学会这8招，让DeepSeek变得超好用！

### 前言

大家好，我是解决师 Blue~

DeepSeek 爆火后，几乎一夜之间，朋友圈里关注 AI 的和不关注 AI 的都在讨论 DeepSeek。

目前 DeepSeek 全球 160 多个国家登顶，日活跃用户数突破 1500 万，成了全球增速最快的 AI 应用。

能获得这个成就的原因只有一个，那就是：他们发布了一个免费且无比聪明的模型—**DeepSeek R1**。

![](/media/202502/2025-02-25_154727_3447360.15397107234994467.png)
经过我这几天每天 5 小时以上的爆肝体验，以及看了一些小伙伴的测试之后，我发现很多人对大语言模型依然怀着错误的认知和预期，因为一些错误的认知，这很可能会阻碍我们使用 DeepSeek R1 的体验。

因为 DeepSeek “聪明”这个特性，让我们去年所学习的大量的提示词技巧开始失效。

我们不再需要那么多的提示词技巧，只需要很简单地表述自己的需求，便能获得超出预期的回答。

#### 所以 DeepSeek 到底是什么？怎么用啊！

![](/media/202502/2025-02-25_154848_6953220.29454560620521086.png)
那么我将通过这篇文章的以下四个部分来向大家介绍：

- 第一部分，我会向你解释应用 DeepSeek 模型最重要的秘密，为什么我们会丢弃之前使用方式与 GPT 指令模版的方式。

- 第二部分，我会向你介绍 DeepSeek 大型语言模型最好用的隐藏玩法：说人话，以及为什么「说人话」对于推理模型的 DeepSeek 会好用。

- 第三部分，则会向你介绍使用 DeepSeek 它最强大的技能「深度思考」，以及如何在现在的条件下去激发深度思考。

- 第四部分，则是向你介绍我目前在使用 DeepSeek 时常用好用的 8 大技巧，这些也是我觉得使用 DeepSeek 必备的基础能力。

不过，在做任何深入的介绍之前，如果你还没使用过 DeepSeek 的话，强烈建议你先去做一些尝试，再返回看文章，效果会更加好。

### 一、DeepSeek 革命性突破：扔掉提示词模板，拥抱自由对话

#### DeepSeek 它的使用方式与 GPT 是很不同的。

核心要点是我们需要先把之前使用 AI 的那一套固定传统的思维模式扔掉，比如所谓的专业提示词以及一些提示词的模板。

如果我们还在使用各种"专业提示词"和"模板"，那么就完全走错了方向。

DeepSeek 根本不吃提示词这一套。

为什么？因为 DeepSeek 它是推理型模型，我们不适合用指令型模板去操作它。

![](/media/202502/2025-02-25_154922_3388760.5439301407091405.png)
这两种类型的模型就像两个不同的思维的人：
- 指令型的人就像一个老学究，做事有条不紊，严格遵循既定的规则和流程，需要你事无巨细地安排任务步骤。像 OpenAI 的 GPT-4o、DeepSeek V3、豆包等都属于指令模型（instruct model），这类模型是专门设计用于遵循指令生成内容或执行任务的。
- 推理型模型人就像一个魔术师，能够根据不同的情况迅速调整策略，灵活应对，专注于逻辑推理、问题解决的模型，能够自主处理需要多步骤分析、因果推断或复杂决策的任务，只要你说明目的，他就能自己思考怎么做。

从实际的应用角度来说，如果说 GPT 你要学会提问，那么使用 DeepSeek 就需要你学会对它提要求。

所以我们在使用 DeepSeek 的时候需要直接的说出具体的需求和场景。

例如我现在需要做什么？目的是什么？希望达到什么样的效果？但是又担心什么样的问题？

那么，让我用一个真实案例来说明。我们以前传统方式：

>i 你是一个文案专家，你帮我在优设的 AI 导航工具里针对 DeepSeek 这个 AI 工具写一段 20 字以内的简介，简介的内容要贴合产品的优点，同时给我提出 5 个不同方向的文案。

![](/media/202502/2025-02-25_155022_7283050.4192977373432941.png)

