清華大學第二彈DeepSeek賦能職場

DeepSeek如何賦能職場應用？——從提示語技巧到多場景應用Innovator

For

Culture

&

Art

文、圖、樂、劇Innovator

For

Social

智能角色交互體Innovator

For

Science

&

Industry

行業(yè)大模型基座大模型人機協(xié)同Chatbot?自然語言對話Reasoner?基本的推理和問

題解決能力Agent?代表用戶執(zhí)行任

務，具備自主行

動能力Innovator?

參與發(fā)明和創(chuàng)造，

增強人類的創(chuàng)造力

和創(chuàng)新能力Organization?承擔整個組織的

功能，獨立管理

并執(zhí)行復雜的操

作????????????????李默非（清華大學人工智能學院擬錄博士生）：人機共生之基座大模型研究研發(fā)何靜（清華博士后、北航助理教授）：人機共生之快生引擎研究研發(fā)尤可可（清華博士后、北石化助理教授）：人機共生之AIGC短視頻安夢瑤（清華大學博士后）：人機共生之AI診療研究陶煒（清華大學博士生）：人機共生之AI實時增強技術的探索與實踐胡曉李（清華大學博士后）：人機共生之游戲設計余夢瓏（清華大學博士后）：人機共生之媒體智能體應用張家鋮（清華大學博士后）：人機共生之AI評測張詩瑤（清華大學博士后）：人機共生之AI社會理論分析朱雪菡（清華大學博士后）：人機共生之影視內容創(chuàng)意與制作陳祿梵（清華大學博士生）：人機共生之AI美學理論羅雨果（清華大學擬錄博士生）：人機共生之傳播分析章艾媛（清華大學博士生）：人機共生之數(shù)據(jù)分析鄒開元（清華大學博士生）：人機共生之文學內容創(chuàng)作向安玲（清華博士后、中央民大助理教授）：人機共生之AI數(shù)據(jù)分析領域馬緒峰（清華博士后、同濟大學助理教授）：人機共生之文化藝術創(chuàng)作

團隊愿景?

致力于人機協(xié)同和人機共生領域的世界級團隊，專注于打造能夠駕馭AI、熟悉AI并實現(xiàn)人類與AI共生發(fā)展的學術與實踐模式。

成員及核心研究方向賽事獎項2024

“AI4S

Cup

LLM

挑戰(zhàn)賽”

大模型科學文獻分析賽道2024

Kaggle

The

Learning

Agency

Lab

-

PII

Data

Detection金山辦公2024中文文本智能校對大賽2024

法研杯

法律要素爭議焦點識別AFAC2024金融智能創(chuàng)新大賽

金融工具學習Google

kaggle全球專利文件短語相似性匹配Google

kaggle全球自動問答比賽Google

kaggle全球醫(yī)療對話理解2021全球人工智能技術創(chuàng)新大賽-小布助手對話短文本語義匹配2022全球人工智能技術創(chuàng)新大賽-商品標題實體識別第十八屆中國計算語言學大會-小牛杯中文幽默計算第十屆全國社會媒體處理大會-中文隱式情感分析2021全球開放數(shù)據(jù)應用創(chuàng)新大賽-基于文本挖掘的企業(yè)隱患排查質量分析模型2021中國計算機學會大數(shù)據(jù)與計算智能大賽-“千言〞

問題匹配魯棒性評測2021年全國知識圖譜與語義計算大會-醫(yī)療科普知識答非所問識別互聯(lián)網虛假新聞檢測2019全球挑戰(zhàn)賽-虛假新聞多模態(tài)檢測中國法研杯CAIL2020司法人工智能賽一等獎

金牌第二名第二名三等獎

金牌

金牌

金牌一等獎一等獎一等獎一等獎第一名第一名第一名第一名第一名如何使用DeepSeek？DeepSeek

三種模式對比?

基礎模型（V3）：通用模型（2024.12），高效便捷，適用于絕大多數(shù)任務，“”任務”任務?

深度思考（R1）：推理模型，復雜推理和深度分析任務，如數(shù)理邏輯推理和編程代碼，“?

聯(lián)網搜索：RAG（檢索增強生成），知識庫更新至DeepSeek

兩種模型對比操作規(guī)范清晰且對結果有明確要求操作路徑多元、開放，且對結果沒有明確要求DeepSeek

兩種模型對比（5R）維度Regulation（規(guī)范性）Result（結果導向）Route（路徑靈活性）Responsiveness（響應模式）Risk（風險特征）V3模型強規(guī)范約束（操作路徑明確）目標確定性高（結果可預期）線性路徑（流程標準化）被動適配（按規(guī)則執(zhí)行）低風險（穩(wěn)定可控）R1模型弱規(guī)范約束（操作路徑開放）目標開放性高（結果多樣性）網狀路徑（多路徑探索）主動創(chuàng)新（自主決策）高風險（不確定性高）

（限定于文本生成任務）DeepSeek

兩種模型對比V3R1DeepSeek

兩種模型對比V3R1如何提問？兩種模型的提示語差異?

