簡介這份PPT資料聚焦DeepSeek提示詞設計與幻覺避免面向希望系統(tǒng)掌握大模型提問技巧的職場人、開發(fā)者與AI應用愛好者。內容從提示詞本質切入講解DeepSeek-R1與V3在推理型和非推理型上的不同性格并給出差異化提問策略推理模型側重目標清晰、結果可模糊非推理模型則需角色設定、樣本提示與結構化指令。資料還結合六何分析法、Few-shot少量樣本提示等技巧演示如何讓DeepSeek生成炫酷圖表與動畫同時剖析其優(yōu)點與缺陷幫助讀者識別并規(guī)避幻覺問題并延伸談及Manus智能體的應用思路。資源包共1個pptx文件約1.05MB以幻燈片形式呈現便于按章節(jié)瀏覽與課堂分享。目前已有75人學習適合需要提升提示詞工程能力、減少模型胡編亂造、并將DeepSeek落地到文檔、策劃、輔導等場景的讀者參考。1. 一份 50 頁 PPT 把 DeepSeek 提示詞講透了從幻覺避免到 Manus 智能體很多人拿到 DeepSeek 之后第一反應是「這不就是聊天框嗎說人話就行」結果真到寫方案、出圖表、調代碼的時候輸出要么空泛要么一本正經地胡說。這份《DeepSeek 提示詞設計、幻覺避免與應用50頁PPT》就是沖著這個落差來的——它不講大模型原理而是把「提示詞 向 AI 注入預先默契」這件事拆成可操作的策略覆蓋推理模型與非推理模型的性格差異、六何分析法補全背景、Few-shot 樣本提示、幻覺成因與規(guī)避最后延伸到 Manus 這類智能體的編排思路。適合三類人天天用 DeepSeek 寫文檔做匯報的職場人、想給孩子輔導作業(yè)的家長、以及正在搭智能體或做 AI 應用開發(fā)、被幻覺率折磨的工程師。50 頁的體量不大但每一頁都對應一個能立刻上手的動作不是概念科普。2. 先分清 R1 和 V3 的「性格」提示詞策略為什么不能一套通吃2.1 推理型與非推理型的本質差異這份 PPT 里最值錢的一張對比表是把模型分成「思考型」和「直覺型」兩類。DeepSeek-R1、OpenAI o1/o3 屬于推理型它的工作方式是用戶輸入提示詞 → 通過思維鏈CoT分析問題 → 給出最終答案中間會顯示「思考中…」輸出時附帶解題思路。DeepSeek-V3、GPT-4.5、Kimi K1.5 屬于非推理型響應速度極快像知識豐富的朋友直接給答案。PPT 里有個很形象的比喻推理模型像有草稿紙的學生非推理模型像知識豐富的朋友。這個差異直接決定了提示詞該怎么寫。推理型模型自己會做過程拆解你不需要手把手教它「逐步思考」反而過多干預會干擾它的推理路徑非推理型模型需要你把「過程-結果」講清楚用指令驅動。我見過最常見的翻車就是拿寫 V3 的那套提示詞去喂 R1塞了一堆「請一步一步思考」結果 R1 的思維鏈被這些冗余指令帶偏輸出反而更啰嗦。2.2 兩類模型的提示詞寫法對照PPT 給了一張策略對照我把它整理成可抄的表格策略維度推理型R1非推理型V3角色設定不太需要仍然需要樣本提示Few-shot謹慎提供仍然需要背景信息充分提供充分提供思維鏈提示不需要自帶需要中間過程結構化提示詞謹慎使用推薦過多解釋避免可接受分隔符提高清晰度推薦推薦手把手教學避免可接受詳細最終目標與格式推薦推薦重復「逐步思考」避免可用這張表的核心邏輯是推理模型已經內置了 CoT你再疊加思維鏈提示就是重復勞動甚至互相打架非推理模型沒有草稿紙你得把過程補上。所以同一句「幫我分析這個季度的銷售數據」在 R1 里可以直接問在 V3 里最好補上「先按區(qū)域拆分再對比同比最后給出三條可執(zhí)行建議」。