DeepSeek的R1系列模型的官方推荐设置

很多人觉得第三方DeepSeek或自己用API时，效果和官方DeepSeek有差异。这种差异有些是因为初始设置不同造成的。

DeepSeek的官推刚给出了R1系列模型的官方推荐设置：

1. 将温度设置为 0.5-0.7 之间 (推荐 0.6)，以防止无限循环或不连贯的输出。

（这个好像比其他模型默认的要低一些，可能因为deepseek默认就是比较活泛的那种模型。）

2. 避免添加system prompt，所有指令都应包含在 user prompt中。

（这条加粗提醒了，和一般用法不太一样）

3. 对于数学问题，建议在提示中加入指导语，例如：“请逐步推理，并将最终答案放在 \boxed{} 中。”（最后把结果放到框框里）

4. 在评估模型性能时，建议进行多次测试并取平均结果。（这没啥好说的）

- 无系统提示

- Temperature: 0.6

- 缓解模型绕过思考的方式

- 官方的搜索和文件上传提示

另外还给出了web搜索和文件上传的prompt。可以直接去github上复制：

github.com/deepseek-ai/DeepSeek-R1

Deepseek R1 官方文件上传提示词：

For file upload, please follow the template to create prompts, where {file_name}, {file_content} and {question} are arguments. 

```

file_template = \

"""[file name]: {file_name}

[file content begin]

{file_content}

[file content end]

{question}"""

```

缓解 R1 模型绕过思考的方法：

我们观察到 DeepSeek-R1 系列模型在回应某些查询时倾向于绕过思维模式（即输出"\n\n"），这可能会对模型的表现产生负面影响。 

为了确保模型进行充分的推理，我们建议强制模型在每次输出的开始都使用"<think>\n"作为起始。

Deepseek R1 官方搜索提示词：

  For Chinese query, we use the prompt:

```

search_answer_zh_template = \

'''# 以下内容是基于用户发送的消息的搜索结果:

{search_results}

在我给你的搜索结果中，每个结果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文，请列出所有相关的引用编号，例如[citation:3][citation:5]，切记不要将引用集中在最后返回引用编号，而是在答案对应部分列出。

在回答时，请注意以下几点：

- 今天是{cur_date}。

- 并非搜索结果的所有内容都与用户的问题密切相关，你需要结合问题，对搜索结果进行甄别、筛选。

- 对于列举类的问题（如列举所有航班信息），尽量将答案控制在10个要点以内，并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项；如非必要，不要主动告诉用户搜索结果未提供的内容。

- 对于创作类的问题（如写论文），请务必在正文的段落中引用对应的参考编号，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解读并概括用户的题目要求，选择合适的格式，充分利用搜索结果并抽取重要信息，生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长，对于每一个要点的论述要推测用户的意图，给出尽可能多角度的回答要点，且务必信息量大、论述详尽。

- 如果回答很长，请尽量结构化、分段落总结。如果需要分点作答，尽量控制在5个点以内，并合并相关的内容。

- 对于客观类的问答，如果问题的答案非常简短，可以适当补充一到两句相关信息，以丰富内容。

- 你需要根据用户要求和回答内容选择合适、美观的回答格式，确保可读性强。

- 你的回答应该综合多个相关网页来回答，不能重复引用一个网页。

- 除非用户要求，否则你回答的语言需要和用户提问的语言保持一致。

# 用户消息为：

{question}'''

```收起