请分三步解释该正则：①先列出匹配逻辑的4个核心组成部分；②对每个部分用「作用+示例+易错点」格式说明；③最后用一句话总结整体行为。
☞☞☞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☜☜☜
你需要让DeepSeek在解释正则表达式时先给出结构化方案再逐层展开，而不是直接甩出一长段混杂的说明或跳过推导过程直奔结论。
用“分步输出”指令强制结构化解释
在提问开头就写明输出结构要求，例如：“请分三步解释该正则：①先列出匹配逻辑的4个核心组成部分；②对每个部分用「作用+示例+易错点」格式说明；③最后用一句话总结整体行为。”
这一步必须放在提示词最前面，否则DeepSeek会默认按自然语言习惯自由组织内容，大概率跳过步骤划分直接开始解释。
DeepSeek不主动识别“先…再…”这类中文顺序词，【必须用数字序号或明确分隔符标记步骤层级】，否则它可能把“先列方案”理解成语气修饰而非执行指令。
绑定角色+任务+格式三要素
方法一：角色锚定法
“你作为有5年正则教学经验的Python讲师，正在给刚学re模块的学生讲解。请先用项目符号列出该正则的3种等效写法方案（含原始字符串写法、带flag写法、命名组写法），再对每种方案分别说明适用场景和调试建议。”
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。
方法二：模板填充法
输入：“请严格按以下格式输出：【方案列表】→【逐项解析】→【验证建议】。其中【方案列表】只允许出现3个以「•」开头的短句，不加解释；【逐项解析】每项必须包含「为什么这样写」「不这样写的后果」「对应测试用例」三小点。”
注意：如果没写“不加解释”，DeepSeek会在方案列表里插入“这种写法更清晰”之类冗余判断——它把“列表”理解为带评论的条目，而非纯结构化输出。
用反例触发分步推演
第一步：提供一个正则和两个典型文本
“正则：r'^\d{4}-\d{2}-\d{2}$'；文本A：'2024-03-15'；文本B：'error: 2024-03-15'”
第二步：明确指令路径
“请先对比分析这两个文本为何一个匹配成功、一个失败；再基于该差异，反向推导出这个正则中^、$、\d{4}三部分各自承担的校验职责；最后指出若去掉$会导致什么实际后果（举1个日志解析中的真实误匹配案例）。”
这一步的关键是用具体反例逼出逻辑链条，DeepSeek看到“对比分析→反向推导→指出后果”的动词序列，才会放弃平铺式解释，转而构建分步推理流。