2.3 使用場景怎么選PPT 給了場景分流推理型適合輔導孩子數學、調試程序代碼、時間不敏感但準確性敏感、追求邏輯性的任務非推理型適合日常閑聊、知識問答、追求快速響應、準確性不敏感的場景。這個劃分不是絕對的但有個判斷口訣——需要「想清楚再答」的用 R1需要「馬上給結果」的用 V3。比如寫口播文案V3 秒出初稿R1 適合用來做文案的邏輯審查和完播率優(yōu)化建議。提示不要用「哪個更強」來判斷選型要用「這個任務需不需要草稿紙」來判斷。需要多步推理、有中間驗證環(huán)節(jié)的選推理型單輪問答、格式轉換、快速起草的選非推理型。3. 六何分析法補全背景讓 DeepSeek 不再答非所問3.1 為什么「說人話」不夠用PPT 里有個反直覺的結論AI 越來越聰明提示詞依然重要。原因是人類的預先默契——你跟同事說「幫我寫個推廣文案」同事知道公司賣什么、目標人群是誰、投在哪個平臺但 AI 不知道。提示詞就是把這些默契顯式注入。PPT 引用了六何分析法5W1H何故Why、何事What、何時When、何人Who、何處Where、何以How。舉個 PPT 里的原例為了提升銷量何故我公司決定在自媒體上做 X 產品推廣何事時間為中秋節(jié)期間何時針對 18-35 歲年輕白領何人主要平臺為小紅書何處提供 500 字口播文案要求完播率高、不生硬、植入軟廣、結合節(jié)日需求何以。這六個要素一補齊輸出質量立刻不一樣。3.2 六何分析法的實操模板我把這個框架做成一個可復用的提示詞模板直接填空即可【何故】本次任務的目的是______ 【何事】需要你完成的具體任務是______ 【何時】時間背景/時效要求是______ 【何人】目標受眾/使用者是______ 【何處】使用場景/發(fā)布平臺是______ 【何以】輸出要求字數______風格______必須包含______避免______邏輯說明前五項是背景注入解決「AI 不知道上下文」的問題第六項「何以」是輸出約束解決「AI 不知道你要什么格式」的問題。參數說明字數建議給區(qū)間而不是精確值比如「400-600 字」給精確值反而會讓模型為了湊字數犧牲質量風格描述用具體參照物比如「像給同事發(fā)微信的語氣」比「輕松活潑」更可執(zhí)行。3.3 一個真實對比手機屏幕變暗問題PPT 里用了一個特別接地氣的例子。問「為什么我的手機屏幕突然變暗了」DeepSeek 給了一堆通用原因自動亮度調節(jié)、電池節(jié)省模式、軟件問題、硬件問題。這個回答沒錯但沒用。換成帶背景的提問「最近天氣很熱經常 40℃ 以上我的蘋果手機在太陽下曬一會兒屏幕自動變暗調也調不亮這是什么原因扮演我同事的語氣用簡潔的回答幫我解決這個問題?！馆敵隽⒖叹劢沟綔囟扔|發(fā)的過熱保護機制而且語氣也對了。這個例子的價值在于它證明了提示詞不是「把問題寫長」而是「把 AI 不知道的背景補上」。溫度、機型、觸發(fā)條件、期望語氣這四個信息缺一個輸出就會跑偏。3.4 Few-shot 樣本提示怎么用PPT 里第二個技巧是「舉些例子」Few-shot 少量樣本提示。原理很簡單與其描述你要什么不如給一兩個樣例讓模型模仿。比如你要寫產品差評回復與其說「語氣要誠懇但不卑微」不如直接給兩條范例參考以下回復風格為我寫一條針對「物流太慢」的差評回復 范例1 您好看到您的反饋我們非常抱歉。物流延遲確實是我們的問題已經為您申請了補償券下次下單可以直接抵扣。感謝您的耐心等待。 