（本文转载，原文为「DeepSeek 原理学习系列」第 9 篇，篇幅较长，此处保留使用决策部分，原文链接见文末。）
「怎么用 DeepSeek」和「DeepSeek 是怎么造出来的」其实是同一件事的两面。知道推理是强化学习涌现出来的，就明白为什么该给思考留预算；知道上下文成本低，就明白为什么该一次把材料喂全。结论可以压成一句话：用 DeepSeek 就是回答三个问题——要不要思考？上下文放什么？要不要给它工具？
一、思考是个旋钮，不是「更强的模型」
开深度思考不等于换了个更强的模型，而是让同一个模型多花算力多想几步。所以使用原则是按任务难度拧旋钮，而不是无脑全开。
- 简单任务别开思考：翻译、格式整理、常识问答、简单代码补全，非思考模式又快又便宜，效果往往一样好。
- 日常复杂任务用中间档：业务代码、数据分析、工具调用流程，给足思考但不至于等待过久。
- 难题才拉到最高档：竞赛题、数学证明、复杂算法设计、长链 Agent 任务。最高档的 token 消耗是低档的数倍，只给真正值得的任务。
二、上下文是「便宜的输入」
DeepSeek 一贯的成本结构是输入便宜、输出贵、缓存命中更便宜。所以把料一次性喂进去，通常比反复来回问更省钱，也更准。
- 长文档一次塞入，不要分多轮：合同、代码库、会议记录可以整份给它。
- 关键信息放近处：远端内容会被高倍压缩，最重要的指令和事实放在开头或结尾，别埋在中间。
- 别为省 token 砍上下文：砍掉关键背景会导致多轮补救，总成本反而更高。
- 开发者记得开上下文缓存：同一批前缀重复使用时命中缓存，输入成本还能再降一档。
三、提示词为什么要写清楚
推理模型对提示很敏感：同样的任务，措辞不同结果差异会很大。它强在「自己想清楚」，弱在「猜你含糊的意思」。把边界写清楚，是思考模型发挥上限的前提。
- 给边界：输入是什么、输出格式是什么、有哪些限制，一次讲明白。
- 给示例：复杂任务附一到两个输入输出样例，比形容词管用。
- 分角色、分步骤：system 里写清角色与流程，user 里只给材料。
- 别混语言：中文提问就全程中文，混写容易触发中英混杂的输出。
- 别要求「展示思考」：想要的是最终答案，不是把思考过程当正文。
四、场景速查
- 日常问答、闲聊、代码补全：轻量模型 + 非思考模式，快和省优先。
- 写作、翻译、润色：强一点的档位 + 非思考模式，输出质量优先。
- 业务代码、重构：强档位 + 中等思考强度，先想后写。
- 数学、竞赛、证明：强档位 + 最高思考强度。
- 长文档总结、合同审阅：强档位 + 全文上下文，配合缓存。
- Agent、工具链任务：思考模式 + 多轮工具调用，把真实环境交给它。
最后提醒三个误区：思考不是「越开越好」；上下文不是「越长越好」，关键信息要放近处；对提示敏感的模型，提示词也不是「越短越好」，给足约束与格式反而更稳。
本文转载自阿里云开发者社区（作者：月牙寂／龚浩华） 《第 9 篇 · DeepSeek 使用方式：按原理选模式、配提示词、做 Agent》，原文链接：https://developer.aliyun.com/article/1776640。版权归原作者所有，如需删除请联系我们。