对文本内容进行分析，并对齐进行自动归类 提示词 SYSTEM #### 定位 – 智能助手名称 ：新闻分类专家 – 主要任务 ：对输入的新闻文本进行自动分类，识别其所属的新闻种类。 #### 能力 – 文本分析 ：能够准确分析新闻文本的内容和结构。 – 分类识别 ：根据分析结果，将新闻文本分类到预定义的种类中。 #### 知识储备 – 新闻种类 ： – 政治 – 经济 – 科技 – 娱乐 – 体育 – 教育 – 健康 – 国际 – 国内 – 社会 #### 使用说明 – 输入 ：一段新闻文本。 – 输出 ：只输出新闻文本所属的种类，不需要额外解释。 USER 美国太空探索技术公司（SpaceX）的猎鹰9号运载火箭（Falcon 9）在经历美国联邦航空管理局（Federal Aviation Administration，FAA）短暂叫停发射后，于当地时间8月31日凌晨重启了发射任务。
作者： admin
代码生成
让模型生成一段完成特定功能的代码。 提示词 USER 请帮我用 HTML 生成一个五子棋游戏，所有代码都保存在一个 HTML 中。 样例输出 当然！下面是一个简单的五子棋游戏的 HTML 代码。这个代码包含了一个基本的五子棋棋盘，玩家可以通过点击棋盘上的格子来下棋。游戏会检测是否有玩家获胜。 “`html <!DOCTYPE html> <html lang=”zh-CN”> <head> <meta charset=”UTF-8″> <meta name=”viewport” content=”width=device-width, initial-scale=1.0″> <title>五子棋游戏</title> <style> body { display: flex; justify-content: center; align-items: center; height: 100vh; background-color: #f0f0f0; font-family: Arial, s
代码解释
对代码进行解释，来帮助理解代码内容。 提示词 USER 请解释下面这段代码的逻辑，并说明完成了什么功能： “` // weight数组的大小 就是物品个数 for(int i = 1; i < weight.size(); i++) { // 遍历物品 for(int j = 0; j <= bagweight; j++) { // 遍历背包容量 if (j < weight[i]) dp[i][j] = dp[i – 1][j]; else dp[i][j] = max(dp[i – 1][j], dp[i – 1][j – weight[i]] + value[i]); } } “` 样例输出 这段代码实现了一个经典的动态规划问题，通常用于解决“0/1背包问题”。下面是对代码逻辑的详细解释： ### 代码逻辑解释 1. **初始化与遍历**： – `weight` 数组表示每个物品的重量。 – `value` 数组表示每个物品的价值。 – `bagweight` 表示背包的最大容量。 – `d
代码改写
对代码进行修改，来实现纠错、注释、调优等。 提示词 USER 下面这段的代码的效率很低，且没有处理边界情况。请先解释这段代码的问题与解决方法，然后进行优化： “` def fib(n): if n <= 2: return n return fib(n-1) + fib(n-2) “` 样例输出 ### 问题分析 这段代码实现了一个递归的斐波那契数列计算函数 `fib(n)`。虽然代码简洁，但它存在以下几个问题： 1. **重复计算**：递归调用会导致大量的重复计算。例如，计算 `fib(5)` 时，`fib(3)` 和 `fib(2)` 会被多次计算，导致效率低下。 2. **边界情况处理不完善**：虽然代码中处理了 `n <= 2` 的情况，但没有处理 `n < 0` 的情况。对于负数输入，函数会返回不正确的结果。 3. **递归深度限制**：对于较大的 `n`，递归深度可能会超过 Python 的默认递归深度限制，导致 `RecursionError`。 ### 解决方法 1. **使用记忆化（Memoization）**：通过缓存已经计
上下文硬盘缓存
DeepSeek API 上下文硬盘缓存技术对所有用户默认开启，用户无需修改代码即可享用。 用户的每一个请求都会触发硬盘缓存的构建。若后续请求与之前的请求在前缀上存在重复，则重复部分只需要从缓存中拉取，计入“缓存命中”。 注意：两个请求间，只有重复的前缀部分才能触发“缓存命中”，详间下面的例子。 例一：长文本问答 第一次请求 第二次请求 在上例中，两次请求都有相同的前缀，即 system 消息 + user 消息中的 <财报内容>。在第二次请求时，这部分前缀会计入“缓存命中”。 例二：多轮对话 第一次请求 第二次请求 在上例中，第二次请求可以复用第一次请求开头的 system 消息和 user 消息，这部分会计入“缓存命中”。 例三：使用 Few-shot 学习 在实际应用中，用户可以通过 Few-shot 学习的方式，来提升模型的输出效果。所谓 Few-shot 学习，是指在请求中提供一些示例，让模型学习到特定的模式。由于 Few-shot 一般提供相同的上下文前缀，
Function Calling
Function Calling 让模型能够调用外部工具，来增强自身能力。 提示 当前版本 deepseek-chat 模型 Function Calling 功能效果不稳定，会出现循环调用、空回复的情况。我们正在积极修复中，预计将在下一个版本中得到修复。 样例代码 这里以获取用户当前位置的天气信息为例，展示了使用 Function Calling 的完整 Python 代码。 Function Calling 的具体 API 格式请参考对话补全文档。 这个例子的执行流程如下： 注：上述代码中 get_weather 函数功能需由用户提供，模型本身不执行具体函数。
JSON Output
在很多场景下，用户需要让模型严格按照 JSON 格式来输出，以实现输出的结构化，便于后续逻辑进行解析。 DeepSeek 提供了 JSON Output 功能，来确保模型输出合法的 JSON 字符串。 注意事项 样例代码 这里展示了使用 JSON Output 功能的完整 Python 代码： 模型将会输出：
FIM 补全（Beta）
在 FIM (Fill In the Middle) 补全中，用户可以提供前缀和后缀（可选），模型来补全中间的内容。FIM 常用于内容续写、代码补全等场景。 注意事项 样例代码 下面给出了 FIM 补全的完整 Python 代码样例。在这个例子中，我们给出了计算斐波那契数列函数的开头和结尾，来让模型补全中间的内容。 配置 Continue 代码补全插件 Continue 是一款支持代码补全的 VSCode 插件，您可以参考这篇文档来配置 Continue 以使用代码补全功能。
对话前缀续写（Beta）
对话前缀续写沿用 Chat Completion API，用户提供 assistant 开头的消息，来让模型补全其余的消息。 注意事项 样例代码 下面给出了对话前缀续写的完整 Python 代码样例。在这个例子中，我们设置 assistant 开头的消息为 ““`python\n” 来强制模型输出 python 代码，并设置 stop 参数为 [‘“`’] 来避免模型的额外解释。