范例2 非常抱歉讓您久等了。這批訂單因為倉庫爆倉出現了延遲我們已經加急處理您的包裹預計明天送達。給您帶來的不便深表歉意。 現在請為這條差評寫回復「下單一周了還沒發(fā)貨客服也不回消息?！惯壿嬚f明Few-shot 的關鍵是范例要「同類型、同風格、同長度」給兩個比給一個穩(wěn)給三個以上邊際收益遞減。參數說明范例和正式任務之間用分隔符如---或空行隔開避免模型把范例當成任務的一部分。注意推理型模型對 Few-shot 要謹慎樣本太多反而會限制它的推理空間一般給一到兩個即可。4. 幻覺不是玄學DeepSeek 一本正經胡說八道的成因與規(guī)避4.1 幻覺從哪來PPT 里專門有一頁講「DeepSeek 并非完美搞清優(yōu)點和缺陷」。幻覺的典型表現是編造不存在的引用、虛構數據、把相似概念混在一起、在缺乏知識時強行給答案。成因不復雜——模型是在預測「下一個最可能的詞」當它沒有足夠上下文支撐時就會用「看起來合理」的內容填補空白。這不是 bug是概率生成的固有特性。我自己的血淚經驗是讓 DeepSeek 寫行業(yè)報告它給了一組「2024 年某細分市場規(guī)模 327 億元」的數據來源標注得像模像樣一查根本不存在。從那以后凡是涉及具體數字、引用、法條的輸出我都強制走一遍人工核驗。4.2 四類高頻幻覺場景與對策PPT 的思路加上我的實操整理成這張排查表幻覺場景典型表現規(guī)避方法數據編造給出精確數字但無來源要求標注來源或明確說「不確定就說不確定」引用虛構編造論文、法條、鏈接只讓它做邏輯分析引用自己補概念混淆把兩個相似術語混用在提示詞里給出術語定義過度延伸超出知識范圍強行回答加邊界約束「只基于我提供的信息回答」4.3 提示詞層面的幻覺抑制寫法最有效的一招是在提示詞里顯式加「不確定性聲明」約束請基于以下我提供的信息回答問題。如果信息不足以回答請直接說「根據現有信息無法確定」不要推測或編造?；卮鹬猩婕熬唧w數字時請標注該數字來自我提供的哪一段。 【我提供的信息】 ______邏輯說明這句話做了三件事——限定知識邊界只用我給的、給出不確定時的標準話術避免它硬編、要求數字溯源方便你核驗。參數說明「無法確定」這個話術要寫死不要寫「請謹慎回答」因為后者太模糊模型還是會編。如果你用的是 R1可以再加一句「先判斷信息是否充分再決定是否作答」利用它的推理能力做自檢。4.4 用 RAG 思路做知識兜底PPT 里提到了 RAG 知識庫。對于需要準確性的場景比如企業(yè)內部問答、產品手冊查詢純靠提示詞約束不夠得把知識庫接進來。常見做法是先把文檔切片存入向量庫用戶提問時先檢索相關片段再把片段作為上下文塞進提示詞。這樣模型的回答有據可依幻覺率會明顯下降。PPT 里沒展開工程細節(jié)但思路是清晰的——提示詞解決「怎么問」RAG 解決「基于什么答」兩者配合才是完整方案。注意幻覺率和忠實度是兩個指標?；糜X率低不代表忠實度高模型可能不編造但答非所問。評估時要同時看「有沒有編」和「有沒有答到點上」。5. 從提示詞到智能體Manus 帶來的編排啟示5.1 智能體和提示詞的關系PPT 最后一部分談到了 Manus 智能體。很多人以為智能體是「更高級的提示詞」其實不是。智能體是在提示詞之上加了一層編排任務拆解、工具調用、多輪反思、結果驗證。提示詞是智能體的「單步指令」編排是「多步調度」。Manus 爆火的原因不是它的提示詞多神而是它把「規(guī)劃-執(zhí)行-檢查」這個循環(huán)做順了。