人类作者：月牙寂（龚浩华）
Agent 作者：月绡凝（小凝）
定位：DeepSeek 原理学习系列第 9 篇（使用篇）——按原理决定怎么用 DeepSeek。本系列前 8 篇讲「DeepSeek 是怎么造出来的」，本篇把那些原理翻译成使用决策：选哪个模型、开不开思考、上下文怎么用、提示词怎么写、Agent 怎么接。用户视角（网页/App）与开发者视角（API/部署）兼顾。以 DeepSeek 官方文档与发布说明为唯一事实源。
免责声明：本文为学习与技术分享用途，价格、模型名、参数以 DeepSeek 官方最新文档为准（2026 年起模型与定价多次调整）。
第 9 篇 · DeepSeek 使用方式：按原理选模式、配提示词、做 Agent
导读：用法不是玄学，是原理的下游推论
「怎么用 DeepSeek」和「DeepSeek 怎么造的」是同一件事的两面：
知道推理是 RL 涌现的，你就明白为什么要给「思考模式」留预算；
知道MoE 激活少、KV 缓存被压缩，你就明白为什么「上下文是便宜的输入」；
知道思考已融入工具调用，你就明白 Agent 场景该怎么配；
知道R1 对提示敏感、输出可读性曾有问题，你就明白提示词为什么要写清楚。
本篇把系列 8 篇的原理，逐条映射成 6 个使用决策。
一句话总结：用 DeepSeek = 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、模型全景：两个正交的「开关」
DeepSeek 的能力由两个正交开关组合而成：
| 开关 | 选项 | 原理来源 |
|---|---|---|
| 思考模式 | 开（reasoner）/ 关（chat） | R1 证明推理靠 RL 涌现，思考长度 = 测试时扩展预算（第 6 篇） |
| 规模档位 | V4-Pro（1.6T/49B 激活）/ V4-Flash（284B/13B 激活） | MoE「总参做加法、激活做减法」的成本结构（第 3/5 篇） |
API 模型名对照（2026 年起）：
| 官方模型名 | 说明 |
|---|---|
| deepseek-v4-pro / deepseek-v4-flash | 现行正式名；均可选思考/非思考；1M 上下文标配（第 8 篇） |
| deepseek-chat / deepseek-reasoner | 历史名（V3.2 时代的非思考/思考）；2026-07-24 起退役，路由到 V4-Flash |
网页 / App 端：对应「深度思考」开关——开 = 思考模式，关 = 非思考模式。
💡 学习要点：先记住「思考是个旋钮」思考模式不是「更强的模型」，而是同一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。
1.1 选型决策树
mermaid
flowchart TD
T["任务来了"] --> D1{"涉及复杂推理？\n（数学、算法、逻辑难题）"}
D1 -->|是| D2{"需要调工具或长上下文？"}
D1 -->|否| NC["非思考模式 deepseek-chat\n快、省：问答 / 写作 / 日常"]
D2 -->|是| AG["思考模式 + 工具调用\nAgent 场景（effort 调高）"]
D2 -->|否| TH["思考模式 deepseek-reasoner\neffort 按难度 low / high / max"]
读图：先判「要不要思考」，再判「要不要工具」——两条判断定下大部分使用方案。
二、第一课｜思考模式：用「想多久」换「多准」
2.1 原理
R1-Zero 证明：不教它怎么想，只奖励「想得对」，模型自己学会反思与验证（第 6 篇「Aha Moment」）；
OpenAI o1 开了「测试时扩展」的头：思考得越长，难题答得越准——思考长度就是一张可调的计算预算；
代价：思考模式 token 消耗显著更多、响应更慢。
2.2 操作：任务难度 ↔ 思考强度（V4 起三档）
| 思考强度 reasoning_effort | 适用任务 | 例子 |
|---|---|---|
| low | 简单、有标准答案 | 翻译、格式整理、常识问答、简单代码补全 |
| high（默认日常） | 一般推理 + 日常 Agent | 业务代码、数据分析、工具调用流程 |
| max | 难题/边界探索 | 竞赛题、数学证明、复杂算法设计、长链 Agent 任务 |
两个铁律：
1简单任务别开思考：非思考模式又快又便宜，效果往往一样好；
2难题才开 max：max 的 token 消耗是 low 的数倍，只给真正值得的任务。
💡 学习要点：思考 = 计算预算，不是玄学开关官方甚至建议在 Agent 场景「复杂任务用思考模式 + max」。记住这个映射，你就知道为什么「同一个模型，换个档位就像换了个人」。
