距DeepSeek R1发布已经过去两周了，这个功能强大、比肩GPT-o1的大模型在互联网上掀起了一股热潮。
对不少人来说，这是他们第一次使用大模型，用DeepSeek整了不少好活。我一开始还看得乐呵，但很快发现，很多人对大语言模型的认知有所偏差。
倘若只是和ds唠唠嗑，玩玩角色扮演游戏，这种认知偏差可能还不会有什么重大影响。但是体验过ds的强大能力后，有多少人禁得起将它运用到学习和工作上的诱惑？春节一过，这方面的需求必然增加。在这种情况下，对ds的错误认知可能会造成重大的工作失误。
笔者从22年底开始接触、使用ChatGPT，24年底被OpenAI无故封号，重新开号后账号又被“降智”，怒而停掉续费改用DeepSeek（那时ds最先进的模型还是R1 Lite，一天限用50次）。
这两年里笔者踩过不少坑，也算是积累了不少与大模型交流的经验。在这篇文章里，我将对这些经验进行整合，指出新手使用DeepSeek可能存在的误区，帮助友友们少走两年弯路
前置知识
首先，对于任何想要将ds运用到学习和工作上的非专业人士，我都推荐先去观看3b1b对Transformer架构的大语言模型的科普视频。(BV13z421U7cs)
DeepSeek相较于ChatGPT的优化是在算法上的，并没有改变底层的Transformer架构，因此这个视频在现在仍有参考意义。可能这个视频会有点难理解，但是作为非专业人士，可以不用细究底层的数学原理，对大模型的工作方式有一个感性认知即可。有条件和兴趣的话，建议完整观看3b1b的深度学习系列视频，可以帮助加深理解。
当然我知道肯定有人会说看不懂，笔者将这个视频的核心观念，即大模型的工作机理提炼如下：
大模型生成文本实际上就是在玩一个文字接龙游戏。经过大量训练，最终大模型会获得类似人类甚至超越人类的文本输出能力。它通过以下几步获得这种能力：
1.将文本拆分为字词片段（token），每个token通过一定规则转化为高维向量（需要注意的是，同一token在文本中位置不同，向量也不同）；
2.大量文本转化成的高维向量会通过几十层的神经网络，神经网络根据训练文本调整权重，在高维语义空间中学习数据分布的流形结构；
3.输出文本时，基于前文内容和训练所得的统计规律，不断预测较可能接续的字词片段，并选择一个进行输出。
以上原理对纠正认知误区意义重大，后文会慢慢提到。现在我们进入具体误区的讲解。
使用误区
老生常谈的按钮问题
要体验到最先进版本的deepseek，必须要先点击屏幕左下角的深度思考按钮，使其变蓝。否则你使用的将是v3而不是r1，没有思维链，性能也差一大截。
更加优雅地重试
由于境外ddos攻击，最近deepseek服务器经常繁忙，且联网搜索已暂时不可用。当deepseek提示“服务器繁忙，请稍后再试”时，有不少人会在对话框中重新输入一遍问题再次发送。殊不知这可能影响模型性能，尤其是问题太长时。当deepseek要处理较大的上下文容量时，模型性能会受影响。
正确的做法是长按你之前发送的消息，点击“编辑”选项，然后重新发送，就可以在同一个位置重新提问。这个小技巧ChatGPT的老用户应该都很熟悉。
一个会话，一个话题
同样是上下文太长会影响模型性能的问题。不要什么问题都放在一个会话问，会越来越让deepseek不堪重负。你可以观察它的思维链，它的思维链总是试图从一个会话的开头开始思考。这无疑会对后续问题的回答产生不利影响。
在适当时机，务必点击“开启新对话”按钮。
认知误区
误区一：认为deepseek有意识，能够像人一样思考
这是很多刚接触大模型的人会产生的误区。其实这也不奇怪，毕竟deepseek说话这么接地气，思维链也特别像人类的思考模式，如果不了解大模型的底层原理很容易误认为它能够像人一样思考，甚至产生“将来AI大人把我抓走怎么办”这种忧虑（虽然大部分人应该是开玩笑，但不排除有人会当真）。
就目前而言，大模型还仅仅只是一种工具，没必要把它人格化。你要和它玩角色扮演，当然没有问题。但如果把多余的情感倾注到它身上，那纯属是给自己加戏。
误区二：全盘接受deepseek输出的内容，觉得AI说的都是对的
这是一个非常严重的误区，可能会造成不良影响。要清楚，大模型的输出原理是“推测”，是“拼接概率较大的文本”，因此很有可能会输出与事实不符的内容。
这在大模型领域被称作“大模型幻觉”，是当前所有大模型的通病。当大模型被问到超出它能力范围的问题，它不会倾向于回答“我不知道”，而是拼劲全力甚至不惜编造，来给你制造一个回答，颇像一个不会写论文却硬要水点字数上去的大学生。
尤其在数据处理方面，它尤其不可信。因为它本身没有做计算的能力，它的输出全凭预测，你不能扔给它一堆数据让他帮你处理，它大概率会给出不可信的结果。更好的方法：给出你的具体问题，让它来教你怎么用excel或其他工具一步步处理这些数据。
在其他严肃而非纯粹娱乐的方面，对于deepseek给出的回答，如果你没有判断正误的能力，一定要做交叉验证，通过搜索引擎或其他途径验证它的说法是否正确。
deepseek不愧是用中文语料喂出来的AI，它遣词造句相当有水平。相对应的，也更有可能糊弄人。
这里有一个很有趣的实例：问它“过年贴福字要倒过来，那为什么不直接生产倒着的福字？”你就可以欣赏它是怎么一本正经地胡说八道的了。
怎么迅速判断deepseek是否在编造回答？这里给出我的一种方法：观察它的思维链，有没有提到“推测”之类的可疑字样。或者直接质问上一个回答哪些部分是它推测出、没有可信来源的。
其他一些想法
有人说deepseek R1作为一个推理型的大模型，以前为ChatGPT搞的提示词都没有用了，只需要详细描述自己的问题即可。我暂时对这一说法持怀疑态度。deepseek的确降低了写提示词的门槛，但是这不是说提示词真的就没有用了。可能是温度值（生成文本的随机性）较高的缘故，deepseek表现出的思维相当活跃。有时要让它朝某个特定方向思考，必须在问题中予以提示。
总而言之，大模型是一把双刃剑，使用恰当可以提高工作效率，使用不当可能会引来大麻烦。如果觉得这篇文章有所帮助，可以转发给不了解大模型的朋友看，减少错误使用大模型的风险。