對一線工程師來說這意味著你寫的每一條提示詞未來都可能成為智能體某個節(jié)點的指令。所以提示詞的可復用性、邊界清晰度、輸出格式穩(wěn)定性比「寫得漂亮」更重要。5.2 把提示詞改造成智能體節(jié)點的寫法如果你在搭智能體單個節(jié)點的提示詞要滿足三個條件輸入明確、輸出結構化、失敗可判斷。舉個例子一個「文案生成」節(jié)點你是文案生成節(jié)點。輸入是一個 JSON包含 product產品名、audience受眾、platform平臺、tone語氣。 請輸出一個 JSON包含 headline標題20字內、body正文300字內、cta行動號召15字內。 如果輸入缺少任一字段輸出 {error: missing_field, field: 字段名}不要猜測。 輸入{product: 降噪耳機, audience: 通勤白領, platform: 小紅書, tone: 輕松}邏輯說明結構化輸入輸出是為了讓上下游節(jié)點能自動銜接error 分支是為了讓編排層能判斷這個節(jié)點是否失敗并決定重試還是跳過。參數說明字段名要固定不要用同義詞字數限制要寫死方便下游做校驗。這套寫法在 Dify、Coze 這類智能體平臺上直接可用。5.3 多智能體編排的提示詞分工PPT 提到 Manus 的編排思路落到實操就是不同節(jié)點用不同「性格」的提示詞。規(guī)劃節(jié)點用推理型模型負責拆任務執(zhí)行節(jié)點用非推理型模型負責快速產出檢查節(jié)點用推理型模型負責挑錯。這樣分工的好處是各取所長壞處是鏈路變長、延遲增加。我的經驗是三步以內的任務不值得上多智能體單模型加好提示詞就夠了超過五步、有明確驗證環(huán)節(jié)的才考慮編排。6. 讓 DeepSeek 出圖表和動畫提示詞里的格式控制技巧PPT 里有一頁專門講「設計提示詞讓 DeepSeek 做炫酷圖表和動畫」這是很多人忽略的進階用法。核心思路是不要讓它「畫圖」而是讓它「生成可渲染的代碼」。比如你要一個流程圖直接說「畫個流程圖」它只能給文字描述但你說「用 Mermaid 語法生成流程圖代碼」它就能輸出可渲染的結構。同理要動畫就讓它生成 SVG 或 HTMLCSS 代碼。我常用的一個模板請用 SVG 代碼生成一個「鵜鶘騎自行車」的簡筆畫動畫要求 1. 畫面尺寸 400x300 2. 鵜鶘的嘴和自行車的輪子有簡單動畫 3. 代碼可直接保存為 .svg 文件在瀏覽器打開 4. 不要引用外部圖片或字體邏輯說明限定尺寸是為了避免輸出過大或過小限定動畫元素是為了讓效果可控限定「可直接打開」是為了排除需要額外依賴的方案限定「不引用外部資源」是因為很多模型會引用不存在的圖片鏈接導致打開是空白。參數說明如果你要的是靜態(tài)圖把「動畫」去掉即可如果要更復雜的效果可以要求「用 HTMLCSSJS 單文件實現」但要注意代碼長度會顯著增加容易超出輸出限制。驗證方法很簡單把生成的代碼復制到本地SVG 存成.svgHTML 存成.html雙擊用瀏覽器打開。如果顯示空白先看控制臺報錯大概率是引用了外部資源或者標簽沒閉合。我一般會讓 DeepSeek 自己檢查一遍「請檢查上面的代碼是否有未閉合的標簽或外部依賴如有請修正后重新輸出完整代碼。」這一步能過濾掉大部分低級錯誤。從那以后我每次讓 DeepSeek 生成可視化代碼都強制走一遍「本地打開驗證 讓它自檢」的流程省了大量來回返工的時間。希望幫到你。本文還有配套的精品資源點擊獲取 DeepSeek提示詞設計：從幻覺避免到Manus智能體編排
