清华大学Deepseek教程要点总结（内含PDF原件链接）前言过年到现在deepseek都很火热嘛，我也自己捣鼓了他的

前言

过年到现在deepseek都很火热嘛，我也自己捣鼓了他的本地部署和调用第三方api的671b满血版的调用，用的就是ollama和chatbox方案，我总共是部署了四个版本在自己和公司的电脑都搞了，最小的1.5b总结一句话和傻子一样，7b的正常人，14b我部署的是无审查版本，对就是可以肆无忌惮聊天的那种，我也是初次尝试感觉还是比较不一样。最后就是用硅基流动和华为云部署的api，效果就和官网差不多了，但是也有点慢。

OK，话说回来我们今天的主角是号称清华大学的deepseek教程，我看到的有三部曲，三个PDF，但是第三个我觉得质量太差，感觉就是前面两个拼凑的，就不拿出来恶心大家了。其实刚刚看到这几个PDF时我觉得很高兴
wow！有好东西看了。结果等我点开去看时，第一遍我就感觉好晦涩难懂，但是我觉得应该是我的问题等我有时间再细读一下。第二遍细读我依然觉得其中的很多内容都太过理论化，不过我在学习这些PDF的过程中我倒是想清楚了，我一直纠结的一个关于提示词的问题，灵感来源于这些PDF他在将这些提示词的内容时，他都是分情况去讨论的，他先分析的是这个平台的特点，然后再去基于这些特点总结内涵和方法论，然后给出示例或者没有。

这个时候我就发现我一直追求的寻找一个普遍通用的提示词模板或者方法是不是本就不存在，更可能的状态是基于任务的特点，基于平台的特点，基于社会现实的特点，去定制化我们的需求，去编写相对应的提示词。然后在这个编写的过程中，用强逻辑编写你的提示词。以前我觉得提示词工程师其实应该由文科生，学语言的人来做会更好，因为我觉得他们是更懂得如何表达的人，更有文采的人。但是现在我发现提示词工程其实需要更强大的能力是逻辑，他需要你基于一定的框架，一定的工程思维去思考这个任务的实现，而不单单是语言表达。

单单从这些教程我并没有学习到很多有用的AI或者有关提示词的东西，但是他们这样的编写逻辑确实启发了我的思考。同时我也认可提示词艺术这个定义，prompt就是艺术。不单单是语言