动的叙述或可视化形
  - 跨域映射机制（CMM）
    > 结构映射、属性转移、关系对应、抽象模式提取
    > 步骤： 源域选择：根据任务选择合适的类比源域 -> 映射点识别：确定源域和目标域间关键对应点 -> 类比生成：创造性地将源域概念应用于目标域 -> 类比细化：调整和优化类比，确保其恰当性和新颖
  - 概念嫁接策略（CGS）
    > 步骤：选择输入概念：确定要融合的核心概念 -> 分析概念特征：列出每个输入概念的关键特征和属性 -> 寻找共同点：识别输入概念之间的共享特征 -> 创造融合点：设计概念间的创新性连接点 -> 构建融合提示：创建引导AI进行概念嫁接的提示
  - 知识转移技术（KTT）
    > 源域识别、知识抽象、目标域映射、知识重构、应用与验证
    > 步骤： 定义问题：明确目标领域需要解决的问题或创新点 -> 寻找源域：搜索可能包含相关知识或方法的其他领域 -> 知识提取：从源域提取关键的知识、技能或方法 -> 相似性分析：分析源域和目标域之间的结构相似性 -> 转移策略设计：制定知识从源域到目标域的转移策略 -> 构建转移提示：创建引导AI进行知识转移的提示
  - 随机组合机制（RCM）
    > 步骤：定义创意领域：明确需要创新的具体领域或问题 -> 构建多元素库：收集与创意领域相关和不相关的多样化元素 -> 设计随机抽取机制：创建一个可以随机选择元素的系统 -> 制定组合规则：设定如何将随机元素组合在一起的规则 -> 生成组合提示：创建引导AI进行随机组合的提示
  - 极端假设策略（EHS）
    > 步骤：识别常规假设：列出在特定领域被广泛接受的假设 -> 生成极端假设：将这些假设推向极端或完全颠覆 -> 构建假设场景：详细描述如果极端假设成真会怎样 -> 探索影响：分析极端假设对各个相关方面的潜在影响 -> 提取创新点：从极端场景中提炼出可能的创新机会 -> 构建极端假设提示：创建引导AI进行极端假设思考的提示语
  - 多重约束策略（MCS） -- 重复
    > 步骤：问题定义：明确需要解决的核心问题 -> 约束条件列举：设置多个具有挑战性的限制条件 -> 约束影响分析：评估每个约束对问题解决的影响 -> 创新方案构思：在多重约束下寻找创新解决方案 -> 约束重构：必要时重新定义或调整约束条件
  - 随机组合机制（RCM）
    > 步骤：定义创意领域：明确需要创新的具体领域或问题 -> 构建多元素库：收集与创意领域相关和不相关的多样化元素 -> 设计随机抽取机制：创建一个可以随机选择元素的系统 -> 制定组合规则：设定如何将随机元素组合在一起的规则 -> 生成组合提示：创建引导AI进行随机组合的提示语
  - 极端假设策略（EHS）
    > 步骤：识别常规假设：列出在特定领域被广泛接受的假设 -> 生成极端假设：将这些假设推向极端或完全颠覆 -> 构建假设场景：详细描述如果极端假设成真会怎样 -> 探索影响：分析极端假设对各个相关方面的潜在影响 -> 提取创新点：从极端场景中提炼出可能的创新机会 -> 构建极端假设提示：创建引导AI进行极端假设思考的提示
  - 语体模拟机制（RSM）
    > 步骤：确定目标语体：明确需要模拟的具体语言风格 -> 收集语料样本：搜集目标语体的典型文本样本 -> 分析语言特征：从词汇、句法、修辞等多个维度分析语体特征 -> 提取关键元素：识别和提取构成语体的独特语言元素 -> 构建语体指南：创建详细的语体使用指南 -> 生成模拟提示：创建引导AI模拟特定语体的提示
  - 情感融入策略（EIS）-- 像正常人一样聊天，客观？公正？
    > 步骤：确定目标情感：明确文本要传达的主要情感基调 -> 创建情感词库：收集与目标情感相关的词汇和短语 -> 设计情感曲线：规划文本中情感强度的变化趋势 -> 选择情感触发点：在文本中植入情感元素的关键位置 -> 构建情感场景：创造能引发情感共鸣的具体场景或细节 -> 生成情感融入提示：创建引导AI注入情感元素的提示语
  - 修辞技巧应用（RTA）
    > 步骤：确定任务目标：明确文本的主要目的 -> 选择核心修辞：选择2—3种主要的修辞手法 -> 设计修辞示例：为选定的修辞手法创建使用示例 -> 安排修辞分布：规划修辞技巧在文本中的分布 -> 创建平衡策略：确保修辞技巧不过于刻意或过度 -> 生成修辞应用提示：创建AI运用修辞技巧的提示语
  
