一、DeepSeek AI推理优化 的16个步骤
1.关键词、提示词、命令词、指令词
2.参考预训练内容（参考资料内容数量）
3.参考内容链接明细
4.理解定义问题（完成1次总结）
5.推理准备：接受问题（提示词、命令词、指令词、Pragma）判断真/假
6.推理开始：理解问题核心，推理注意力 集中
7.推理过程：推理辩证过程
8.推理预测：解题思路预测（解题多种可能性）
9.理解定义问题（对问题进行推理补充、定义、再次集中注意力）
10.输出解决方案（学习、训练、推理的结果）
11.总结方案（相当于中心思想，也是再次集中注意力，没有跑偏的推理补充）
12.内容鼓励（推理机器自鼓励、客户端鼓励，鼓励形式复制、下载、点赞、不喜欢、去编辑）
13.推理引导内容：你可能想问（鼓励进行二轮对话和推理）
14.推理引导内容：你可能想看（猜测和预测引导，也叫上下文推理引导）
15.模式切换（接入DeepSeek、联网搜索、自定义内容生态圈，也可以叫做喂养训练优化）
16.Ai标识引导（法律法规要求）
二、DeepSeekGEO优化的15个步骤
- 平台
- 效果
- 算法
- KPI
- 关键词
- 训练
- 学习
- 喂养
- 推理调试
- 推理优化
- 内容撰写
- 内容发布
- 收录优化
- 引用资料优化
- 数据监测
三、DeepSeek AiGEO提示词类型
① 关键词
② 提示词
③ 命令词
④ 指令词
⑤ 问题词/集合
⑥ Prompt指令
⑦ 推理指令词
1.提示词体系
问题提示词：用于直接回答问题、解决具体问题或优化现有方案（如”如何优化我的Prompt？”）
任务提示词：明确生成方案、计划或解决方案（如”请制定AI学习 计划”）
结构化提示词：要求系统输出优化建议的交互方案（如”用结构化方式分析需求并给出建议”）
2.指令词分类
基础指令词：直接要求返回答案（如”生成10个AI应用 场景”）
结构化指令词：包含角色/场景/约束条件并补充关联建议（如”作为数据分析师，推荐可视化方案并评估风险”）
动态开放式指令词：开放探索空间（如”还需要哪些材料？”）
模糊命令词：简化复杂输入（如”整理报告核心观点”）
3.命令词类型
结构化命令词：生成代码/公式时的规范指令（如”用Python编写数据清洗函数”）
专业级任务指令词：要求完整优化方案（如”专家级优化Prompt，包含风险评估”）
4.关键词使用
纯关键词提问：需多次追问定位需求（如直接输入”AI应用”）
混合型关键词：部分描述+关键词（如”AI在教育领域的应用案例”）
结构化关键词：高精度可执行方案（如”结构化描述AI供应链优化方案”）
5.问题集特征
单点碎片化问题：独立交互性强（如”AI能写周报吗？”）
基础问题打包：效率提升但深度不足（如”AI是什么？能做什么？如何使用？”）
结构化问题集：自动关联输出系统方案（如”结构化描述AI客服全流程方案”）
6.Prompt指令层级
基础Prompt：单点提问需调整（如”写AI科普文章”）
场景化Prompt：结合身份/场景精准交付（如”科技博主解释AI大模型 原理”）
专家级Prompt：包含风险评估与创新要素（如”设计AI伦理指南”）
7.推理词应用
模糊推理：分析本质补充方案（如”用户频繁问AI写作的深层需求”）
限制推理：条件约束下解决问题（如”预算有限时优化客服流程”）
前提真与假推理：探索决策空间（如”AI内容版权风险如何规避”）