这样我们只会得到一份干巴巴的文案，虽然文案可以使用，但是还是有一种很死板的 AI 味。

DeepSeek 的新方式：

比如我之前想让 DeepSeek 帮我写一段优设 AI 导航工具的简介文案。

>i 我们优设有一个收集 AI 工具的的导航网站，里面收录了很多热门的 AI 工具，我现在想要将 DeepSeek 这个新兴的 AI 工具收录进我们的 AI 工具导航里面，但是目前缺乏一个针对 DeepSeek 的 20 字以内的简介，我希望你帮我写一段简介，简介的内容需要用情绪化的方式介绍一下 DeepSeek 这个工具的特点，让用户一眼就能了解到这个工具到底有什么作用。但是有担心会触及的广告法，请能帮我在简介当中规避这个问题，请说人话。

![](/media/202502/2025-02-25_155052_4720420.7623304458927428.png)

从生成的结果上面来看，Deepseek 从它的思考过程、解析思路以及答案等方面直接给出接地气的分析。

这就是最大的区别：**DeepSeek 不需要你写"专业提示词"，它需要的是真实场景和具体需求。**

**所以使用 DeepSeek 最重要的就是一个通用公式：**
>d **我现在需要做什么？目的是什么？希望达到什么样的效果？但是又担心什么样的问题？**

就像你跟一个聪明的同事沟通：不要说"请按照 STAR 法则写周报"
而要说：我要写周报，老板周一要看，我希望周报的内容重点放在 xxx 上，让咱们部门在老板面前能达到装逼效果，力压隔壁研发部，但担心研发质疑我们产品文档写得不够详细……"

### 二、DeepSeek 的隐藏宝藏：用“说人话”的方式解锁超能力

![](/media/202502/2025-02-25_155239_0203750.4798187505689089.png)
在网络上遇到很多人都在抱怨 DeepSeek 的回复太抽象，像是在读天书。

即使使用了结构化问题法之后，得到的答案要么很像技术说明书，要么就是长篇大论却言之无物？

其实出现这种情况的根本原因，还是在于我们都还是按照之前使用 AI 的习惯，给 Deepseek 喂了很详细的提示词（咒语 / Prompt）。

以往的 AI 给出的回答常给人一种机械、刻板的感觉，满屏都是 “首先、其次、然后、总而言之” 这样的模式连接词。

**如果你觉得 Deepseek 给你的答案过于专业过于抽象，你就在问题后面多加一句：“用通俗的语言说明/说人话/让小学生也能听懂/让我奶奶也能听懂...”就可以解决这个问题了。**

因为 Deepseek 对“说人话”这个词语很敏感。

我们只要告诉 DeepSeek，他的受众对象是谁， 对着这类人讲他们听得懂的黑话，这样效果更佳。

#### 为什么「说人话」对于推理模型的 DeepSeek 会好用。

![](/media/202502/2025-02-25_155308_3315790.24375459456260395.png)
这就好比你在讲故事的时候，先构建一个大家都能进入的场景，然后用几个关键词点燃大家的兴趣，让听众顺着你的思路走下去。

这里面核心逻辑就是：利用场景设定，激活模型对语境、受众和风格的敏感度，让它更精准地对接用户的需求。

就是让复杂的信息变得简单易懂，就像把高深的理论用最接地气的方式讲给你听。

具体来说，可以从三个方面来看：

- 触发风格切换：DeepSeek R1 模型在训练过程中，已经遇到了无数次“说人话”和复杂解释的案例（就像课堂上老师面对学生那样），这就相当于给它装了个“通俗表达”开关。一旦你打出“说人话”，模型立马就会切换到更易懂、简洁明了的模式。

- 受众感知：你给模型的指令里隐含了“请面向非专业人士”的要求。这样一来，模型就会自动把那些专业术语甩到一边，多用类比、打比方，比如“就像……”这种方式，让复杂的概念变得亲切、接地气。

- 任务重构：这里的任务目标从“解释概念”升级成“确保对方听懂”。这就像你在演讲时，不仅要讲清楚，还得时不时停下来问问听众“听懂了吗？”模型也会因此采用分步骤讲解、反复确认理解的策略，确保信息传达到位。

这正是现代信息传递中，科技与人性化思维相结合的精髓所在。

#### 为什么「指名道姓」式的沟通更管用？

![](/media/202502/2025-02-25_155324_5243890.636555767860466.png)
把“说人话”再具体化，就是明确你在和谁对话，这样效果就会更佳。