  - 元叙事提示框架
    > 嵌入式自反提示：设置自反触发器，引导AI暂停主叙述，插入内容思考，内容 反思 整合
    > 层次元叙述提示：递归，每一层包含对上一层的反思
    > 时序人格提示：设定角色，确认不同角色间的互动规则
    > 读者互动元叙述提示：设定决策分支，加入对读者可能选择的猜测
  
  * 实际应用 -- 充分的行业经验，对客户需求的洞察
  - 文案写作
    > 信息传递(清晰、准确、相关)：信息层次清晰、表达简洁精准、结构逻辑严密、受众针对性强、记忆点突出
    > 情感共鸣(触动、共感、记忆)：情感基调明确、多感官体验描、情境代入感、情感层次丰富、共情叙事
    > 行动引导(说服、激励、转化)：明确的行动指向、强烈的紧迫感(刺激欲望)、低门槛的起始步(行动起来)、实例证明
  - 营销策划
    > 创新：激发AI的创造力，生成独特的创意概念
    > 精准：引导AI制定符合目标受众和市场环境的传播策略
    > 可行：确保AI生成的执行方案具有实操性
  - 品牌故事
    > 品牌定位：在市场中找到独特位置
    > 价值主张：传递独特的品牌价值
    > 未来愿景：描绘品牌的长远目标
  - 年终总结：业绩回顾、成就展示、未来规划

  

  - 玩转微信公众号：私域流量、深度阅读、规范体系、互动机制；吸引力、专业性、传播性：引导提示语 --> 信息价值、层次互动、逻辑完备
  - 驾驭微博：实时性、社交属性、话题引导、多媒体融合；热点、快速、互动、关点引导、传播方式；话题、标题、标签 --> 吸引、互动
  - 布局小红书：种草生态(推荐、分享、诱惑)、社区氛围、垂直专业；关注推荐流、兴趣标签、搜索发现
  - 掌握抖音：高度视觉化与短时吸引力、情绪饱满与娱乐性、强互动性与挑战性、剧情与故事性；节奏鲜明与简洁高效、贴近热点与用户需求、视觉冲击与情绪感、引导参与与互动；吸睛、共鸣、剧情、互动
• 提示词工程
  - 设定明确的目标与上下文、激活角色与思维模式、逐步拆解复杂任务、引导深入推理与思考、提供参考材料与外部资源、动态反馈与迭代优化
    目标、情境代入、拆解任务、引导与深入、资料数据支撑、反馈迭代优化
  - 框架
    > TASTE框架：任务目标、受众、格式、风格、样例
       • Task (任务)： 定义模型主要任务或生成内容。
       • Audience (目标受众)：明确说明目标受众。
       • Structure (结构)：为输出的内容提供明确的组织结构，包括段落安排、论点展开顺序或其他逻辑关系。
       • Tone (语气)：指定模型回答时的语气或风格。
       • Example (示例)：例子或模板可帮助模型理解输出风格或格式。
    > ALIGN框架：任务目标、输出格式、输入限制、处理风格
       • Aim (目标): 明确任务的最终目标。
       • Level (难度级别): 定义输出的难度级别。
       • Input (输入): 指定需要处理的输入数据或信息，或要求模型依据某些事实或条件进行推理。
       • Guidelines (指导原则): 提供模型在执行任务时应该遵循的规则或约束。
       • Novelty (新颖性): 明确是否需要模型提供原创性、创新性的内容，是否允许引用已有知识。
• AIGC，人机共生
  - 内容生成层次：初始生成、交互筛选、主观优化；动态循环
  