簡介這份PPT資料聚焦DeepSeek提示詞設計與幻覺避免面向希望系統(tǒng)掌握大模型提問技巧的職場人、開發(fā)者與AI應用愛好者。內容從提示詞本質切入講解DeepSeek-R1與V3在推理型和非推理型上的不同性格并給出差異化提問策略推理模型側重目標清晰、結果可模糊非推理模型則需角色設定、樣本提示與結構化指令。資料還結合六何分析法、Few-shot少量樣本提示等技巧演示如何讓DeepSeek生成炫酷圖表與動畫同時剖析其優(yōu)點與缺陷幫助讀者識別并規(guī)避幻覺問題并延伸談及Manus智能體的應用思路。資源包共1個pptx文件約1.05MB以幻燈片形式呈現便于按章節(jié)瀏覽與課堂分享。目前已有75人學習適合需要提升提示詞工程能力、減少模型胡編亂造、并將DeepSeek落地到文檔、策劃、輔導等場景的讀者參考。1. 一份 50 頁 PPT 把 DeepSeek 提示詞講透了從幻覺避免到 Manus 智能體很多人拿到 DeepSeek 之后第一反應是「這不就是聊天框嗎說人話就行」結果真到寫方案、出圖表、調代碼的時候輸出要么空泛要么一本正經地胡說。這份《DeepSeek 提示詞設計、幻覺避免與應用50頁PPT》就是沖著這個落差來的——它不講大模型原理而是把「提示詞 向 AI 注入預先默契」這件事拆成可操作的策略覆蓋推理模型與非推理模型的性格差異、六何分析法補全背景、Few-shot 樣本提示、幻覺成因與規(guī)避最后延伸到 Manus 這類智能體的編排思路。適合三類人天天用 DeepSeek 寫文檔做匯報的職場人、想給孩子輔導作業(yè)的家長、以及正在搭智能體或做 AI 應用開發(fā)、被幻覺率折磨的工程師。50 頁的體量不大但每一頁都對應一個能立刻上手的動作不是概念科普。2. 先分清 R1 和 V3 的「性格」提示詞策略為什么不能一套通吃2.1 推理型與非推理型的本質差異這份 PPT 里最值錢的一張對比表是把模型分成「思考型」和「直覺型」兩類。DeepSeek-R1、OpenAI o1/o3 屬于推理型它的工作方式是用戶輸入提示詞 → 通過思維鏈CoT分析問題 → 給出最終答案中間會顯示「思考中…」輸出時附帶解題思路。DeepSeek-V3、GPT-4.5、Kimi K1.5 屬于非推理型響應速度極快像知識豐富的朋友直接給答案。PPT 里有個很形象的比喻推理模型像有草稿紙的學生非推理模型像知識豐富的朋友。這個差異直接決定了提示詞該怎么寫。推理型模型自己會做過程拆解你不需要手把手教它「逐步思考」反而過多干預會干擾它的推理路徑非推理型模型需要你把「過程-結果」講清楚用指令驅動。我見過最常見的翻車就是拿寫 V3 的那套提示詞去喂 R1塞了一堆「請一步一步思考」結果 R1 的思維鏈被這些冗余指令帶偏輸出反而更啰嗦。2.2 兩類模型的提示詞寫法對照PPT 給了一張策略對照我把它整理成可抄的表格策略維度推理型R1非推理型V3角色設定不太需要仍然需要樣本提示Few-shot謹慎提供仍然需要背景信息充分提供充分提供思維鏈提示不需要自帶需要中間過程結構化提示詞謹慎使用推薦過多解釋避免可接受分隔符提高清晰度推薦推薦手把手教學避免可接受詳細最終目標與格式推薦推薦重復「逐步思考」避免可用這張表的核心邏輯是推理模型已經內置了 CoT你再疊加思維鏈提示就是重復勞動甚至互相打架非推理模型沒有草稿紙你得把過程補上。