简介：这份资源是清华大学新闻与传播学院新媒体研究中心元宇宙文化实验室团队出品的DeepSeek教程PPT，共104页，面向希望系统掌握国产大模型应用的开发者、内容创作者与AI初学者，帮助读者厘清DeepSeek的能力边界与使用路径。压缩包内为1个PDF文件，约5.07MB，按「是什么、能做什么、怎么用、如何从入门到精通」的脉络组织，涵盖文本生成、语义理解、代码生成与调试、技术文档撰写等应用场景，并重点对比推理模型与非推理模型在优势领域、性能本质、决策能力与伦理问题上的差异，给出提示语策略与任务匹配建议。已有664人学习，适合对照PPT逐页梳理知识框架、按任务类型选择模型并优化提示语设计，快速建立从入门到实战的完整认知。
1. 第一次打开对话框，我该问它什么
很多人第一次打开 DeepSeek 的对话框，光标一闪一闪，脑子里却一片空白——想让它帮忙写点东西，又怕问得太傻；想试试它到底有多强，又不知道从哪句话开始。这种“对着输入框发呆”的尴尬，几乎每个新手都经历过。其实 DeepSeek 没那么玄乎，你可以把它理解成一个随叫随到的文字助手：你给它一段话，它给你一段回应，能写文案、能改代码、能读文件、能陪你理清思路。这份 104 页的入门教程，做的就是把你从“不敢问”带到“会问、问得好”这件事。它适合完全没接触过大模型的人，也适合用过几次但总觉得效果一般的人。接下来不讲大道理，只讲你打开网页后第一步该干什么。
2. 先搞懂它是什么：DeepSeek 到底能帮你做哪些事
2.1 一句话说清：它是一个会推理的文字助手
DeepSeek 背后是一家专注通用人工智能的公司，主攻大模型研发。对新手来说，你只需要记住两个关键词：免费和开源。免费意味着你可以直接打开网页就用，不用先研究怎么付费；开源意味着它的推理模型 DeepSeek-R1 可以被开发者拿去二次开发，甚至商用。落到你手上的体验，就是一个能对话、能读文件、能联网搜索的对话框。
它和普通搜索引擎最大的区别在于：搜索引擎给你一堆链接，让你自己翻；DeepSeek 直接给你一段整理好的回答，还能根据你的追问继续改。比如你问“帮我写一段咖啡店开业的朋友圈文案”，它不会甩给你十个模板网站，而是当场写三条不同风格的给你挑。这种“直接给结果”的能力，就是大模型最朴素的价值。
教程里把它的能力拆成了几块：文本生成（文章、故事、营销文案、剧本）、摘要与改写（长论文压缩、多语言翻译）、结构化生成（表格、清单）、自然语言理解（情感分析、意图识别）、编程相关（代码生成、调试、注释）。你不需要一次记住全部，先记住“写、改、析、码”四个字就够了。
2.2 为什么值得学：会用和不会用，差距在提示语
同样一个 DeepSeek，有人用它十分钟搞定一份周报，有人问了三句就嫌它“也就那样”。差距不在工具，在你怎么说。教程里反复强调一个概念叫提示语，说白了就是你输入给 AI 的那段话。它由三部分组成：指令（你要它干什么）、上下文（背景信息）、期望（你想要什么形式的结果）。
举个最直观的对比。新手常这样问：“帮我写个活动方案。”DeepSeek 只能猜，猜出来往往空泛。换成：“我要给一个 50 人的社区读书会写活动方案，预算 2000 元，时长两小时，请输出包含流程表和时间节点的方案。”结果立刻具体起来。这就是提示语的力量——你给的信息越清楚，它给的答案越能用。
教程里还有一个很实用的分类：推理模型和通用模型。推理模型擅长数学推导、逻辑分析、代码生成这类“需要一步步想”的任务；通用模型擅长创意写作、多轮对话、开放性问答这类“需要发散”的任务。DeepSeek-R1 属于推理模型，所以你对它说话要简洁，直接说目标，别绕弯子；如果你用的是偏通用的模型，反而要帮它把步骤拆清楚。选错模型，就像拿螺丝刀去敲钉子，不是工具不好，是用错了地方。
2.3 它能接住哪些真实场景
光说能力太虚，落到具体场景你才有感觉。教程里列的场景，我挑几个新手最容易上手的：
- 写东西卡壳：朋友圈文案、公众号开头、邮件回复、演讲稿，给它主题和语气，它先出一版，你再改。
- 读长文没耐心：把论文或报告丢进去，让它用三句话总结核心结论，或者列出关键数据。
