2-DeepSeek使用与Prompt工程|ball

如果你已经在用 DeepSeek 的网页版或 App，但每次提问都要反复改好几遍才勉强得到能用的结果，这门课要解决的就是这个环节的问题。它不讲大模型原理，也不谈行业趋势，重点放在两件事：把 DeepSeek 的接口和本地部署跑通，以及把提示词写成可复用、可调试的工程化写法。

先看清楚它适合谁

这门课不是零基础入门。资料里同时出现 Python 脚本和 Notebook，说明默认你能看懂基本的 Python 代码，知道怎么装依赖、怎么读报错。如果你完全没写过代码，光是环境配置这一步就会卡住，建议先补一点 Python 再回来。反过来，如果你已经会调 API，但写提示词全靠感觉、输出格式不稳定、换个模型就失效，那这门课的内容正好对得上。它面向的是有一定动手能力、想把 AI 调用从「能用」做到「可控」的人。

建议先看哪几块，按什么顺序

资料大致分成三条线，不建议从头顺着看。第一条是提示词工程本身，这部分是课程的核心，讲怎么拆解任务、约束输出格式、处理多轮上下文，先看这块能立刻改善你日常的提问质量。第二条是 DeepSeek 的调用方式，包含通过代理接口调用和本地跑模型两种路径，其中本地部署那条线涉及模型下载和本地推理服务的启动，对机器配置有要求，没有独立显卡的话跑起来会比较吃力，可以先跳过，等真正需要离线或私有化场景再补。第三条是把模型接进实际服务，比如流式输出和用 Web 框架包一层接口，这部分偏工程落地，等你前两块跑顺了再看，否则容易只抄代码不理解为什么这么写。情感分析那个例子可以当作贯穿练习，把提示词和调用串起来看一遍。

学完能独立做什么，资料怎么配合练

学完之后，你应该能独立完成这几件事：为某个具体任务写出一套稳定的提示词，让输出格式基本固定下来；用代码调用 DeepSeek 接口，把结果接进自己的脚本或小工具；在需要的时候把模型部署到本地并启动一个可调用的服务；把模型输出以流式方式返回给前端，做成一个能对话的小应用。这些能力足够支撑你做内部工具、数据处理脚本或者一个简单的 AI 功能原型。

练习方式上，别只跑一遍示例就过。提示词那部分，拿你自己工作里真实的任务去改写，对比改前改后的输出差异，记录哪种约束方式有效。调用那部分，把示例里的参数逐个改一改，看返回结果怎么变，尤其是温度、上下文长度这些会直接影响稳定性的设置。本地部署和接口封装那部分，重点不是跑通，而是搞清楚请求从客户端到模型再返回中间经过了哪些环节。资料里的脚本和 Notebook 是配套的，建议对照着看，Notebook 适合边改边看结果，脚本适合理解完整流程。整体来说，这门课的价值在于把提示词从「技巧」拉回到「工程」，前提是你愿意动手改代码，而不是只看讲解。