所以同一句「幫我分析這個季度的銷售數據」在 R1 里可以直接問在 V3 里最好補上「先按區(qū)域拆分再對比同比最后給出三條可執(zhí)行建議」。2.3 使用場景怎么選PPT 給了場景分流推理型適合輔導孩子數學、調試程序代碼、時間不敏感但準確性敏感、追求邏輯性的任務非推理型適合日常閑聊、知識問答、追求快速響應、準確性不敏感的場景。這個劃分不是絕對的但有個判斷口訣——需要「想清楚再答」的用 R1需要「馬上給結果」的用 V3。比如寫口播文案V3 秒出初稿R1 適合用來做文案的邏輯審查和完播率優(yōu)化建議。提示不要用「哪個更強」來判斷選型要用「這個任務需不需要草稿紙」來判斷。需要多步推理、有中間驗證環(huán)節(jié)的選推理型單輪問答、格式轉換、快速起草的選非推理型。3. 六何分析法補全背景讓 DeepSeek 不再答非所問3.1 為什么「說人話」不夠用PPT 里有個反直覺的結論AI 越來越聰明提示詞依然重要。原因是人類的預先默契——你跟同事說「幫我寫個推廣文案」同事知道公司賣什么、目標人群是誰、投在哪個平臺但 AI 不知道。提示詞就是把這些默契顯式注入。PPT 引用了六何分析法5W1H何故Why、何事What、何時When、何人Who、何處Where、何以How。舉個 PPT 里的原例為了提升銷量何故我公司決定在自媒體上做 X 產品推廣何事時間為中秋節(jié)期間何時針對 18-35 歲年輕白領何人主要平臺為小紅書何處提供 500 字口播文案要求完播率高、不生硬、植入軟廣、結合節(jié)日需求何以。這六個要素一補齊輸出質量立刻不一樣。3.2 六何分析法的實操模板我把這個框架做成一個可復用的提示詞模板直接填空即可【何故】本次任務的目的是______ 【何事】需要你完成的具體任務是______ 【何時】時間背景/時效要求是______ 【何人】目標受眾/使用者是______ 【何處】使用場景/發(fā)布平臺是______ 【何以】輸出要求字數______風格______必須包含______避免______邏輯說明前五項是背景注入解決「AI 不知道上下文」的問題第六項「何以」是輸出約束解決「AI 不知道你要什么格式」的問題。參數說明字數建議給區(qū)間而不是精確值比如「400-600 字」給精確值反而會讓模型為了湊字數犧牲質量風格描述用具體參照物比如「像給同事發(fā)微信的語氣」比「輕松活潑」更可執(zhí)行。3.3 一個真實對比手機屏幕變暗問題PPT 里用了一個特別接地氣的例子。問「為什么我的手機屏幕突然變暗了」DeepSeek 給了一堆通用原因自動亮度調節(jié)、電池節(jié)省模式、軟件問題、硬件問題。這個回答沒錯但沒用。換成帶背景的提問「最近天氣很熱經常 40℃ 以上我的蘋果手機在太陽下曬一會兒屏幕自動變暗調也調不亮這是什么原因扮演我同事的語氣用簡潔的回答幫我解決這個問題?！馆敵隽⒖叹劢沟綔囟扔|發(fā)的過熱保護機制而且語氣也對了。這個例子的價值在于它證明了提示詞不是「把問題寫長」而是「把 AI 不知道的背景補上」。溫度、機型、觸發(fā)條件、期望語氣這四個信息缺一個輸出就會跑偏。3.4 Few-shot 樣本提示怎么用PPT 里第二個技巧是「舉些例子」Few-shot 少量樣本提示。原理很簡單與其描述你要什么不如給一兩個樣例讓模型模仿。比如你要寫產品差評回復與其說「語氣要誠懇但不卑微」不如直接給兩條范例參考以下回復風格為我寫一條針對「物流太慢」的差評回復 范例1 您好看到您的反饋我們非常抱歉。物流延遲確實是我們的問題已經為您申請了補償券下次下單可以直接抵扣。