是什么，超越ChatGPT登顶苹果App Store排行榜？

是什么，让英伟达股价暴跌近20%？

是什么，让OpenAI一边忍不住夸赞一边又无中生有地污蔑其盗窃？

是什么，让中国人春节前后欢腾不已而美国人叫苦不迭？

答案是——Deepseek的横空出世。

相信春节前后有在关注科技圈的朋友们，都会被关于Deepseek的报道、体验、分析等内容一遍遍地刷屏。这些内容，有从个人体验切入感叹Deepseek的强大，有从技术层面入手详细拆解背后的突破，也有从政治、经济、国际关系等层面剖析中美两国关系的变化。但我在春节期间回家与亲朋戚友交流发现，他们其实也有刷到相关的内容，但大多表示看不懂，或者不太清楚这款产品对于他们的日常使用有什么影响？基于此，结合本人这些天来的信息搜集和个人体验，我打算撰写这篇科普文章，希望从普通人的视角来切入，回答普通人对于Deepseek需要知道的内容。

01 Deepseek是什么

简单来说，Deepseek是由杭州深度求索公司所自研的一款通用生成式AI产品。深度求索公司在2023年7月17日正式成立，在短时间内，Deepseek发布了多个重要模型，比如Deepseek Coder、Deepseek LLM、Deepseek-V2、Deepseek-V3。2025年1月15日，搭载Deepseek-V3模型的APP上架，快速登顶苹果App Store排行榜。2025年1月20日，引起关注的Deepseek-R1模型发布并同步开源。

看到这里，也许你会发出疑问：在此之前，国内已经有多款AI产品先后发布，也号称取得良好的效果。那为什么这次Deepseek的发布，如此大的关注呢？来，我们接着往下。

02 为什么Deepseek的发布，会引起如此大的关注

Deepseek近期引发全球关注的原因，总结起来有以下4点：

1）模型的表现卓越：根据Deepseek官方和其他行业人士测试的结果，Deepseek-R1模型在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版，部分测试甚至超越了OpenAI的模型。而且，Deepseek针对中文语境和特定行业需求进行了精心优化，“更适合中国宝宝体质”。

2）模型的训练方式足够创新突破：Deepseek-R1 通过独立自研的方式，在对模型训练方式、架构等进行了多项优化改进，从而大幅提升了训练效率。而且，Deepseek团队将他们的探索过程一一记录在论文当中，帮助业界指明方向。

3）模型的全面开源：Deepseek-R1模型完全开源，在遵循MIT License的规则下，为全球开发者敞开了自由使用、修改和进一步开发的大门。这种开放性极大地促进了AI领域的技术交流与创新，为整个行业的发展提供了强大助力。而这样的开源精神，曾经是OpenAI所倡导的（OpenAI的Open正是此意）。

4）模型的使用成本低：如果不想部署开源模型，Deepseek也提供了价格很低的API。这意味着普通开发者和企业可以在不承担过高费用的前提下，轻松地将Deepseek的强大功能集成到自己的应用程序或业务流程中。相信随着越来越多的落地场景探索，AI技术在应用层面会取得更大的突破。

综上所述，从国际关系视角来看，Deepseek是我国打破美国算力芯片封锁的有力动作，某种层面也给了其他行业极大的信心（任何年代，信心都是比黄金还要珍贵的事物）；从技术视角来看，Deepseek使用了很低的算力成本，就达到了OpenAI-O1模型的水平，为后续的技术迭代指明了方向，而且它还对外开源了；从应用视角来看，Deepseek相当于让每一位使用者都可以使用到第一梯队的AI产品，实现“技术平权”。

或许，你不负责技术实现，也不关心国家大事，但Deepseek的问世，也意味着我们使用AI的方式也有了变化，这就跟我们密切相关了。接下来，我们来看看，对于普通人而言，Deepseek发布后，使用AI的方式有哪些改变。

03 Deepseek发布后，我们使用AI的方式有哪些变化

我们先来看看，在Deepseek发布之前（或者说是OpenAI-o1发布之前），在普罗大众层面传播的AI使用方式是怎样的。以下是我在微信搜索“提示词”的一些典型文章截图。

这些提示词教学，无一不是在强调提示词的框架性。但从Deepseek-R1发布的那一刻起，这些文章的内容就已经不再适用了。关于这一点的原因，我在我自己的AI课程里也有介绍，倒不是说这些内容是错误的，而是它们其实是属于提示词工程（Prompt Engineering）范畴的内容。各类专业框架，实质上是给AI生成过程提供严谨、完整的参考信息和思考链路，从而追求极致的生成质量。但是，Deepseek-R1以及之前的OpenAI-O1，都是推理型模型，自带思维链的能力。对于没有经过深度钻研提示词工程的普罗大众而言，盲目套用这些框架，只会干扰AI的思考结果，得不偿失。就好比手动档的汽车，需要驾驶员自己判断何时切换档位，为此也有各路老司机总结的一些判断准则。但是，盲目将这些判断套用到自动档上，显然是适得其反。

