DeepSeek

DeepSeek

---

使用

• 网页使用

  • DeepSeek
  • 硅基流动

• API 使用

  • NextChat + Deepseek: [Feature Request]: 请教怎样在NextChat中使用Deepseek V2的API · Issue #4643 · ChatGPTNextWeb/ChatGPT-Next-Web · GitHub

• 实用集成

  awesome-deepseek-integration/README_cn.md at main · deepseek-ai/awesome-deepseek-integration · GitHub

  • 结合 VSCode 使用: awesome-deepseek-integration/docs/continue/README_cn.md at main · deepseek-ai/awesome-deepseek-integration · GitHub
  • 本地 Ollama + DeepSeek: 使用Ollama搭建本地的 AI Copilot 编程助手 - By烟花易冷 (zzfly.net)

---

• System Prompt: 对话开始时给模型的“初始指令”，用于定义模型的角色、回答风格或任务目标

  例如：“你是一个专业翻译，请将中文翻译成英文”或“用简单易懂的语言解释概念”。

  需要避免开放式指令，否则模型可能偏离预期。

• Max Tokens（最大生成长度）: 限制模型单次生成的最大文本长度（1 Token ≈ 1个英文单词或3-4个中文字）。

  不同模型有总Token上限（输入+输出），例如：

  • GPT-3.5：通常为 4096 Tokens
  • GPT-4：可达 8192 Tokens 或更高

  设置建议

  • 短回答（快速回复）：100-300 tokens
  • 长文本（文章/故事）：500-1000+ tokens
  • 注意：过长可能导致回答冗余，过短可能截断内容。

• Temperature（温度）: 控制输出的随机性。值越高，回答越多样/有创意；值越低，回答越保守/稳定。

  设置建议

  • 严谨场景（如代码、翻译）：0.2-0.5
  • 创意场景（如写诗、故事）：0.7-1.0
  • 极端随机：>1.0（可能导致语句不通）

• Top-P（核采样）: 从累积概率超过阈值P的词中选择候选词（动态调整候选词数量）

  设置建议

  • 平衡多样性和质量：0.7-0.9
  • 高确定性回答：0.3-0.5
  • 通常与Temperature配合使用。

• Top-K（前K个候选）: 仅从概率最高的前K个词中选择，限制候选词数量

  设置建议

  • 限制输出范围：50-100（常用）
  • 严格筛选：10-20（可能过于机械）
  • 与Top-P二选一，通常优先用Top-P。

• Frequency Penalty（频率惩罚）: 控制模型生成重复词汇的惩罚力度。值越高，模型越倾向于避免重复使用已生成的词汇；值越低，允许的重复度越高

  通过降低已出现词汇的概率权重，减少重复（例如避免“很好很好很好”这类冗余表达）。

  取值范围通常为 0.0~2.0（不同平台可能略有差异），默认值为 0（无惩罚）。

参数搭配建议：

场景	Temperature	Top-P	Max Tokens
技术文档生成	0.3	0.5	500
创意故事写作	0.8	0.9	800
客服问答	0.2	0.3	200
开放域闲聊	0.7	0.8	300

---