想象一下，如果你在对话中不仅提醒模型“说人话”，还特别说明“面向大学生”、“针对 UX 设计师”或者“给技术小白

解释”，那模型就能更精准地调出符合这群体思维模式和认知水平的表达方式。

**实战效果对比：**
当你说"给我们的 UI 设计新手解释设计系统"，效果远超普通"说人话"，就像在设计说明文档中标明"开发者/设计师/用研"不同角色须知——精准度

假设我们要向产品经理解释「容错性设计」时。

第一次我们给出模糊指令："用说人话解释容错性设计"
![](/media/202502/2025-02-25_155451_1167140.997331412301638.png)
可能得到上面这种接地气的例子。

然而第二次我们给出精准指令："给 APP 产品经理用说人话的方式解释容错性设计"
![](/media/202502/2025-02-25_155504_6387760.9846619753991515.png)
从产出的结果上，我们就可以看得出非常契合产品经理的视角，这样产品经理就更容易理解了。

总结下来可以从三个方面着手：
- **明确目标受众**：当你指定“针对互联网产品经理”时，模型就会自动使用专业术语，而是采用更贴近他们日常工作的语言，这样，我们更容易产生共鸣，理解力也会大大提升。

- **调整表达风格**：不同受众往往偏好不同的表达风格。比如，“面向初创企业老板”时，语言可以更直截了当、务实，突出数据和案例；而“给技术小白”讲解时，则需要多用类比和实例，让抽象的概念变得具体可感。模型在感知到这种细分指令后，会自然而然地调整风格，使得信息传递更加高效。

- **优化信息结构**： 针对不同听众，我们还可以调整信息的呈现顺序。比如，对于不熟悉某个领域的人来说，先从一个简单的场景切入，再逐步引入专业知识，比一次性抛出大量信息要容易接受得多。这样的分层递进不仅能抓住听众的兴趣，还能有效降低理解难度。

**把“说人话”进一步具体化，就是在构建场景、切换风格的基础上，再精细化地锁定受众。**

这样一来，信息传递不仅变得“更人性化”，还能真正做到让每一个目标受众都能听得懂、用得上。

正如罗振宇常说的那样，“我们不是在讲课，而是在和观众对话”，只有对话真正对上号，才能让复杂的知识轻松落地。

Deepseek 就像我们身边善解人意的朋友，它不仅能理解表面意思，还能捕捉到字里行间的隐含情感和意图，最终给出自然流畅、贴近人类表达方式的回应。

### 三、DeepSeek 的超级大脑：深度思考，解锁无限可能

![](/media/202502/2025-02-25_155557_1360860.040925180391182425.png)
聊天界面提供了三种模式——**基础模型、深度思考（R1）和联网搜索**，可根据不同场景和需求，灵活选用。

在 DeepSeek 的对话界面中，我们会注意到聊天输入框下方的两个选择「深度思考 R1」和「联网搜索」

「深度思考 R1」这个选项其实是一个切换键，它背后关联着 V3 和 R1 两个模型的不同能力。

基础模型，于去年 12 月升级到 DeepSeek-V3 版，性能比肩全球顶尖的开闭源模型（如 4o、Claude-3.5-Sonnet、Qwen2.5、Llama-3.1 等）。

当不启用“深度思考”时，我们使用的是 V3 模型，它就像一个多面手，能够高效地处理各种语言任务，比如快速生成文章、翻译、聊天等，适合那些需要快速得到答案或者处理多种任务的场景。

而当我们启用“深度思考”时，就切换到了 R1 模型，它更像是一个逻辑专家，擅长解决复杂的逻辑问题、进行深度推理，比如数学建模、编程代码生成等。

不过，很多用户在体验到“深度思考”带来的神奇效果后，就习惯性地在所有问题上都启用它。

#### 关于「深度思考 R1」

深度思考是一种基于内部知识和经验，通过逻辑推理、分析综合等方法来深入探究问题本质的思考方式，它更侧重于对信息的深度加工和理解，而不是简单地获取信息，深度思考在写作、学习和创意生成等场景中，深度思考能够发挥重要作用。

1. 当你需要更简单快速的回答时，不必打开「深度思考」，使用默认模型 V3 即可；

2. 当你需要完成更复杂的任务，你希望 AI 输出的内容更结构化，更深思熟虑时，你应该打开「深度思考 R1」选项，通过深度思考，人们可以打破常规思维束缚，创造出更具新颖性和独特性的作品或想法。

