DeepSeek 提示词速查表 - 推理模型 R1 与对话模型 V3 编写技巧
本页适用于刚接触 DeepSeek、或总是得不到稳定输出的用户——你以为在"同一个 DeepSeek"里提问，其实 R1（推理）与 V3（对话）是两种截然不同的模型，提示策略也不同。它会先讲清 R1 的硬性禁忌（system 无效、禁 few-shot、temperature 需设 0.6）与 V3 的可配置项，再给出代码、结构化输出等场景的模板；读完即可根据你实际用的是哪个模型来选择正确的提问方式。
R1 推理模型规则（deepseek-reasoner） 5
不使用 system prompt，所有指令放在 user message 中不要使用 few-shot 示例，让模型独立推理temperature 设为 0.6直接给问题，信任模型的链式推理取最终答案，忽略中间推理过程V3 对话模型规则（deepseek-chat） 5
用 system prompt 锁定角色与行为边界few-shot 示例有效，复杂格式可给样例创意任务 temperature 0.7-1.0，精确任务 0.3-0.5top_p 0.95启用 JSON 模式 / function calling 做结构化输出代码生成 5
V3：用{语言}实现{需求}，含错误处理、注释、单元测试R1：请推理{算法}的最优实现并解释复杂度指定框架与版本，避免臆造 API要求输出可运行片段 + 使用示例审查生成代码的安全性再使用中文与长文本 5
直接用中文提示，无需翻译英文128K 上下文：长文档分段并标注来源摘要/提取/翻译用 V3长文推理用 R1，给足上下文再问让模型输出引用段落位置实战模板 5
你是{角色}，目标{目标}，约束{约束}。任务：{输入}请推理：{问题}。给出结论并说明推导。用 Markdown 表格对比 A/B，维度：{维度}严格按此 JSON Schema 输出，不要解释：{schema}基于以上材料，列出 3 个支持/反对观点并给依据避坑 5
R1 不要塞 few-shot / system精确任务别用高 temperature长输出注意截断，必要时分次R1 输出里的推理过程不计入最终答案敏感/事实类先让模型标注不确定性命令示例
R1 推理链模板：直接给问题，不加 system
请推理：{问题}。给出结论并说明推导。指令全部落在 user message 里，符合 R1 忽略 system 的行为；R1 的回答会先展开长推理，取最后那段结论即可。
V3 角色 + 目标 + 约束三段式
你是{角色}，目标{目标}，约束{约束}。任务：{输入}三段式之所以稳，是因为角色、目标、约束各自占一个固定位置；在 V3 上还可以把这句放进 system prompt 复用，任务本身留在 user。
V3 严格按 JSON Schema 输出，不加解释
严格按此 JSON Schema 输出，不要解释：{schema}结构化数据走 V3 的 JSON 模式或 function calling，比让 R1 吐 JSON 更稳；「不要解释」这句能把多余文本挡在结构之外。
V3 横向对比表 + 多角度分析
用 Markdown 表格对比 A/B，维度：{维度}
基于以上材料，列出 3 个支持/反对观点并给依据两条指令叠在一次请求里：先用表格把结论压成可扫读的形式，再让模型补上正反两面，避免只呈现单边结论。
常见坑与注意事项
- 给 R1 写 system prompt 或塞 few-shot 示例：R1 会忽略前者、被后者带偏，推理质量下降而不是提升。
- 把 R1 输出里的中间推理过程当成最终答案交付，那部分只是它自己的草稿，结论在末尾。
- 精确任务（抽取、转换、算式）仍把 temperature 拉到 0.7 以上，0.3-0.5 区间才稳。
- 长输出不设预期、不分次提问，结果在末尾被截断，前面的推理一起作废；必要时分批让模型继续。
- 让 R1 承担结构化 JSON 抽取：它不为此设计，硬要它吐 schema 会出现格式漂移，结构化任务交给 V3 的 JSON 模式。
提示
- DeepSeek 的关键差异：R1（推理）和 V3（对话）提示词规则相反——R1 禁 system/few-shot，V3 用 system 锁行为、few-shot 有效。用错模型套错规则会明显掉质。
- 代码生成优先 V3（直接产出可运行片段），算法/复杂逻辑推演用 R1（深度推理），按任务选模型。
- 中文场景直接中文提示即可，DeepSeek 中文能力不弱于英文，无需翻译。
- 结构化数据走 V3 的 JSON 模式 + function calling，比让 R1 吐 JSON 更稳更可控。
常见问题
R1 和 V3 的提示词写法到底差在哪？
差在指令放哪、示例给不给。R1（deepseek-reasoner）不使用 system prompt、也不要用 few-shot 示例，所有指令必须写进 user message；V3（deepseek-chat）正相反，system prompt 用来锁定角色与行为边界是有效的，复杂格式给 few-shot 样例它会照着模仿。把 V3 的写法套到 R1 上，指令会静默失效。
用 R1 的时候，需要写「请逐步思考」吗？
不需要。R1 自己做链式推理，写这句只是加噪音，官方建议直接给问题、信任模型的内部思考。同理，R1 输出里那一大段推理过程不计入最终答案，你真正要取的是最后那段结论。
temperature 和 top_p 到底该怎么设？
R1 官方推荐 0.6，在稳定与多样之间取平衡，不必自己再调。V3 按任务分档：创意任务 0.7-1.0，精确任务 0.3-0.5，默认核采样 top_p 0.95。R1 侧的禁忌是别塞 few-shot 和 system，那会削弱推理质量而不是增强。
代码任务到底该用 R1 还是 V3？
分工明确：V3 直接产出可运行片段，适合常规代码生成（连同错误处理、注释、单元测试一起要）；R1 适合算法或难逻辑的推演，让它推理最优实现并解释复杂度。两边都要做的三件事是：指定框架与版本以免它臆造 API、要求输出可运行片段加使用示例便于验证、生成后人工审查安全性再合入。
长文本和中文场景有什么需要特别注意的？
中文直接用中文问，不必翻译成英文。上下文到 128K 时，超长文本仍建议分段并标注来源，让模型输出引用段落位置便于核对结论。分工上：摘要、提取、翻译这类吞吐任务用 V3；需要深度分析的整篇长文推理用 R1，并且先把上下文给足再提问。
由 巧匠 维护
公开更新于 2026年8月21日，内容持续校对官方文档。