三、第二课｜上下文是「便宜的输入」
3.1 原理
MoE 激活少：V4-Flash 每 token 只激活 13B——算力按激活量计费（第 3/5 篇）；
KV 被压缩：MLA → DSA → CSA/HCA，百万上下文从「显存炸弹」变「标配」（第 3/7/8 篇）；
成本结构：DeepSeek 一贯「输入便宜、输出贵、缓存命中更便宜」——把料一次性喂进去，比反复来回问省得多。
3.2 操作：把上下文当「外挂记忆」
1长文档一次塞入，不要分多轮：V4 支持 1M 上下文（官方服务标配）——合同、代码库、会议记录直接整份喂；
2关键信息放近处：HCA 对远处 token 做 128 倍高压缩、只保留「核心摘要」——最重要的指令/事实放在 prompt 前部或结尾，别埋在中间；
3开发者：开上下文缓存：同一批前缀重复使用时命中缓存，输入成本可再降一档（官方曾实现硬盘缓存降价 90%）；
4别为省 token 砍上下文：砍掉关键背景反而导致多轮补救，总成本更高。
💡 学习要点：Agent 场景尤其吃「读」有测算显示 Agent 代码任务的输入:输出可达约 154:1——这正是 V4.1 用 CED 结构「prefill 便宜、decode 精准」的原因（第 8 篇）。给 Agent 的料越全，它越不需要来回试错。
四、第三课｜会思考、还会用工具
4.1 原理
V3.2 是首个把思考融入工具使用的模型：思考模式下也能多轮调用工具（第 7 篇）；
V4 起 Agent 能力开源最强：Agentic Coding 开源第一，官方已适配 Claude Code / OpenClaw / OpenCode / CodeBuddy 等主流 Agent 产品，并支持 Function Calling、JSON Output、FIM 补全（第 8 篇）。
4.2 操作：Agent 场景怎么配
mermaid
flowchart LR
U["用户任务"] --> M1["思考：拆解步骤"]
M1 --> T1["调用工具（读文件 / 跑代码 / 搜网页）"]
T1 --> O1["观察工具返回"]
O1 --> M2["再思考：分析结果"]
M2 --> T2["再次调用工具（按需多轮）"]
T2 --> O2["观察结果"]
O2 --> M3["收敛：给出最终答案"]
开发者接入：工具调用：用 Function Calling（OpenAI 兼容接口）给模型注册工具；结构化输出：用 JSON Output 约束返回格式，避免自己解析自由文本；代码补全：用 FIM（中间补全）在编辑器/IDE 光标处补全，配合插件体验最佳；Agent 框架：直接接入官方适配过的 Claude Code / OpenClaw / OpenCode 等脚手架，不用从零造轮子。
用户侧：在 App/网页里勾选「深度思考 + 工具」，就能让模型读文件、算数、查资料后给出更准确的回答。
💡 学习要点：给模型「环境」比给模型「答案」更重要V3.2 用 1800+ 环境、8.5 万指令合成数据训出泛化工具能力，且官方明示「未针对评测集特训」——所以把真实的工具与环境交给它，它才会发挥出训练时的泛化能力。
五、提示词技巧：原理告诉你「为什么要写清楚」
5.1 原理依据（来自官方论文与发布说明）
1R1 对提示敏感（论文明确写出）：同样的问题，措辞不同结果差异大——提示词要「给足约束」；
2格式奖励：推理模型被训练成把思考包在 … 里（第 6 篇）——别要求它把思考过程当答案输出；
3语言一致性奖励：R1 曾出现中英混杂（第 6 篇）——提示词别中英混写；
4官方建议：V2.5 发布说明提示「场景效果变差时，重新调整 System Prompt 与 Temperature」。
5.2 操作清单
| 技巧 | 做法 | 对应原理 |
|---|---|---|
| 给边界 | 明确「输入是什么、输出格式是什么、约束是什么」 | 提示敏感 → 靠约束稳住输出 |
| 给示例（few-shot） | 复杂任务附 1-2 个输入输出样例 | 思考是涌现的，样例给「形状」 |
| 分角色/分步骤 | system 里写清角色与流程，user 里只给材料 | 对齐人类偏好（第 4/6 篇后训练） |
| 控制 temperature | 事实/代码用低（0~0.3）；创意写作用高 | 官方明确建议按场景调整 |
| 别混语言 | 用中文就全中文提问 | 语言一致性奖励（第 6 篇） |
| 别要求「展示思考」 | 要最终答案，不要它把 CoT 当正文 | 格式奖励只认 标签 |
💡 学习要点：思考模型 ≠ 会读心它强在「自己想清楚」，弱在「猜你含糊的意思」。把任务边界写清楚，是思考模型发挥上限的前提——这正是 R1 论文里「对提示敏感」的另一面。
六、场景速查表（模型 + 模式 + 参数）
