deepseek原理+应用+实践，和大家分享：
- 小众的，deepseek核心技术原理；
- 大众的，提示词要怎么写；
今天和大家聊聊，deepseek核心技术（之一）：认知脚手架。
什么是认知脚手架？
认知脚手架，Cognitive Scaffolding，是一个跨学科的概念，源自教育心理学，最初用于写作的学习。老师通过提问，示范，结构化模板，帮助学生输出高质量的文章，快速掌握创作技巧。
画外音：额，像极了我背高考作文。
它模拟的是建筑学中的“脚手架”概念，通过：
- 大问题拆解小问题；
- 分阶段；
- 组合搭建；
- 结构化模板；
等方式，在“大厦”建成的前期，提供重要的临时支撑。
例如，学生们在面对“月球为什么不会飞向太阳”这个问题时，往往不知道从何下手。
但老师通过认知脚手架引导：
- 天体间最重要的作用力是什么？
- 引力与什么相关？
- 如何计算月球与地球，太阳的引力？
- 步骤3中的结论是什么？
ru此一来，就很容易逻辑推理的答案。
认知脚手架对于deepseek深度思考，撰写高效提示词，都有非常重要的借鉴意义。
deepseek的输出质量为何如此之高？
除了之前提到过多跳推理，MOE等技术，认知脚手架也功不可没。
面对用户提出的问题，deepseek不是一上来就解题，而是先进行深度思考。
在deepseek深度思考的过程中，将问题化整为零，通过分阶段思考，结构化引导，在问题与答案之间建立临时的桥梁，将模糊的问题转化为可执行的步骤，显著提升输出的质量。
画外音：特别是在编程，数学这一类精确任务中，尤为有效。
我尝试着将“月球为什么不会飞向太阳”这个问题抛给deepseek，deepseek是这么深度思考的：
- 首先，我要回忆一下万有引力定律…
- 接下来，我要考虑三者之间引力的关系…
- 另外，我要考虑参考系…
- 是否需要考虑希尔球的概念…
- 是否需要考虑轨道速度，角动量守恒…
- 整个深度思考耗时92秒，占了用户等待的绝大部分时间。
认知脚手架，对我们写提示词，获取更佳的回答质量有什么启示呢？
deepseek通过认知脚手架，通过深度思考，能极大提升输出质量，但有一些潜在问题：
- 深度思考占用了大部分注意力，消耗了大量计算资源；
- 推理逻辑可能有偏差，与用户的期望有差距；
在求解熟悉领域的问题时，用户如果通过提示词帮助deepseek构建认知脚手架：
- 能极大节省计算资源，让deepseek将注意力聚焦问题的解答，而不是解答过程；
- 能输出更符合用户预期的结果；
更具体来说，流程、示范、结构化模板，都非常的有效。
bad case：请帮我定位与修复异常代码。
good case：请帮忙通过以下步骤定位与修复异常代码：
- 查看调用链中的异常信息，定位出错模块
- 查看出错模块的日志信息，定位异常代码的源文件名，函数名
- 分析源文件相关函数
- 修复相关函数
总之，当我们自己是相关问题的领域专家时，我们是如何思考与解题的，就显性的用提示词告诉deepseek如何思考与解题，能极大提升输出效率。
总结
- 认知脚手架是deepseek的核心技术（之一）；
- deepseek通过深度思考，将问题化整为零，在问题与答案之间建立桥梁，提升输出的质量；
- 在专家领域，通过认知脚手架优化提示词，能提升输出的质量与效率；
一切的一切，提示词只有适配了AI的认知模式，才能最高效的发挥最大的作用。
知其然，知其所以然。
思路比结论更重要。