#### 关于「联网搜索」

联网搜索是一种基于互联网的信息检索方式，通过搜索引擎等工具可以快速查找和获取各种信息。

在查新闻、找资料、实时数据等场景中，联网搜索具有显著优势。

1. 当你的任务所涉及的知识在 2024 年 07 月之前时，你无须打开「联网搜索」功能，因为目前 DeepSeek 的预训练数据已经更新到 2024 年 7 月被充分训练过的语料知识。

2. 当你的任务所涉及的知识在 2024 年 07 月及之后时，比如昨天 NBA 比赛的赛果，硅谷对 DeepSeek R1 的评价等，你必须打开「联网搜索」功能，否则大模型在回答时会缺乏相应的知识，这时候 DeepSeek 的联网搜索模式就显得尤为重要，它能够根据网络实时获取最新信息，弥补知识库的空白。

深度思考和联网搜索各有其优势和适用场景。

在实际应用中，我们可以根据具体需求和场景选择合适的方式来获取信息和处理问题。

### 四、DeepSeek 的使用技巧：8大技巧事半功倍

以下是给 DeepSeek 新手的 8 个「接地气」的技巧，看完直接用。

#### 技巧 1：讲清目标
![](/media/202502/2025-02-25_155755_3738010.1491113012841443.png)
通过明确品牌定位、目标用户、颜色方案、必须包含的元素以及字体和图标风格的偏好，DeepSeek 可以提供更贴合需求的设计建议。

这就是在告诉我们直接说需求，千别绕弯子。

在使用 DeepSeek 时，讲清目标是获取高质量、精准回答的关键步骤。

我们不要教 DeepSeek 做事，别问"你能做什么?"，而是直接告诉它：我要 xx，目的是要 xx，希望达到 xx 效果，不希望出现 xx 问题...，Deepseek 都能秒懂的。

因为面对一个聪明的机器人，我们很多时候不需要教它去怎么做，给它定义清楚目标就好了。

和 OKR 的逻辑一样，发挥它的主观能动性。

#### 技巧 2：在提问中增加数字来丰富背景
![](/media/202502/2025-02-25_155833_7890790.8664509769896153.png)
面对这种聪明的帮手，它的习惯是你一问，它就给你一套解决方案。

如果你没将背景说清楚，它也不会在继续问你，它就会根据自己的经验来回答了。

所以我们需要给它提供必要的任务背景，同时强调数量，它可以还你多套完整有用的解决方案。

同时由于用户暴增，DeepSeek 明显调整了响应策略，思考时间从 20 秒降到 5 秒，回答的内容深度明显下降，

反思能力由于时间关系受到了限制。

它这样做我们也是可以理解的，毕竟思考越久，所需的算力就越烧钱。

但对于我们用户来说，如何还能激发它的深度思考能力？

这里试用这些核心提示词，可以帮助 DeepSeek 激发它的深度思考能力。

- 请在你的思考分析过程中**同时从逆向角度思考你的回答**至少 10 轮，保证详细的思考过程

- 请在你的思考分析过程中**同时对你的回答的内容进行复盘**，保证详细的复盘过程

如此一来，深度思考的时间将会变长，所以我们这里使用核心是：**反思**。

#### 技巧 3：让 Deepseek 说人话

如果 Deepseek 给你的回答就跟话痨一样，太复杂，看不懂或者回答的非常专业，你就直接回它三个字：说人话，效果简直神了。

见风使陀说人话是一种让 DeepSeek 以更通俗易懂的方式输出内容的技巧，其核心在于通过特定的提示词或指令，让模型将复杂、抽象的内容转化为更接地气、贴近日常表达的语言。

如果“说人话”效果不够理想，可以使用更详细的规范指令。

直接跟 ta 说，请用以下规范输出：

1. 语言平实直述，避免抽象隐喻；

2. 使用日常场景化案例辅助说明；

3. 优先选择具体名词替代抽象概念；

4. 保持段落简明（不超过 5 行）；

5. 技术表述需附通俗解释；

6. 禁用文学化修辞；

7. 重点信息前置；

8. 复杂内容分点说明；

9. 保持口语化但不过度简化专业内容；

10. 确保信息准确前提下优先选择大众认知词汇

将上述规范加入问题中，能进一步提升回答的通俗性。
![](/media/202502/2025-02-25_160031_8609540.3710167863385082.png)
同时我们也可以通过添加角色设定、结合场景限制、确保信息准确三个方面可以让 DeepSeek 的回答更加贴近日常表达，降低理解难度，提高信息的可接受性。

