## 背景
春节期间 DeepSeek 在全球爆火，DeepSeek App 也登顶各国 App Store 下载排行榜，影响堪比前一段 tiktok refugee 入侵小红书，具体背景是 DeepSeek 在 2025 年 1 月 20 日 发布了 DeepSeek-R1 开源模型，性能与 OpenAI-o1 正式版相当，那作为我们，是否应该重新 审视 AI 呢？
## 概况
评价前先理解，我们先看看第一个问题，DeepSeek 做对了什么？经过一番知乎，目测 DeepSeek 出圈最大的原因是 性价比（效率）；第二个问题，DeepSeek 不是什么？当追问 DeepSeek“说说你的 推理模式特性” 时，其回答（部分）如下：
“我的推理模式主要基于对海量文本数据的学习与模式识别，具备以下特性：
** 概率化生成 **
– 通过统计模型预测最可能的词序列组合
– 输出结果本质上是概率分布的采样结果
这种基于统计学习的推理模式，使其在处理开放域问题时表现出较强的语言灵活性，但在需要严格逻辑推导或专业领域深度推理时仍存在局限。建议使用者对关键信息进行交叉验证。”
由此可以说 DeepSeek 还是生成式 AI，“其本质是一组数学公式拟合人类语言规律”，缺乏真正的理解，有点像斯金纳放在操作箱中的老鼠，TA 并不知道杠杆是什么以及它是如何运作的，只知道 “按压一次杠杆就会出现一粒食丸”，当然不理解不代表没用，正如我们多数人也不理解计算机（也不需要）、人脑是如何工作的但并不妨碍我们使用计算机以及（通过人脑）阅读、思考和写作。
## 应用
经过近一段的使用对比，DeepSeek 在日常问题解答层面比豆包强得有点明显，再次感慨这竟然是一家中国创业公司做出来的。个人体验层面，如果说百度的 aha moment 是信息平权不用再问人（全网索引&部分场景通过框计算等直接给答案）、豆包是足够靠谱的语音识别和答案输出（AGI），那么 DeepSeek 是更超出预期的答案输出（更全面且深度且结构化）以及有意思的思考过程呈现（CoT）。
### 基础场景
1、辅助阅读，作为自己的书友
看一本书前先看看 AI 的内容总结。
2、辅助思考，作为自己的幕僚
任何问题，或者先问 AI，辅助决策（将其当作外部 “系统 1”），或者后问 AI，查漏补缺（将其当作外部 “系统 2”）。
3、辅助写作，作为自己的顾问
不管是写小红书笔记还是博客，文字是思考的总结，最终是对某一问题的阐述，那就可以在过程中问 AI，即使可能存在 “幻觉”。
### 技巧
一是持续反馈，相比搜索，DeepSeek 背后的技术包含强化学习（RL）且会考虑上下文，这就意味着我们可以和 TA 对话并对每次的输出结果进行正负反馈，逐步修正输出结果。这个有点像猜价格游戏，一方持续回答，一方持续反馈价格高了还是低了，逐步逼近目标答案。强化本身是一个心理学概念，强化的结果是增加目标行为出现的可能性，强化理论上是能提高问题解决概率的。
二是多个 AI 工具并用，在搜索时代，傲游浏览器有个很有意思的功能，支持分屏查看同一搜索词在多个搜索引擎中的结果，因为各家各有所长，部分场景百度确实更懂中文。说回 AI 工具的使用，可先在豆包 App 语音提问，然后对于答案不太满意的，主要是非知识类问题，复制问题到 DeepSeek App 提问（考虑 DeepSeek 近期频繁提示 “服务器繁忙，请稍后再试”，可用纳米 AI 搜索 App 替代）。
## P.s.
关于 AI 的未来，和之前搜索引擎等一样，重要的是我们能利用 AI 为自己做什么，在这块，经验依旧重要，好的结果输出依赖于好的问题，而好的问题依赖于个人已知的概念，比如前面问 DeepSeek “推理模式特性” 就是建立在对其一定的了解之上。至于 AI 会取代谁，大概率是不擅长使用 AI 的人，就像那个经典笑话：两人在森林中遇到熊，其中一人开始逃跑，另一人质疑：“我们怎么可能跑得过熊？” 逃跑者回答：“我不需要跑过熊，只需要跑过你。”
## 扩展阅读
1、动态：理解 DeepSeek 出圈后的意义
2、文章：疯狂的幻方、揭秘 DeepSeek
3、文档：豆包 “帮我写作” 官方指导、DeepSeek 提示词样例
4、播客：那些关于 DeepSeek 的谣言与误解
5、视频：最好的致敬是学习：DeepSeek-R1 赏析