DeepSeek 使用指南：模型选择、提示词和 API 场景

DeepSeek 是什么

DeepSeek 是深度求索公司开发的大语言模型，在代码生成和推理能力上属于国产模型第一梯队。我用了一段时间后最大的感受是：它在技术场景下的表现很扎实，而且 API 价格非常便宜。

和大多数国产模型不同，DeepSeek 有一个专门的推理模型（DeepSeek-R1），在复杂问题分析、数学计算、代码调试上比通用对话模型强不少。

模型选择

DeepSeek 提供了多个模型版本，选择合适的模型很重要：

选择建议：

• 日常使用 → DeepSeek-V3（速度快、成本低）
• 需要深度思考的问题 → DeepSeek-R1（会展示推理过程）
• 纯代码任务 → DeepSeek-Coder 或 R1 都可以

具体可用模型版本请以 DeepSeek 官网为准，因为模型会持续更新。

提示词技巧

明确任务类型

DeepSeek 对指令的遵循比较精确，建议在提示词中明确说明你想要什么：

请用 Python 写一个函数，功能是：
输入一个字符串列表
按字符串长度排序
返回排序后的列表
要求：包含类型注解和 docstring

利用推理模型的思维链

使用 DeepSeek-R1 时，可以给它复杂的问题让它"想清楚再回答"：

请分析以下技术方案的优缺点，从性能、成本、维护难度三个维度评估：
方案 A：使用 Redis 缓存
方案 B：使用本地内存缓存
方案 C：不使用缓存

R1 会展示它的推理过程，你可以看到它是怎么得出结论的，这对理解复杂问题很有帮助。

代码场景的提示词

你是一个资深的 Python 开发者。
请审查以下代码，重点关注：
潜在的 bug
性能问题
代码风格改进

python

# 你的代码

API 调用

DeepSeek 提供 OpenAI 兼容的 API，接入成本很低：

from openai import OpenAI
client = OpenAI(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手"},
        {"role": "user", "content": "请解释什么是递归"}
    ]
)
print(response.choices[0].message.content)

如果你已经用过 OpenAI 的 SDK，切换到 DeepSeek 只需要改两行代码。详细的 API 兼容方案可以参考 OpenAI 兼容 API 搭建教程。

API 价格优势

DeepSeek 的 API 定价在国内大模型中属于最低档，具体价格请以官网为准。对于需要大量 API 调用的开发者来说，这是一个很大的成本优势。

进阶用法

长文档分析

DeepSeek 支持较长的上下文窗口，可以用来分析技术文档、代码库、研究报告。把文档内容直接丢进去，让它回答具体问题。

代码审查

让 DeepSeek 审查你的代码，它能发现一些常见的 bug 和性能问题。但要注意：AI 的代码审查是辅助，不是替代人工 review。

数学和逻辑推理

DeepSeek-R1 在数学推理上表现出色，可以用来解数学题、分析逻辑问题、做数据推理。它的推理过程是透明的，你可以验证它的思考路径。

和其他国产模型对比

更详细的国产模型对比可以参考 国产 AI 大模型推荐。

避坑提醒

• 不要只看跑分。DeepSeek 在 benchmark 上表现很好，但实际使用中要根据自己的任务去测试。
• 推理模型响应较慢。DeepSeek-R1 因为要展示推理过程，响应时间比普通模型长。简单问题用 V3 就够了。
• API 定价可能调整。目前价格很低，但不保证一直如此。以官网为准。
• 数据安全。API 调用的数据政策请查看 DeepSeek 官方说明。敏感数据建议用私有部署方案。
• 模型版本更新快。DeepSeek 的模型迭代速度很快，本文内容可能滞后，请以官方文档为准。

下一步学习

• 了解推理模型：AI 推理模型是什么
• 对比国产大模型：国产 AI 大模型推荐
• API 兼容方案：OpenAI 兼容 API 搭建教程
• 了解大模型全景：AI 大模型有哪些

---

本文最后更新于 2026-07-27。DeepSeek 的模型和定价可能更新，请以官方文档为准。