分步提示是为模型提供可验证的推理锚点，适用于多约束数学建模、多操作代码任务、条款顺序依赖的法律推演等场景；关键在于每步明确输入输出、显式复述中间结果、避免指代模糊。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
分步提示不是“教模型怎么想”，而是给它一个可落地的推理锚点——尤其当问题涉及多阶段计算、隐含约束或跨域知识缝合时，不拆解就容易跳步、漏前提、结果不可复现。
什么时候必须用分步提示
遇到这几类问题，硬凑一整段提问大概率会得到模糊答案或中间步骤缺失：
- 数学建模中含多个约束条件（如“某工厂需满足产能≥80%、碳排≤5吨/天、原料A库存仅剩120kg”）
- 代码任务需串联多个操作（如“从PDF提取表格→清洗空行→按列聚合→生成带趋势线的Matplotlib图”）
- 法律/政策类推演依赖条款顺序（如“先判断是否构成《民法典》第1024条规定的名誉权侵害，再看平台是否尽到审核义务，最后援引《网络信息内容生态治理规定》第12条确定责任边界”）
这些场景下，DeepSeek默认的快速模式容易做“结果导向型猜测”，而非“过程保真型推演”。
分步提示的实操写法
关键不是加序号，而是让每一步具备可验证性。参考以下结构：
① 开头明确指令：请通过逐步推理来解答问题，并把最终答案放置于\boxed{}中
② 每步给出输入/输出预期，例如：
Unified LLM Gateway - One API for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more
下载
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- 第一步：列出所有已知变量及其单位（如
原料A: 120kg,单件产品耗A: 0.8kg） - 第二步：写出产能约束对应的不等式，并代入数值
- 第三步：结合碳排限制，判断是否需引入替代工艺；若需，说明其对原料A消耗的影响系数
避免写“请分析一下”，而要写“请写出第X步的计算公式，并代入value_A和value_B得出数值结果”。
容易踩的坑：分步≠机械切片
常见错误是把一个逻辑连贯的问题硬切成互不关联的子问，导致模型在第二步就丢失上下文。比如问完“求导数”再问“画图像”，却不提函数表达式——模型无法回溯。
正确做法是：
- 在第二步开头重申关键中间量，例如“根据第一步结果，
f'(x) = 3x² - 4x + 1，请据此求驻点” - 对长链问题，在每轮输入末尾附一句摘要：“此前已确认约束C成立，且变量
y_max取值为7.2” - 拒绝使用“上一步”“前面提到的”这类指代，全部显式写出数值或表达式
专家模式下，模型能维持更长的上下文锚定，但依然依赖你主动喂入关键节点数据——它不会自己翻记录。
配合钻石图标提升分步稳定性
网页端点击钻石图标启用专家模式后，分步提示的实际效果会明显增强，尤其体现在：
- 对“若…则…”类嵌套逻辑自动展开反向验证分支
- 数学推导中强制输出LaTeX可编译的中间步骤（如
\frac{d}{dx}(x^3) = 3x^2） - 拒绝用“大概”“可能”收尾，未完成推导会明确标注“卡在第3步：需补充参数
k的物理意义”
如果发现分步后仍出现跳跃，大概率是某步缺少可计算的输入项，或者约束条件没转化为模型能识别的符号表达——这时候别调温度参数，先补全已知和求的定义。