基礎模型（V3）：“過程-結果”清晰（指令）?

深度思考（R1）：目標清晰，結果可以模糊（推理）RTGO提示語結構

Role（角色）

定義AI的角色：

經驗豐富的數(shù)據(jù)分析師具備十年銷售經驗的SaaS系統(tǒng)商務

……

Task（任務）

具體任務描述：

寫一份關于XXX活動的小紅書宣推文案

寫一份關于XX事件的輿論分析報告（XX活動/事件相關背景信息如下……）Goal（目標）期望達成什么目標效果：通過該文案吸引潛在客戶，促成消費……通過該報告為相關企業(yè)管理者提供……策略支撐Objective（操作要求）字數(shù)要求、段落結構、用詞風格、內容要點、輸出格式…CO-STAR提示語框架

新加坡

GPT-4

提示工程競賽冠軍提示詞框架"R"，代表"Response"，想要的回應類型。一份詳細的研究報告？一個表格？Markdown格式？"C"代表“Context（上下文）”

相關的背景信息，比如你自己或是你希望它完成的任務的信息。"O"代表“Objective（目標）”

明確的指示告訴AI你希望它做什么。"S"代表“Style（風格）”

想要的寫作風格，如嚴肅的、有趣的、創(chuàng)新性表達、學術性……"T"代表“Tone（語調）”

幽默的？情緒化？有威脅性？"A"代表"Audience"，受眾是誰。

小白用戶？專業(yè)人群？未成年群體？女性群體？DeepSeek

R1提示語技巧（開放性）?

不需要角色設定?

不需要思維鏈提示?

不需要結構化提示詞?

不需要給示例?

不需要做太多解釋?

……另一種路徑：DeepSeek

R1

作為智能體ü

角色ü

功能ü

技能ü

約束ü

工作流程ü

輸出格式

"全維度智能體提示框架"(Comprehensive

Agent

Prompting

Framework,

CAP

Framework)核心層:1.身份定義

(Identity)?角色屬性?專業(yè)背景?交互特征執(zhí)行層:2.

能力矩陣

(Capability

Matrix)?功能范圍?專業(yè)技能?決策權限約束層:3.

邊界系統(tǒng)

(Boundary

System)?倫理規(guī)范?安全限制?資源約束操作層:4.

工作引擎

(Operation

Engine)?輸入處理?執(zhí)行流程?輸出規(guī)范如何使用DeepSeek制作可視化圖表？如何使用DeepSeek制作可視化圖表？如何使用DeepSeek制作可視化圖表？如何使用DeepSeek制作PPT？如何使用DeepSeek制作PPT？如何使用DeepSeek制作PPT？如何使用DeepSeek設計海報？如何使用DeepSeek設計海報？如何使用DeepSeek設計海報？如何使用DeepSeek生成視頻？一款全流程智能化創(chuàng)作工具，專注于將創(chuàng)意構思快速轉化為高品質的視頻成片。實時生成多達50個分鏡腳本，并智能搭配分鏡圖、視頻及音樂提示詞，確保創(chuàng)意風格與情感統(tǒng)一。軟件支持美學意象風格的短片創(chuàng)作，具備角色一致性技術，離線生成樣片，同時實現(xiàn)分鏡自動成片功能，全面滿足從創(chuàng)意策劃到視頻制作的高效智能化需求一款基于人機快生理念的AI視頻創(chuàng)作系統(tǒng)，從需求提交到成片僅需10分鐘，即可輸出75分質量的視頻。你想要生成什么樣的文案？

這樣的文案具備哪些特征？

你要針對什么生成類似文案？

篇幅、用詞、結構優(yōu)化如何使用DeepSeek批量生成新媒體文案？如何使用DeepSeek批量生成新媒體文案？如何使用DeepSeek批量生成新媒體文案？如何使用DeepSeek批量生成新媒體文案？如何使用DeepSeek開發(fā)AI應用？如何使用DeepSeek進行市場調查？如何使用DeepSeek進行市場調查？經濟發(fā)展創(chuàng)新活力社會治理基礎設施宜居環(huán)境杭州成都無錫青島寧波廣州合肥嘉興紹興南京武漢大連南通重慶溫州昆明臺州鄂爾多斯鄭州徐州沈陽臨沂鹽城唐山石家莊76.70%

78.09%

74.87%

76.09%

73.04%

75.99%

75.48%

73.65%

72.35%

73.65%75.39%

75.39%

75.39%

75.39%

74.78%

74.78%

76.00%

77.00%

75.39%

74.17%84.48%

81.57%

82.43%

81.83%

83.22%

80.70%

80.22%

78.39%74.87%

76.35%88.35%

87.65%

89.04%

86.52%

88.43%

87.22%

86.52%88.35%88.43%

85.91%100.00%

50.00%