  - AI核心能力：
    > AI思维(算法、数据、边界)
    > 整合力(跨领域知识、知识与认识重构、资源优化、新旧知识融合) -> 创新
    > 引导力(提示语、交互、结构化分解、质量控制)
    > 判断力(内容真伪、输出价值评估、风险识别、输出适用性)
  
  - 生成质量
    > AI专项领域、训练数据的质量 -- AI基础能力
    > 提示词对需求描述的清晰度、准确性、完整性 -- 提示词工程
    > 输出反馈的精准度、优化策略的正确性 -- 质量控制、人为引导
  
  - AI辅助
    > 知识唤醒、知识整合、提示构建
    > 激发思考、拓展思考的维度和深度 -> 整合零散知识、发掘应用场景、系统化思考 -> 结构化、系统化思维、质量控制
    > 知识获取增加(了解自己)、知识整合升级(体系框架)、知识创新突破(创新思考)
  
  - 知识唤醒：通过认知触发-系统激活-整体重构，实现知识的深度调动和创新生成；将人的具身经验与AI的形式知识有机结合，产生既有深度又有温度的内容
    > 知识：已有的认知积累、过往的经验总结、潜在的思维模式、隐性的行为模式 -> 知识、经验
       知识沉淀、知识关联、知识情景、知识联想
    > 个人知识体系 -> AI辅助
    > 激活个人知识储备 -> 重构知识体系 -> 创新认知
• 提问
  - DeepSeek：从入门到精通，100字内的总结

  DeepSeek	文心一言
  "DeepSeek：从入门到精通"是一篇指导性文章，旨在帮助读者从基础到高级全面掌握DeepSeek技术。文章首先介绍了DeepSeek的基本概念和应用领域，接着详细讲解了其核心算法和操作流程。随后，通过实例分析加深理解，并提供进阶技巧和最佳实践，助力读者实现从新手到专家的转变。最后，探讨了DeepSeek未来的发展趋势和潜在挑战，为读者指明学习路径和研究方向。	DeepSeek是一款基于人工智能技术的智能工具，能够高效处理数据、生成内容、优化工作流程。通过注册登录，用户可利用其进行内容创作、数据分析、编程辅助等。DeepSeek支持多语言、个性化设置，可广泛应用于办公、学习、创作等多个场景。

  - "DeepSeek：从入门到精通"是一篇文章，请给出100字内的总结

  DeepSeek	文心一言
  "DeepSeek：从入门到精通"是一篇系统性的教程文章，旨在引导读者全面掌握DeepSeek技术。文章从基础概念入手，逐步深入到高级应用，涵盖了核心算法、操作步骤、实战案例及优化技巧，为初学者提供清晰的学习路径，同时为进阶者揭示深度应用的策略与未来趋势，是学习和精通DeepSeek技术的实用指南。	"DeepSeek：从入门到精通"一文，全面介绍了DeepSeek这一智能数据工具的使用。从基础操作到高级应用，帮助用户快速掌握并深化数据分析能力，成为数据探索的行家里手，让数据处理与分析更加高效、精准。

  - "DeepSeek：从入门到精通"的作者

  DeepSeek	文心一言
  "DeepSeek：从入门到精通" 的作者信息目前不在我的知识库中。如果您能提供更多背景或上下文，我可以帮助进一步查找或推测相关信息。	关于“DeepSeek：从入门到精通”的作者存在不同说法。一种说法认为，该书由清华大学新闻与传播学院新媒体研究中心元宇宙文化实验室的余梦珑博士后及其团队撰写。另一种说法则称，该书的作者是王成虎。建议参考书籍的官方信息或权威书评以获取准确信息。