**添加角色设定示例：**

> “用广场舞大妈的聊天方式说说这个项目的优点。”“像给小学生解释一样，说说这个科学原理。”

**结合场景限制示例：**

> “在家庭聚会场景下，如何向长辈解释我的工作？”“在朋友聚会时，用轻松的语气说说最近的科技趋势。”

**确保信息准确示例：**

> “请用通俗易懂的方式解释这个概念，但要确保信息准确。”

#### 技巧 4：用假设性问题激发它的预判脑洞

![](/media/202502/2025-02-25_160233_9806170.20228648168301344.png)
我们之前说过 DeepSeek r1 是推理模型，我们要用假设新问题激发它的预判脑洞，这样才能帮助我们提前避坑。

如果我们用指令会不会来触发 DeepSeek 的预判模式？

如果是这么直接的方式提问效果就显得很一般了。

但如果你这样问：如果想在互联网设计师的社群中当做互动赠书的活动，用户会不会觉得没新意？换成打卡解锁福利

会不会更好？那么送什么类型的奖品会更吸引到现在的设计师。

DeepSeek 不仅会给出方案，还会分析不同的选择和利弊，甚至主动提出你没想到的优化点。

只要是提出这个假设性的问题，比如未来三个月设计行业可能会发生什么，它就会从行业趋势、政策因素、竞品动向等进行深度分析，推演出你没想到的细节。

#### 技巧 5：利用 DeepSeek 查漏补缺

![](/media/202502/2025-02-25_160241_4380840.4039361141733506.png)
利用 DeepSeek 进行查漏补缺，可以帮助用户在项目、内容创作或数据分析中发现潜在问题并提供解决方案。

当我们在做方案的时候，如果你害怕自己的方案方案有问题，但是自己会看不出来这些问题，我们就可以利用启动杠击模式。

示例中沿用了上一个在互联网设计师的社群中当做互动赠书的活动假设性问题，只需要直接甩给他一句，启用杠击模式，DeepSeek 会先列出原方案的短板，然后再给出优化后的方案。

#### 技巧 6：寻找元问题

![](/media/202502/2025-02-25_160328_5623010.42582555619823315.png)
聪明人不但会提供答案，还会提出很多好问题。

所以在使用 DeepSeek 时，寻找“元问题”是一种非常有效的技巧，可以帮助用户更深入地思考问题的本质，从而获得更全面、更有针对性的答案。

所以我们可以借助 DeepSeek 向我们反向提问，帮助我们思考。

或者是在我们自己提出问题之前，就先让 DeepSeek 来问我们，找到一些元问题。

这里我总结了一些具体寻找元问题的使用技巧。

##### ① 提出开放式问题，引导 DeepSeek 反向提问

当你不确定具体需求时，可以先提出一个开放式问题，让 DeepSeek 帮助你梳理关键点。

> 例如：我现在打算开展一个电商项目，但不太确定具体需求应该怎么描述，请你帮我列出 5 个关键问题，协助我理清思路。

这种方式可以帮助你从多个角度思考问题，避免遗漏重要的细节

##### ② 利用“背景+需求+限制条件”结构

在提问时，采用“背景+需求+限制条件”的结构，可以帮助 DeepSeek 更好地理解问题的上下文，从而更精准地回答。

> 例如：
> 背景：“我正在准备一个面向年轻用户的社交媒体营销活动。”
> 需求：“请帮我设计一个吸引用户的互动环节。”
> 限制条件：“预算在 1 万元以内，活动周期为一周。”

##### ③ 通过追问细化问题

如果 DeepSeek 的回答不够具体，可以通过追问进一步细化问题。
> 例如：
第一轮：“请帮我设计一个内容收藏产品的用户旅程。”
第二轮：“针对这个用户旅程，用户在使用过程中可能会遇到哪些痛点？”
第三轮：“针对这些痛点，有哪些具体的优化建议？”