所谓思维链（CoT，Chain-of-Thought），就是让模型在给出答案前进行逐步的思考与推理，并将这一过程显式呈现，仿佛是人类将复杂的思考路径拆解展示。例如在解决多步数学问题或复杂逻辑推理时，模型按照逻辑顺序逐步分析，先理解问题，再寻找关键条件，逐步推导直至得出结论。这种方式不仅增强了模型的可解释性，使人们能够清晰了解答案的由来，同时也提升了解决复杂问题的能力。

那么，在自带思维链的Deepseek面前，我们使用AI方式，应该如何改变？比之“改变”，我认为准确的说法是“回归”，也就是回归到平常的自然语言上。用大白话解答就是三个字——

说——人——话——

展开来讲就是，忘掉以往学习软件那一套“指令式交互”，而是回归到完成任务本身。也就是我们把AI看成是一名“无所不知、非常聪明、听懂人话、刚进公司”的实习生，然后想想，如果你跟这样一名实习生交代任务，你会怎么交代？是不是要把任务讲清楚，然后要提供足够的参考信息，尽可能明确各类要求，必要的时候还可以提供一些参考例子？

是的，跟AI下达指令时，不要再去纠结这样说“正不正确”，而是关注这样说“齐不齐全”。只要信息给得足够齐全，Deepseek会自己拆解问题逐步思考给出回答。

至于具体的使用Prompt的技巧，这足够单独成文了。限于篇幅，我们在这里就不展开，如果大家比较感兴趣，可以给在下多多点赞，我在后续安排上。这里，我就给大家展示一个我自己使用Deepseek的例子，就是让AI依据词牌写词（补充一下，我很喜欢用给AI出写古代诗词，基本上能很好地看出是套了ChatGPT还是自己训练，前者对中文的理解没有这么透彻）。

我的Prompt如下：

你要参考水调歌头的词牌，以当前人工智能的发展为主题，写一首歌，我希望你告诉我你主要参考了哪些作者的作品，参考了哪些内容。

是不是感觉这段Prompt平平无奇，甚至有些简陋。是的，我是故意为之，当时也是想看看Deepseek的思维链表现。来，我们再来看看Deepseek的思考过程（内容较多，我就直接截图）。

看完后我直呼好家伙，Deepseek展示了它的完整思考过程。首先挑选它认为合适的参考作品，然后确定主题内容，押韵韵脚和用词的选择，最后还会检查是否符合格律要求。这简直就跟人类在思考创作一阙词作的过程一模一样。

不过，我还有后招，按我以前的经验，AI大概率是处理不好中文的押韵问题的（我曾经为此跟ChatGPT及多款AI来回拉扯了几轮都没有达成）。大家注意看下，“秋”和“浮”是不押韵的，当时我心里想，“哈哈，还不让我抓住你的小瓣子”。于是，我就在对话里指出，“上面的作品，秋和浮，不押韵”。

然而，结果证明是我肤浅了。来，我们来看下Deepseek对此的回应。

原来是我低估了，Deepseek指出，它参考了《词林正韵》，“流”和“浮”这两个字在古代的读音是押韵的，“浮”字的宋代实际读音近「fəu」（这点我作为一名广东人还是能理解的，实际上这两个字在粤语里的确还是押韵的）。而且，它还补充说，“苏轼原词「天」「年」「寒」「间」同样存在古今音变问题”，这多少是有点傲娇了哈哈。不过，它最后还是按照要求进行了调整。

之后，我在多轮对话中，陆续还提了“我希望就以现代普通话为标准就行”、“最后两句的结尾都是同一个字“舟”，可否避免？”等要求。这是我和Deepseek的最后一轮对话。

我虽已练就与AI对话的能力，但在与Deepseek对话的过程中，我依然有一种“惊喜感”，一种“你太会了”的感受。可以说，Deepseek代表着人类在AI领域的探索又前进了一步。我之前曾有总结“AI生成结果再丰富再优质，最终的判断与选择权在使用者。只有使用者的认知水平足够高，才能辨别AI结果的优与劣。”这既是对AI没有判断立场的补充，又仿佛是人类的挽尊。

最后总结一下，我们在面对类似Deepseek这样自带思维链的推理型AI模型，在实际对话的过程中，不必关注Prompt的框架性，而是要“说人话”，也就是使用自然语言来表达清楚我们的任务。重点关注提供的信息，对于完成任务而言是否有帮助，是否足够齐全。至于过程中的问题拆解，就尽管交给AI即可。