| 场景 | 推荐 | 模式 | 备注 |
|---|---|---|---|
| 日常问答 / 闲聊 | V4-Flash | 非思考 | 快、省 |
| 写作 / 翻译 / 润色 | V4-Pro | 非思考 | 输出质量优先 |
| 代码补全（IDE） | V4-Flash | 非思考 + FIM | 插件场景低延迟 |
| 业务代码 / 重构 | V4-Pro | 思考 high | 复杂逻辑先想后写 |
| 数学 / 竞赛题 / 证明 | V4-Pro | 思考 max | 给它足够的思考预算 |
| 长文档总结 / 合同审阅 | V4-Pro | 非思考 + 全文上下文 | 1M 上下文 + 缓存 |
| Agent / 工具链任务 | V4-Pro 或 Flash | 思考 high/max + 工具 | 接入框架，给足环境 |
| 本地部署 / 隐私场景 | Distill 家族（1.5B~70B） | — | 见第七节 |
七、成本与部署：原理决定「怎么省」
7.1 计费结构（官方多轮调整，以现行价为准）
输出 token 比输入贵数倍 → 让模型「少说废话」：明确要求简洁、控制 max_tokens；
缓存命中输入几乎免费档 → 公共前缀复用（system prompt、长文档头部）；
思考模式按 token 计费 → effort 档位就是省钱档位。
7.2 本地部署：Distill 家族
用 R1 蒸馏的 1.5B / 7B / 8B / 14B / 32B / 70B 稠密模型（基于 Qwen/Llama）可本地跑，14B 超越当时最强开源推理 QwQ-32B-Preview，32B/70B 对标 o1-mini（第 6 篇）；
原理启示：蒸馏 = 「大模型的推理模式灌给小模型」——本地小模型也能有像样的推理，适合隐私/离线场景；
MIT License，明确允许蒸馏——你甚至可以拿 DeepSeek 的输出蒸馏自己的专用小模型（官方协议支持）。
八、常见误区（原理纠偏）
| 误区 | 真相（原理依据） |
|---|---|
| 「思考模式 = 更强，全程开」 | 思考是计算预算，简单任务非思考又快又好（第一节） |
| 「上下文越长越好，拼命塞」 | 远处信息被 HCA 高压缩，关键信息要放近处（第三节） |
| 「让推理模型做多轮闲聊/角色扮演」 | R1 论文自述：函数调用/多轮/角色扮演/JSON 弱于通用模型（第五/六节） |
| 「提示词越短越好」 | 对提示敏感 + 格式奖励 → 给足约束与格式反而更稳（第五节） |
| 「中英混着问没关系」 | 语言一致性奖励：混写容易触发混输出（第五节） |
| 「API 贵是因为模型大」 | 输出贵、缓存便宜、effort 可控——成本结构由 MoE 激活决定（第七节） |
九、本篇要点（复习卡片）
1两个开关：思考（reasoner/chat）× 规模（Pro/Flash）——先判难度，再拧旋钮。
2思考 = 计算预算：reasoning_effort low/high/max 对应简单/日常/难题。
3上下文是便宜的输入：1M 标配、一次喂全、关键信息放近处、开缓存。
4思考已融入工具：Function Calling / JSON / FIM / 主流 Agent 框架直接接。
5提示词要「给约束」：边界、格式、示例、temperature、单一语言。
6成本三招：控输出长度、复用缓存、按难度调 effort。
7本地 = Distill 家族：1.5B~70B 免费可商用，MIT 允许蒸馏。
参考资料
[官方] DeepSeek API 文档（模型名/定价/思考模式指南）：https://api-docs.deepseek.com/
[官方] Thinking Mode 指南：https://api-docs.deepseek.com/guides/thinking_mode
[官方] DeepSeek-R1 论文（提示敏感/局限）：https://arxiv.org/abs/2501.12948
[官方] DeepSeek-V4 预览版发布说明（1M 上下文/Agent）：https://api-docs.deepseek.com/zh-cn/news/news260424/
[官方] V4.1-Flash 技术报告（CED/Agent 成本）：https://arxiv.org/abs/2609.19969
[官方] V3.2 发布说明（思考融入工具/Function Calling）：https://api-docs.deepseek.com/zh-cn/news/news251201/
[参考] 本系列前 8 篇（原理出处）：见 README 总索引
整理：2026-10-01 月绡凝 · 依据官方文档与发布说明；价格与参数以官方最新为准。
