人机协作，仅供参考。

AI模型：Deepseek

一、六个维度：

DeepSeek大模型在以下六个维度上具有鲜明特点：

1. 工具调用能力
DeepSeek支持函数调用（Function Calling），能够根据用户需求识别并调用外部工具/API，将自然语言指令转化为结构化参数，完成天气查询、代码执行、数据检索等任务。模型对工具描述的理解较为准确，支持多工具组合调用，并能在多轮对话中保持工具上下文的一致性。

2. 记忆能力
DeepSeek具备上下文记忆能力，支持超长上下文窗口（如DeepSeek-V3支持128K上下文），能够在长对话中保持对前文信息的追踪与引用。同时支持对话历史管理，可在多轮交互中维持角色设定、任务目标和已确认信息的连贯性。需要注意的是，模型本身不具备跨会话的持久化记忆，记忆范围限于当前会话上下文。

3. 检索增强能力
DeepSeek可结合检索增强生成（RAG）流程，在回答前从外部知识库或文档中检索相关信息，提升回答的准确性和时效性。模型对检索到的片段具有较强的整合与引用能力，能够基于给定文档进行摘要、问答和推理，减少幻觉。官方产品中也支持联网搜索功能，可实时获取网络信息辅助回答。

4. 推理能力
推理是DeepSeek的核心优势之一。DeepSeek-R1系列采用强化学习训练，具备显式的长链推理（Chain-of-Thought）能力，在数学、逻辑、代码和科学推理任务上表现突出。模型能够展示推理过程，支持复杂多步问题的分解与求解。DeepSeek-V3等通用模型也具备较强的隐式推理能力，在基准测试中数学与代码推理成绩位居前列。

5. 感知能力
DeepSeek的感知能力主要体现在文本理解上，能够处理中英文等多语言文本，理解语义、情感、意图和结构化信息。对于图像、音频、视频等非文本模态，DeepSeek主线模型以语言为主，多模态感知能力相对有限（部分版本支持文件上传解析，如PDF、图片文字识别等辅助功能），并非其核心强项。

6. 行动能力
DeepSeek的行动能力体现为将理解与推理转化为可执行输出：生成代码、调用工具、输出结构化数据（JSON等）、制定多步执行计划等。在Agent场景中，模型可作为决策中枢，规划任务步骤并驱动工具链完成复杂流程。但其行动能力依赖于外部工具和执行环境，模型本身不直接操作物理世界或系统界面。

总结：DeepSeek的优势集中在推理、工具调用和检索增强上，记忆能力依托长上下文实现，感知以文本为主，行动能力通过工具调用和结构化输出落地。整体定位是强推理、可工具化的语言模型基座。

二、普通用户使用方法：

 1. 工具调用能力

普通用户不直接"定义工具"，但可以通过联网搜索、文件上传、深度思考等开关间接触发模型的工具调用。

使用方法举例：

- 联网搜索：问"今天南京天气怎么样，适合穿什么？"——打开联网搜索，模型会自动检索天气网站再回答。
- 让模型帮你规划并调用信息："帮我查一下明天南京到上海的高铁班次，推荐一个上午出发的。"开启联网后，模型会检索班次信息并整理。
- 实用问法："请联网查一下XX政策最新规定，并告诉我对我这种情况怎么适用。"

要点：需要实时信息时，记得打开"联网搜索"开关；否则模型只能用训练时的知识回答。

 2. 记忆能力

普通用户的记忆能力体现在同一对话内模型记得前面说过什么。跨对话的记忆需要你自己"喂"给它。

使用方法举例：

- 同一对话内连续追问：
  
  你：帮我写一封请假邮件，理由是家里有事，请3天。
  模型：（写出邮件）
  你：语气再正式一点，收件人改成部门经理。
  模型：（在上一封基础上改，不用你重复"请假3天"）
  
- 跨对话保持设定：新开对话时，先把背景一次性说清楚，例如：
  > "我是做电商运营的，以后回答请用简洁的要点式，不要长篇大论。"
  
  然后在本次对话中持续有效。
- 让模型帮你记清单："我接下来要买：牛奶、鸡蛋、面包。请记住，后面我问'还差什么'时提醒我。"——同一对话内它会记住。

要点：换新对话=失忆，重要背景要重新说明，或把关键信息整理成一段"背景说明"每次粘贴。

 3. 检索增强能力

普通用户主要通过上传文件和联网搜索来让模型"基于资料回答"，而不是凭空编。

使用方法举例：

- 上传文档问答：上传一份PDF合同/说明书/论文，问"这份合同里付款方式是怎样的？违约怎么赔？"——模型基于文件内容回答。
- 上传表格分析：上传Excel/CSV，问"帮我统计各地区销售额，找出前三名。"
- 联网查资料："帮我搜一下2025年新能源汽车补贴政策，总结要点。"
- 组合用法：上传公司制度文件 + 联网查最新法规，问"我们的报销制度是否符合最新规定？"

要点：问具体问题、指明"根据我上传的文件回答"，效果最好；模型会尽量引用原文而非编造。

 4. 推理能力

普通用户遇到数学题、逻辑题、复杂决策、代码报错时，打开"深度思考"（R1推理模式），让模型先分析再作答。

使用方法举例：

- 数学/逻辑题："一个水池甲乙两管……乙管开了多久？请分步推理。"——开启深度思考，模型会展示解题过程。
- 复杂决策："我有10万预算，想买一辆家用车，主要通勤、偶尔长途，帮我分析油车和电车怎么选。"——让它列因素、比较、给建议。
- 代码排错：把报错信息和代码贴进去，说"先分析报错原因，再给修复方案。"
- 问法技巧：加一句"请一步一步分析"或"先列出思路再给结论"，能明显提升复杂问题的质量。

要点：简单问题不用开深度思考（更快）；复杂问题、要严谨结论时打开它。

 5. 感知能力

普通用户的感知能力主要体现为模型能读懂你上传的文本类文件，以及理解你文字中的意图和情感。

使用方法举例：

- 上传PDF/图片提取文字：拍一张纸质通知/菜单/发票的照片上传，问"帮我提取上面的文字"或"这张发票金额是多少"。
- 长文总结：粘贴一篇长文章或上传文档，问"用三句话总结核心观点。"
- 情感/意图判断：粘贴一段客户留言，问"这个客户主要不满是什么？情绪如何？我该怎么回复？"
- 翻译/改写：粘贴外文段落，问"翻译成中文并保留专业术语。"

要点：图片里复杂图表、手写体、音频视频，识别效果有限，最好先转成清晰文字再上传。

 6. 行动能力

普通用户的"行动"不是让模型操作电脑，而是让它产出可直接使用的东西：计划、代码、文案、表格、结构化清单。

使用方法举例：

- 让它出可执行计划："帮我制定一个7天南京旅游计划，每天几点去哪、怎么坐车，做成表格。"——直接得到可照着做的行程表。
- 让它写可运行代码："写一段Python，读取data.csv，筛选销售额>1000的记录按地区汇总。"——复制代码即可运行。
- 让它输出结构化结果："把下面这段会议记录整理成'待办事项/负责人/截止时间'三列的表格。"
- Agent式用法（普通版）：把一个大任务拆给模型："我想做一个个人博客，请分步骤告诉我每一步做什么、用什么工具。"——模型输出行动清单，你照着执行。

要点：说清楚"我要能直接用的结果"（表格、代码、清单、邮件），并指定格式，产出物就能直接落地。

 一句话总结（普通用户版）

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！