感謝您的耐心等待。 范例2 非常抱歉讓您久等了。這批訂單因為倉庫爆倉出現了延遲我們已經加急處理您的包裹預計明天送達。給您帶來的不便深表歉意。 現在請為這條差評寫回復「下單一周了還沒發(fā)貨客服也不回消息?！惯壿嬚f明Few-shot 的關鍵是范例要「同類型、同風格、同長度」給兩個比給一個穩(wěn)給三個以上邊際收益遞減。參數說明范例和正式任務之間用分隔符如---或空行隔開避免模型把范例當成任務的一部分。注意推理型模型對 Few-shot 要謹慎樣本太多反而會限制它的推理空間一般給一到兩個即可。4. 幻覺不是玄學DeepSeek 一本正經胡說八道的成因與規(guī)避4.1 幻覺從哪來PPT 里專門有一頁講「DeepSeek 并非完美搞清優(yōu)點和缺陷」。幻覺的典型表現是編造不存在的引用、虛構數據、把相似概念混在一起、在缺乏知識時強行給答案。成因不復雜——模型是在預測「下一個最可能的詞」當它沒有足夠上下文支撐時就會用「看起來合理」的內容填補空白。這不是 bug是概率生成的固有特性。我自己的血淚經驗是讓 DeepSeek 寫行業(yè)報告它給了一組「2024 年某細分市場規(guī)模 327 億元」的數據來源標注得像模像樣一查根本不存在。從那以后凡是涉及具體數字、引用、法條的輸出我都強制走一遍人工核驗。4.2 四類高頻幻覺場景與對策PPT 的思路加上我的實操整理成這張排查表幻覺場景典型表現規(guī)避方法數據編造給出精確數字但無來源要求標注來源或明確說「不確定就說不確定」引用虛構編造論文、法條、鏈接只讓它做邏輯分析引用自己補概念混淆把兩個相似術語混用在提示詞里給出術語定義過度延伸超出知識范圍強行回答加邊界約束「只基于我提供的信息回答」4.3 提示詞層面的幻覺抑制寫法最有效的一招是在提示詞里顯式加「不確定性聲明」約束請基于以下我提供的信息回答問題。如果信息不足以回答請直接說「根據現有信息無法確定」不要推測或編造?；卮鹬猩婕熬唧w數字時請標注該數字來自我提供的哪一段。 【我提供的信息】 ______邏輯說明這句話做了三件事——限定知識邊界只用我給的、給出不確定時的標準話術避免它硬編、要求數字溯源方便你核驗。參數說明「無法確定」這個話術要寫死不要寫「請謹慎回答」因為后者太模糊模型還是會編。如果你用的是 R1可以再加一句「先判斷信息是否充分再決定是否作答」利用它的推理能力做自檢。4.4 用 RAG 思路做知識兜底PPT 里提到了 RAG 知識庫。對于需要準確性的場景比如企業(yè)內部問答、產品手冊查詢純靠提示詞約束不夠得把知識庫接進來。常見做法是先把文檔切片存入向量庫用戶提問時先檢索相關片段再把片段作為上下文塞進提示詞。這樣模型的回答有據可依幻覺率會明顯下降。PPT 里沒展開工程細節(jié)但思路是清晰的——提示詞解決「怎么問」RAG 解決「基于什么答」兩者配合才是完整方案。注意幻覺率和忠實度是兩個指標?；糜X率低不代表忠實度高模型可能不編造但答非所問。評估時要同時看「有沒有編」和「有沒有答到點上」。5. 從提示詞到智能體Manus 帶來的編排啟示5.1 智能體和提示詞的關系PPT 最后一部分談到了 Manus 智能體。很多人以為智能體是「更高級的提示詞」其實不是。智能體是在提示詞之上加了一層編排任務拆解、工具調用、多輪反思、結果驗證。提示詞是智能體的「單步指令」編排是「多步調度」。Manus 爆火的原因不是它的提示詞多神而是它把「規(guī)劃-執(zhí)行-檢查」這個循環(huán)做順了。