DeepSeek提问技巧总结

1.聚焦核心，细化问题：

提问时应精准明确，避免过于宽泛或模糊。例如不要问“如何学习机器学习？”而应问“零基础如何机器学习”。对于复杂问题，可将其拆解为多个小问题，逐一提问。比如先问“学习机器学习先学习python更好吗？”再问“如何用Kaggle进行机器学习相关的数据竞赛？”

2.提供背景，结构化描述：

在提问时，提供问题的背景信息或目标，以便DeepSeek更准确地理解需求。例如：“我正在撰写一篇关于机器学习相关的论文，需要近5年权威期刊中关于‘NLP相关技术的’的研究进展。”同时明确所需结果的形式，如研究方向、实验步骤、数据分析等。例如：“请列出3种NLP相关机器学习算法的优缺点对比表格。”

3.嵌入关键词，提供示例：

在问题中加入专业术语或关键概念，以提高问题的匹配精度。例如：“如何用计算机视觉模型实现分类？”此外，通过具体示例来说明需求，减少歧义。例如：“类似‘Kaggle上的房价预测’的机器学习项目，能否推荐一个适合新手的实战案例？”

4.分步提问，逐步追问：

对于复杂问题，逐步细化提问方向。例如：“推荐适合初学者的深度学习框架。”“如何在PyTorch中搭建一个CNN模型？”根据回答进一步追问细节，以获取更具体的信息。例如：“您提到的‘数据预处理’具体包含哪些步骤？”

5.设定限制，明确场景：

在提问时添加时间、资源、技术栈等限制条件，使回答更贴合实际。例如：“如何在1周内用python快速完成手写数字识别？”同时，明确应用场景，如学术相关的。例如：“针对美国的关税政策，有哪些应对方式？”