深入解析角色扮演提示词使用技巧：掌握DeepSeek三要素与范式迁移_william hill 英国威廉希尔

在DeepSeek的官方及时库中，有“角色扮演（自定义角色）”及时词案例。屏幕截图如下：

在“角色扮演”提示案例中，实际上仅引入了您可以自定义DeepSeek的字符设置以与用户扮演角色。但是，它不能更深入地解释“角色扮演”时应使用哪些技能。

这篇文章刘弟兄将为您提供对使用“角色扮演”及时词的技能的深入分析。

PS：老行已经整理了官方DeepSeek提示图书馆的所有内容。您可以将私人消息发送给老行以获取更多信息。

1：使用角色扮演及时词的技能1。掌握deepseek的三个要素和范式迁移

DeepSeek的力量是其独特的逻辑范式，它从传统的及时单词工程中具有显着的范式迁移。传统的大型语言模型需要复杂的提示单词来指导内容的产生（DeepSeek可以通过其有效的培训方法和优化的体系结构以更简单，更直接的方式了解用户需求。这种范式迁移的核心在于DeepSeek的三个关键要素：

有效的内存方法：DeepSeek使用MLA（多头潜在注意力）技术，它可以记住具有较少视频记忆的长文章的关键信息，并且可以快速准确地处理。这项技术类似于人类，他们只记得学习时的核心点，从而提高效率。

智能分配机制：DeepSeek的Moe（专家的混合）建筑类似于拥有256个“ AI Tutors”，但它只会问少数最有助于解决问题的人。例如，“数学专家”解决了数学问题，并且“编程专家”求解了代码任务，从而实现了有效的任务处理。

双线程操作：DeepSeek的DualPipe管道并行技术使其能够同时处理多个任务，类似于人类在完成作业时同时学习中文和数学的学习，从而大大提高了效率。

在处理复杂的任务时，这种范式迁移使DeepSeek更有效。用户不需要掌握复杂的提示词技能，而只是表达了他们获得超出期望的答案的需求。

2。一键切换“说话人”模式

当使用DeepSeek时，我们可能会遇到生成的答案信息过于密集，倾向于被过度复杂甚至难以理解的情况。目前，我们可以使用命令“我听不懂，说人类的话”，让DeepSeek自动开始降低语义维度的处理。 DeepSeek将复杂的专业术语翻译成易于理解的语言，使用户可以更好地理解他们的答案。

例如，当被问及其培训成本较低的原因时，可以使用“ MOE Architecture”，“ Distillation”和“ FP8”等专业术语来解释它。但是，如果添加了“说话的人”，DeepSeek将使用“只有100名员工工作中的10个来工作”来解释MOE架构和“高清电影到MP4格式”来解释FP8。

这种模式切换大大改善了用户体验，并使DeepSeek成为我们的工作，学习和生活的好助手。

3。反向训练：玩的越多，变得越聪明

DeepSeek的自主认知体系结构具有完整的闭环思维链，其推理逻辑系统具有内置的对抗训练机制。这意味着我们可以通过反向提示单词pua训练DeepSeek（拾取艺术家，这是指通过特定的迅速单词指导AI优化的答案），从而迭代并优化其性能。

例如，当我们对DeepSeek的答案之一不满意时，我们可以提出更多具有挑战性的问题或请求，以促使其重新检查答案并挖掘内容的缺点。

这种反向训练不仅提高了DeepSeek答案的质量，而且使其在不断的互动中变得更加聪明。

假设您正在使用DeepSeek来扮演编程专家来解决复杂的编程问题，并且您要求它生成Python函数以实现快速排序算法。 DeepSeek给出了一个初步答案：

def quicksort(arr):if len(arr) <= 1:return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    right = [x for x in arr if x > pivot]return quicksort(left) + [pivot] * arr.count(pivot) + quicksort(right)

您测试了此代码，并发现它正常工作，但在处理大量重复元素时效率较低。因此，您决定通过“反向训练”来优化DeepSeek的答案。

反向训练步骤：1。提出更多具有挑战性的问题

您向DeepSeek提出了新的要求：“处理大量重复元素时，此代码效率较低，请优化它，以使其在处理重复元素时尽可能多地复杂。”

2。指导DeepSeek重新检查答案：

收到您的反馈后，DeepSeek重新审视了代码，并尝试从优化的角度进行改进。它可能会生成一个新版本：

def quicksort(arr):if len(arr) <= 1:return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    right = [x for x in arr if x > pivot]
    middle = [x for x in arr if x == pivot]return quicksort(left) + middle + quicksort(right)

此版本通过减少重复元素的重复处理来提高效率。

3。进一步的优化：

您测试了新代码，发现效率得到了提高，但您仍然不满意。因此，您继续提出更高的要求：“您能否进一步优化并避免在每次递归中计算ARR.COUNT.COUNT（PIVOT）？”

4。最终优化版本：

重新思考后，DeepSeek给出了一个更优化的版本：

def quicksort(arr):if len(arr) <= 1:return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    right = [x for x in arr if x > pivot]
    middle = [x for x in arr if x == pivot]return quicksort(left) + middle + quicksort(right)

该版本通过分别处理重复元件来进一步提高效率，避免在每次递归中重复计算。

4。按并触摸模型，并在几秒钟内成为模仿者

DeepSeek擅长“分析 +学习 +模仿”。如果直接馈送提示单词，则生成的内容可能不令人满意。但是，如果我们给它一个模仿的主题，或者让它模仿某人的语气，那么效果将立即令人惊叹。

例如，我们可以让DeepSeek创建模仿著名科幻作家的风格的故事，或通过模仿经验丰富的程序员的风格来解决编程问题。目前，我们需要以“模型文章”的形式告诉DeepSeek科幻作家的风格或富有程序员的编码风格。

这样，DeepSeek可以更好地了解用户的需求并生成满足用户期望的内容。

5。打开极端思考模式

在面对复杂的问题时，我们可以要求DeepSeek在回答问题的过程中添加批判性思维，甚至要求他们对它们进行100次审查。这种极端的思维模型可以促使DeepSeek积极检查答案，从相反的角度重新检查问题，并确保思维的完整性。

例如，在分析市场趋势时，我们可以要求DeepSeek不仅提供积极的分析，还可以考虑可能的负面情况，从而帮助我们更全面地理解问题。

2。角色扮演的高级技能（i）多重角色协作

除了单个角色扮演之外，DeepSeek还可以实现多角色协作。例如，在一个复杂的项目中，我们可以同时让DeepSeek扮演项目经理，技术专家和市场分析师的角色。项目经理角色负责计划项目进度和资源分配；技术专家角色提供技术解决方案；市场分析师角色评估了该项目的市场前景。

通过多重性协作，DeepSeek可以从多个角度为项目提供全面的支持，从而帮助团队更好地应对各种挑战。

（ii）角色的动态切换