- 代码报错看不懂：把报错信息和相关代码贴进去，让它解释错在哪、怎么改，比自己搜半天快。
- 做表格没头绪：比如“帮我列一个一周减脂餐计划表，早中晚三列，标注热量”，它直接给你结构化内容。
- 翻译和润色：中译英之后让它按商务语气再改一遍，比机翻自然得多。
这些场景的共同点是：你本来要花时间组织语言或查资料，现在可以先让它出一版草稿，你在草稿上改。新手最容易犯的错是把它当“答案机”，其实它更像“草稿机”——第一版它来，定稿你来，效率就上去了。
3. 第一步怎么迈：打开网页，跑通你的第一个例子
3.1 准备工作：一个浏览器，一个账号，零安装
DeepSeek 最省心的地方是不用装任何软件。打开浏览器，访问它的对话页面，注册登录就能用。不需要配置环境，不需要下载模型文件，对零基础的人非常友好。你唯一要准备的是：一个能正常上网的浏览器，以及一个你想让它帮忙的具体小任务。
第一次用，建议别上来就扔一篇长论文，容易因为期待太高而失望。选一个你熟悉的小任务，比如“帮我把这段话改得更正式”或者“给我三个周末去哪玩的建议”。任务越小，你越能判断它答得好不好，也越容易调整问法。
提示：第一次对话前，先想清楚你要的结果长什么样——是一段话、一个列表，还是一个表格。心里有目标，问出来才不会散。
3.2 第一个例子：让 DeepSeek 帮你写一段自我介绍
我们拿一个最没门槛的任务练手：写一段 100 字左右的自我介绍，用于社群或会议场合。打开对话框，输入下面这段话：
请帮我写一段 100 字左右的自我介绍，用于线上读书会的开场。 我的信息：平时喜欢读历史和科普，最近在读一本关于城市发展的书， 希望认识更多爱读书的朋友。语气轻松一点，不要太多客套话。发出去之后，你会得到一版草稿。注意看它有没有做到三件事：字数接近 100、语气轻松、包含你给的信息。如果它写得太正式，你就补一句“再口语化一点，像聊天”；如果太长，就说“压缩到 80 字以内”。这个过程叫追问，是大模型使用中最核心的动作——第一版不满意很正常，关键是你会不会接着提要求。
这里用到的就是教程里说的“指令 + 上下文 + 期望”结构：指令是“写自我介绍”，上下文是你给的个人信息，期望是“100 字、轻松、不要客套”。你把这三点说全，它就不容易跑偏。
3.3 第二个例子：让它读一段文字并回答问题
DeepSeek 支持上传文件，也能直接粘贴文字。我们练一个“读+答”的组合：把一段产品介绍贴进去，让它提炼卖点。
下面是一段产品介绍，请帮我提炼三个核心卖点，每个卖点用一句话概括， 面向的读者是第一次了解这个产品的人。 产品介绍： 这款便携榨汁杯内置 4000mAh 电池，充满电可以榨 15 杯； 杯体采用 Tritan 材质，耐摔且不含双酚 A； 刀头可拆卸，冲洗方便；整杯重量 380 克，放进背包不占地方。它大概率会给你三条类似“续航长”“材质安全”“轻便易清洗”的总结。你接着可以追问：“把这三个卖点改写成电商详情页的短句，每条不超过 15 字。”这样一轮下来，你既练了“提炼”，又练了“改写”，还顺便体验了多轮对话的节奏。
注意：贴长文时，尽量把无关的广告语、页脚删掉，只留正文。输入越干净，它提炼得越准。
3.4 第三个例子：用代码任务感受“推理模型”的差别
如果你完全不懂编程，这个例子可以只看不跑；如果你想感受推理模型和普通聊天的区别，可以试一个简单的代码任务：
# 让 DeepSeek 生成一段 Python 代码：统计一段文字里每个词出现的次数 text = "读书 读书 写作 读书 旅行 写作" # 期望输出：读书 3 次，写作 2 次，旅行 1 次你可以直接把需求用中文发过去：“用 Python 统计下面这段文字里每个词出现的次数，输出按次数从高到低排序：读书 读书 写作 读书 旅行 写作。”它会给你一段带注释的代码，还会解释用了什么方法。你不需要会写代码，但可以观察它是不是一步步把“分词、计数、排序”讲清楚了——这就是推理模型在“逻辑密度高”的任务上的表现。
教程里提醒过一个坑：对推理模型不要用“角色扮演”式的启发提示，比如“假设你是一个资深程序员，请……”这类话可能干扰它的逻辑主线。直接说“统计词频，按次数排序”反而更稳。这个细节新手很容易忽略，但试一次就能感觉到差别。
