这篇文章上次修改于 273 天前，可能其部分内容已经发生变化，如有疑问可询问作者。

DeepSeek 官方提示词完整版（建议收藏）

关注后，回复“面试”
即可获取一份大厂面试的大礼包
2025年金三银四限量版pdf

来源：https://api-docs.deepseek.com/zh-cn/prompt-library/

上一篇干货：简化Maven项目依赖：优雅去除未使用Jar包

DeepSeek 官网发布了 13 个常用的提示词：

具体链接如下：

https://api-docs.deepseek.com/zh-cn/prompt-library/

官方提示词主要针对的是对AI有一定了解，甚至有一定编程能力的人，为更好的方便大家阅读，请先仔细阅读指引内容。

阅读指引
提示词：这部分是指用户发送给DeepSeek的指令，包含SYSTEM指令和USER指令。
SYSTEM指令：指提前写好的系统指令，让DeepSeek接下来扮演的角色。
USER指令：指直接发送给DeepSeek，让其回答这部分指令内容，如果有SYSTEM指令，DeepSeek会基于SYSTEM指令来回答。
DeepSeek样例输出：这部分是DeepSeek根据USER指令来回答的样例内容
API代码模式：这部分是为开发人员提供的代码样例，非开发人员可忽略
一、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指令

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)

DeepSeek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：

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。
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。
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

使用记忆化（Memoization）：通过缓存已经计算过的斐波那契数列值，避免重复计算，提高效率。
处理边界情况：增加对 n < 0 的检查，并返回适当的错误信息或默认值。
使用迭代代替递归：递归虽然简洁，但在处理大规模数据时效率较低。可以使用迭代方法来计算斐波那契数列，避免递归深度限制。
优化后的代码

方法一：记忆化递归

def fib(n, memo={}):

    if n < 0:

        raise ValueError("Input must be a non-negative integer")

    if n <= 2:

        return 1

    if n in memo:

        return memo[n]

    memo[n] = fib(n-1, memo) + fib(n-2, memo)

    return memo[n]

方法二：迭代法

def fib(n):

    if n < 0:

        raise ValueError("Input must be a non-negative integer")

    if n <= 2:

        return 1

    

    a, b = 1, 1

    for _ in range(3, n+1):

        a, b = b, a + b

    return b

解释

记忆化递归：
使用一个字典 memo 来存储已经计算过的斐波那契数列值。
在每次递归调用前，先检查 memo 中是否已经有结果，如果有则直接返回，避免重复计算。
处理了 n < 0 的情况，抛出 ValueError。
迭代法：
使用两个变量 a 和 b 来保存前两个斐波那契数列值。
通过循环从 3 到 n 计算斐波那契数列值，避免了递归调用，提高了效率。
同样处理了 n < 0 的情况，抛出 ValueError。
总结

优化后的代码不仅提高了效率，还完善了边界情况的处理。记忆化递归和迭代法都是有效的优化手段，具体选择哪种方法取决于具体需求和场景。

API代码模式
from openai import OpenAI

client = OpenAI(

    base_url="https://api.deepseek.com/",

    api_key="<YOUR_API_KEY>"

)

completion = client.chat.completions.create(

    model="deepseek-chat",

    messages=[

        {

                "role": "user",

                "content": "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：n
ndef fib(n):n    if n <= 2:n        return nn    return fib(n-1) + fib(n-2)n
"

        }

    ]

)

print(completion.choices[0].message.content)

二、代码解释
对代码进行解释，来帮助理解代码内容。

提示词
USER指令

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]) dpi = dpi - 1;

        else dpi = max(dpi - 1, dpi - 1] + value[i]);

    }

}

DeepSeek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

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。
dp 是一个二维数组，dpi 表示前 i 个物品在背包容量为 j 时的最大价值。
外层循环：
for(int i = 1; i < weight.size(); i++) { // 遍历物品

外层循环从第1个物品开始遍历到最后一个物品（weight.size()）。
内层循环：
for(int j = 0; j <= bagweight; j++) { // 遍历背包容量

内层循环从背包容量为0开始遍历到背包的最大容量（bagweight）。
状态转移方程：
if (j < weight[i]) dpi = dpi - 1;

else dpi = max(dpi - 1, dpi - 1] + value[i]);

如果当前背包容量 j 小于第 i 个物品的重量 weight[i]，则无法放入该物品，状态保持不变，即 dpi = dpi - 1。
否则，可以选择放入或不放入第 i 个物品：
不放入第 i 个物品时，最大价值为 dpi - 1。
放入第 i 个物品时，最大价值为 dpi - 1] + value[i]，即在放入物品前的最大价值加上当前物品的价值。
取两者的最大值，即 dpi = max(dpi - 1, dpi - 1] + value[i])。
功能说明

这段代码的功能是计算在给定背包容量 bagweight 下，选择不同物品组合所能获得的最大价值。具体来说，它通过动态规划的方法，逐步构建一个二维数组 dp，其中 dpi 表示前 i 个物品在背包容量为 j 时的最大价值。最终，dpweight.size() - 1 就是所求的最大价值。

总结

输入：weight 数组（物品重量），value 数组（物品价值），bagweight（背包容量）。
输出：在背包容量为 bagweight 时，选择不同物品组合所能获得的最大价值。
算法：动态规划，通过构建二维数组 dp 来记录每一步的最优解。
API代码模式
from openai import OpenAI

client = OpenAI(

    base_url="https://api.deepseek.com/",

    api_key="<YOUR_API_KEY>"

)

completion = client.chat.completions.create(

    model="deepseek-chat",

    messages=[

        {

                "role": "user",

                "content": "请解释下面这段代码的逻辑，并说明完成了什么功能：n
n// weight数组的大小 就是物品个数nfor(int i = 1; i < weight.size(); i++) { // 遍历物品n    for(int j = 0; j <= bagweight; j++) { // 遍历背包容量n        if (j < weight[i]) dpi = dpi - 1;n        else dpi = max(dpi - 1, dpi - 1] + value[i]);n    }n}n
"

        }

    ]

)

print(completion.choices[0].message.content)

三、代码生成
让模型生成一段完成特定功能的代码。

提示词
USER指令

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。

DeepSeek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。

<!DOCTYPE html>

<html lang="zh-CN">

    <meta charset="UTF-8">

    <meta name="viewport" content="width=device-width, initial-scale=1.0">

    五子棋游戏

    

    <div id="board">