##### ④ 要求 DeepSeek 验证确认

在提问时，可以要求 DeepSeek 先列出需要了解的关键信息，待你补充后再生成具体内容。
> 例如：
问题：“请先列出需要了解的产品功能项，待我补充后继续生成产品设计文档。”

##### ⑤ 使用逆向提问技巧

当问题比较复杂或模糊时，可以尝试逆向提问，让 DeepSeek 从结果出发反向思考。

> 例如：
问题：“如果我们的产品要在未来 3 年内占据市场份额的 30%，现在需要解决哪些关键问题？”

通过这些技巧，你可以更有效地利用 DeepSeek 寻找问题的核心，从而获得更有价值的建议和解决方案。

#### 技巧 7：让 AI 回答更靠谱

![](/media/202502/2025-02-25_160521_7644200.5518299497640862.png)
我们应该都知道 无论多先进的 AI 模型，都是有一定局限性的。

AI 模型生成的内容是基于训练数据的统计规律，可能存在事实性错误或误解，所以我们一般会在得到 AI 的回复之后，要求增加上以上这五种限制的条件，可以让 DeepSeek 的回答更加靠谱，提高回答的准确性和可信度。

要求验证和引用示例：

> 限制瞎编：
加上这些要求
“给出可验证的参考资料来源”
“如果不确定请明确说明”

要求分步推理示例：

> 对付复杂问题，分步骤问：
“第一步先列出可能的方法，
第二步分析优缺点，
第三步给出推荐方案”

#### 技巧 8：借鉴大佬思维，让聪明翻倍

当我们遇到很多想不通的问题的时候，可以通过借鉴行业大佬的思维，来找寻一些问题的答案。
比如我这里让马斯克和雷军来针对 2025 年互联网设计师还有哪些发展方向进行辩论。

![](/media/202502/2025-02-25_160625_6621380.6794821512055357.png)
从这里面的内容当中可以看出，都还是比较符合这些大佬的思维模式和语言习惯的，虽然有些回答可能有点放飞自我了，但是我们可以根据不同的实际情况添加限制条件，所以我们可以通过这种借鉴大佬思维取巧的方式，让我们获得更多的灵感。

### 五、DeepSeek 的局限性：这些场景尽量不使用

说了这么多优点，也必须说说它的局限性，以下场景不建议使用 DeepSeek。

#### 1. 长文本处理限制

![](/media/202502/2025-02-25_160644_8550750.8959042371962018.png)
DeepSeek R1 目前提供的上下文长度为 64k token，对应到中文字符大约为 3-4 万字。

这意味着在处理超过这一长度的文档时，DeepSeek 可能无法一次性处理完整个文档，而是通过检索增强（RAG）的方式选取部分内容作为记忆的一部分。

在处理长文本时，DeepSeek 可能出现逻辑断裂的情况。

这是因为模型在处理长文本时难以保持整体的连贯性和一致性。

因此，在需要处理非常庞大的文档集合时，可能不是最佳选择。

#### 2. 敏感内容
![](/media/202502/2025-02-25_160700_3083560.9047631280500076.png)
因为是国产的 AI 产品，DeepSeek 内置了严格的审核机制，对于敏感内容会进行限制。

这可能导致用户在处理某些特定主题时遇到障碍。

如果我们在沟通的过程中遇到了这样回复的时候，大概率就是触发审核机制。

很多时候你不知道哪句话就触发审核了，这种情况怎么解决呢？

因为 DeepSeek 是后置审核，所以可以在你的提问处点击修改，再提交几次，修改到内容是不触发审核的，确保提问时语言清晰、准确，避免模糊不清或可能引发歧义的表述。

### 结束语

曾经，要充分用好 AI，我们需要花费大量时间收集提示词模板，学习各种指令和参数。

这一系列复杂的操作让许多人对 AI 望而却步。

但现在，这一切都将成为历史，DeepSeek 代表了 AI 的未来方向——更懂人话，更会思考。

使用 DeepSeek 只需简简单单地做到三件事：清晰表达自己的需求，说明具体应用场景，用最直白、日常的语言去和 Deepseek 交流。

这意味着 AI 的使用门槛正在快速降低。

就像设哥一直在和我们强调的，总有一天提示词这种内耗的东西终将会成为过去！

那些还在用提示词收割的成为了智商税。

DeepSeek 就是代表了新一代 AI 的使用范式，契合 2025 的辞旧迎新！