4. 避坑指南：新手最容易翻车的五个地方
4.1 坑一：问得太笼统，回头怪它“不好用”
现象：输入“帮我写个方案”“给我点建议”，得到一堆正确的废话。原因：提示语里缺少任务边界——给谁看、多长、什么风格、要包含什么，全没说。解决：套用“指令 + 上下文 + 期望”三件套。哪怕只补一句“面向零基础读者，300 字以内，分三点”，结果都会具体很多。
4.2 坑二：把推理模型当创意写手，硬让它写诗
现象：让 DeepSeek-R1 写一首抒情诗，结果干巴巴的，还不如普通聊天模型。原因：推理模型专精逻辑链，发散性创作不是它的强项。教程里明确写了，推理模型的劣势领域就包括诗歌创作这类发散任务。解决：创意类任务换通用模型，或者给推理模型更具体的约束，比如“写四句，每句七个字，主题是秋天”，用结构补创意。
4.3 坑三：一次塞太多任务，它顾此失彼
现象：一句话里让它“总结这篇文章、翻译成英文、再列个表格”，结果每样都做得半吊子。原因：多任务并行会分散模型的注意力，尤其是长文本加多步骤，容易漏掉其中一项。解决：拆开问。先总结，确认满意了再让它翻译，最后让它把翻译结果做成表格。一步一步来，每步都能检查。
4.4 坑四：不看输出直接复制，错漏没发现
现象：把它给的代码或数据直接贴进正式文档，结果数字对不上、代码跑不通。原因：大模型会“编”，尤其是涉及具体数字、引用、日期时，它可能给出看似合理但错误的内容。解决：把它当草稿机，不当答案机。涉及事实、数据、代码运行结果的部分，自己核一遍。教程里也提到，通用模型需要“分步验证结果”，推理模型同样不能盲信。
4.5 坑五：以为模型越新越好，不看任务类型
现象：什么任务都用同一个模型，数学题用通用模型硬算，写文案用推理模型硬憋。原因：选模型看的是任务类型，不是热度。教程里的关键原则第一条就是“优先根据任务类型而非模型热度选择”。解决：逻辑、数学、代码类任务优先推理模型；创意、对话、开放问答优先通用模型。拿不准就先试一下，看哪个答得更像样。
5. 下一步学什么：从会问到用好的三条路径
走到这里，你已经能打开网页、发出第一条有效指令、拿到一版能用的草稿了。接下来不用急着啃完 104 页，按下面三条路径挑一条先走，每条都配了具体动作。
路径一：把提示语练成习惯。每天挑一个你本来要手写的短任务——回一封邮件、写一段通知、列一个清单——先用“指令 + 上下文 + 期望”问一遍，再自己改。坚持一周，你会发现自己提问越来越准，返工越来越少。教程里那张“任务类型与提示语策略”的对照表，可以打印出来贴在显示器旁边，遇到决策类、分析类、创意类任务时对一眼。
路径二：按场景建自己的模板库。把你反复要做的任务写成固定句式，比如“总结类：请用三句话总结以下内容，每句不超过 30 字，面向没读过原文的人”。存到备忘录里，下次直接改关键词。新手最容易低估这一步的价值——模板不是偷懒，是把好问法固化下来，避免每次从零想。
路径三：试着碰一次文件和代码。如果你工作里经常读报告，就练“上传文件 + 提炼要点”；如果你偶尔要改代码，就练“贴报错 + 让它解释”。不用学编程，但要知道它在这两块能接住什么。教程里编程相关的章节，挑“代码调试”和“注释生成”两节看就够入门了。
| 阶段 | 每天花多久 | 具体动作 | 判断标准 |
|---|---|---|---|
| 第一周 | 10 分钟 | 用三件套问三个小任务 | 能说出自己哪里问得不够 |
| 第二周 | 15 分钟 | 建三个常用模板 | 同类任务不用重新想问法 |
| 第三周 | 20 分钟 | 试一次文件提炼或代码解释 | 知道它哪块强、哪块要自己核 |
我第一次用这类工具时，总想着“问一句就得到完美答案”，结果每次都不满意，差点放弃。后来逼自己养成一个习惯：不管多小的任务，都先想清楚“给谁看、要多长、什么语气”再发出去，返工次数肉眼可见地降下来。从那以后我每次打开对话框，都强制自己先写全这三样，再按回车。希望这份入门路径也能帮到你，先从今天的一个小任务开始。
本文还有配套的精品资源，点击获取