對一線工程師來說這意味著你寫的每一條提示詞未來都可能成為智能體某個節(jié)點的指令。所以提示詞的可復用性、邊界清晰度、輸出格式穩(wěn)定性比「寫得漂亮」更重要。5.2 把提示詞改造成智能體節(jié)點的寫法如果你在搭智能體單個節(jié)點的提示詞要滿足三個條件輸入明確、輸出結構化、失敗可判斷。舉個例子一個「文案生成」節(jié)點你是文案生成節(jié)點。輸入是一個 JSON包含 product產品名、audience受眾、platform平臺、tone語氣。 請輸出一個 JSON包含 headline標題20字內、body正文300字內、cta行動號召15字內。 如果輸入缺少任一字段輸出 {error: missing_field, field: 字段名}不要猜測。 輸入{product: 降噪耳機, audience: 通勤白領, platform: 小紅書, tone: 輕松}邏輯說明結構化輸入輸出是為了讓上下游節(jié)點能自動銜接error 分支是為了讓編排層能判斷這個節(jié)點是否失敗并決定重試還是跳過。參數說明字段名要固定不要用同義詞字數限制要寫死方便下游做校驗。這套寫法在 Dify、Coze 這類智能體平臺上直接可用。5.3 多智能體編排的提示詞分工PPT 提到 Manus 的編排思路落到實操就是不同節(jié)點用不同「性格」的提示詞。規(guī)劃節(jié)點用推理型模型負責拆任務執(zhí)行節(jié)點用非推理型模型負責快速產出檢查節(jié)點用推理型模型負責挑錯。這樣分工的好處是各取所長壞處是鏈路變長、延遲增加。我的經驗是三步以內的任務不值得上多智能體單模型加好提示詞就夠了超過五步、有明確驗證環(huán)節(jié)的才考慮編排。6. 讓 DeepSeek 出圖表和動畫提示詞里的格式控制技巧PPT 里有一頁專門講「設計提示詞讓 DeepSeek 做炫酷圖表和動畫」這是很多人忽略的進階用法。核心思路是不要讓它「畫圖」而是讓它「生成可渲染的代碼」。比如你要一個流程圖直接說「畫個流程圖」它只能給文字描述但你說「用 Mermaid 語法生成流程圖代碼」它就能輸出可渲染的結構。同理要動畫就讓它生成 SVG 或 HTMLCSS 代碼。我常用的一個模板請用 SVG 代碼生成一個「鵜鶘騎自行車」的簡筆畫動畫要求 1. 畫面尺寸 400x300 2. 鵜鶘的嘴和自行車的輪子有簡單動畫 3. 代碼可直接保存為 .svg 文件在瀏覽器打開 4. 不要引用外部圖片或字體邏輯說明限定尺寸是為了避免輸出過大或過小限定動畫元素是為了讓效果可控限定「可直接打開」是為了排除需要額外依賴的方案限定「不引用外部資源」是因為很多模型會引用不存在的圖片鏈接導致打開是空白。參數說明如果你要的是靜態(tài)圖把「動畫」去掉即可如果要更復雜的效果可以要求「用 HTMLCSSJS 單文件實現」但要注意代碼長度會顯著增加容易超出輸出限制。驗證方法很簡單把生成的代碼復制到本地SVG 存成.svgHTML 存成.html雙擊用瀏覽器打開。如果顯示空白先看控制臺報錯大概率是引用了外部資源或者標簽沒閉合。我一般會讓 DeepSeek 自己檢查一遍「請檢查上面的代碼是否有未閉合的標簽或外部依賴如有請修正后重新輸出完整代碼。」這一步能過濾掉大部分低級錯誤。從那以后我每次讓 DeepSeek 生成可視化代碼都強制走一遍「本地打開驗證 讓它自檢」的流程省了大量來回返工的時間。希望幫到你。本文還有配套的精品資源點擊獲取