Para usar efetivamente modelos predefinidos na Deepseek para obter melhores resultados, siga estas diretrizes:
Entendendo os modelos na Deepseek
O Deepseek utiliza modelos para estruturar interações, garantindo que o modelo entenda o contexto e o tipo de resposta esperada. Os modelos podem ser particularmente úteis para manter a consistência nas respostas, especialmente em tarefas complexas.
etapas para usar modelos predefinidos
1. Escolha o modelo certo: selecione um modelo alinhado com seu caso de uso específico. Por exemplo, se você estiver se concentrando em tarefas de codificação, use modelos que guiam o modelo para gerar trechos de código.
2. Configure o ambiente:
- Verifique se você possui as bibliotecas necessárias instaladas e configuradas em seu ambiente de programação (por exemplo, R ou Python).
- Carregue sua chave da API com segurança para interagir com a API da Deepseek.
3. Defina a função do sistema:
- Utilize a função `System` em suas mensagens para fornecer contexto. Por exemplo, instrua a DeepSeek a atuar como um especialista específico (por exemplo, um diretor de compras) elaborando uma mensagem que define essa função antes das consultas do usuário.
4. Use os avisos da cadeia de pensamento:
-Para consultas complexas, especialmente em contextos matemáticos, estruture seus avisos para incentivar o raciocínio passo a passo. Isso pode aumentar a precisão das respostas.
- Exemplo de prompt: "Por favor, raciocine passo a passo e apresente sua resposta final em $$ \ boxed {} $$."
5. Ajuste os parâmetros do modelo:
- Defina parâmetros como 'temperatura` para controlar a criatividade versus a precisão. Uma temperatura mais baixa (em torno de 0,5-0,7) é recomendada para tarefas técnicas para minimizar a aleatoriedade e melhorar a coerência [4].
6. Teste e iterar:
- Experimente com diferentes modelos e parâmetros. Analise as respostas e refine sua abordagem com base no que produz melhores resultados.
7. Histórico de conversas da loja:
- Para manter o contexto sobre várias interações, implemente um sistema para armazenar mensagens anteriores. Isso permite que o DeepSeek desenvolva consultas anteriores, levando a respostas mais relevantes.
8. Evite solicitações do sistema para modelos R1:
- Ao usar os modelos R1, evite a inclusão de instruções do sistema em sua entrada; Em vez disso, incorpore todas as instruções necessárias diretamente nas instruções do usuário [4] [6].
Seguindo essas etapas e alavancando os modelos predefinidos de maneira eficaz, você pode melhorar o desempenho da Deepseek na geração de saídas relevantes e precisas adaptadas às suas necessidades específicas.
Citações:
[1] https://www.listendata.com/2025/01/how-to-use-deepseek-in-r.html
[2] https://latenode.com/blog/what-is-deepseek-coder-revolutionizing-code-automation-in-latenode
[3] https://www.reddit.com/r/sillytavernai/comments/1hn4bua/deepseekv3/
[4] https://www.reddit.com/r/localllama/comments/1i81ev6/deepseek_added_recommandations_for_r1_local_use/
[5] https://github.com/deepseek-ai/deepseek-coder/?tab=readme-ov-file
[6] https://github.com/deepseek-ai/deepseek-math/blob/main/readme.md
[7] https://api-docs.deepseek.com/api/create-chat-clemation
[8] https://stackoverflow.com/questions/79395703/how-can-i-ixclude-the-thinking-process-in-Deepseek-r1-model-s-locally-using-oll