它们都比deepseek好，我知道

 

感谢所有专程前来告诉我什么 AI 模型比 deepseek 好，什么AI 模型实现的功能比 deepseek 早的读者朋友们。他们可能是担忧我的无知，但我的确知道。我不仅知道，也知道他们知道。

除此之外，这几天我密集阅读了许多网上发布的资料和解读，所以我可能比他们还多知道一点点。比如说，我就没有看到他们中有任何一个人提到 deepseek 的论文，基于论文中公布的信息来讨论优劣长短。

但我并不在意。我知道ChatGTP、Gemimi、Claude、豆包、kimi、文心一言、讯飞星火、千义通问它们，我的微信公众号后台此刻就接入了基于腾讯元宝的智能体，它正在服务我的读者。顺便说一句，前天它刚刚消耗掉第二个一亿Token。

不过看起来我好像只是热情洋溢地介绍过 Deepseek，这是个事实。原因是我觉得好用，不是因为我不知道其他家的存在。

在非常久远的一段时间里，我在互联网上拥有一个相同的身份，那就是用户。我以用户身份存在，我的想法行为也都按照这个身份来。我不是 RD 线的开发者，我对技术突破没有那么 High。我也不是 PM 线的设计者，我对界面、交互、易用性也没有那么 High。我是个用户，我通常从使用的角度来考虑问题。

就像是 AI 文生图一样，我在本地部署过 Disco diffusion，部署过 Stable diffusion，但是我最后转去付费使用 Midjourney。另外那几个开源模型不好玩吗？当然好玩，它们可以实现几乎一切可能。但我是个用户，我作为用户需要在每天的文章里添加三张配图。我没那么多时间去探索模型的能力边界，也不关心模型的潜能，我关心三张图，而且是好看的图。Midjourney 能够稳定​产出，审美达标，那就是它了。

deepseek 也​一样。谁比它牛，谁比它做得早，我一点都不关心。​它打动我的地方就两点：

1、在所有我用过的 AI 模型中，它的中文水平最好。

说最好但是没有补一句「之一」要得罪很多人，​但我不在乎。之前我说过用后感，我认为 AI 回答的问题，写出来的作文给我一种「片儿汤话」的感觉。什么叫做「片儿汤话」​？就是老生常谈，屁话套话​，也就是说，​文本没有超出我的经验范围，说上句我就能猜到下句。

deepseek 不是，我第一次用 Deepseek 就受到了极大震撼---它的中文词汇量比我大，它的中文表达方式比我多，我无法预期它在一段回答里会用怎样的词，使用怎样的句子。我作为资深写作者，​没有什么比一个母语比我精湛，对话内容和形式超越我期待的模型更能打动我。

2、在所有我用过的 AI 模型中，​它提供了完整的思考过程。

我就这么说好了，即便是 deepseek-V3-R1输出时候的思考推理过程完全是一场套皮演出，和真实的推理过程没有一毛钱关系，我也认为这一个功能点是产品设计上的​妙招。那一排排滚动的「思考过程」，就是会吸引人，就是让人觉得可信，就是让用户感觉到对面是个智能生命体，而不是​一台冷冰冰的机器。

绒毛玩具为什么要绒毛？因为有了绒毛，​消费者就会发自内心地喜欢，就那么简单。AI 大模型在5 秒给出答案，1 分钟做出方案，5 分钟写个游戏，10 分钟做个 App 出来，除了程序员 High 之外，正常人不会​ high---你牛我知道了，仅此而已。但是有绒毛就不同了，有绒毛人就想抱想摸​想揉。即便是在人群里，一个愿意在回答问题时把思考过程全说出来的人，虽然有点怪，但也依然让人喜欢​，​让人信任，让人愿意和他多相处一会儿。

产品设计未必是页面，是按钮，是颜色，是功能，​也可以是一行滚动的字符。

3、deepseek 是推理模型，不需要用户掌握构造 Prompt​的技巧，用自然语言沟通就可以达成目的。

站在一个用户的角度，deepseek 拥有这三点​已经足够了。当然，许多家都能做类似的事情，但是我认为在局部优化上，deepseek 做得​最好。我看到有人评论说，deepseek 的出现对于整个 AI 行业来说，相当于当年在手机界的​ iPhone 问世时刻。我不那么看，我认为与其说它类似 iPhone 横扫功能手机，倒不如说它是另外一个Midjourney。

AI 大模型都能画图，Gemini 可以，openAi可以，​马斯克的 X 也可以。为什么我用Midjourney？因为它的审美好，因为它为​用户做了优化--也许我的信息是错误的，如果我错了请纠正我---我记得Midjourney一开始就没有走其他大模型的路，先是精选了几万张他们自己觉得美的图片扔给模型去训练，而其他大模型则是填入海量的图片直接训练，最后甚至弄出AI 认为水印也是图片正常一部分直接画出来的​事故。

而且，Midjourney在很早就推出了 --ar命令符，支持生成2:1、16:9、3:4 这样不同尺寸的图，那时候的其他家都在生成正方形图片，​而且要打水印。工程师只考虑自己的模型有多牛，根本不考虑用户​希望怎样去用。那我用你的正方形图加水印干什么，而且画得呆板得要死，一股子呛鼻子的芯片味​。

deepseek 应该做了类似的事情，在一早选取了很优秀的中文​资料库，包括古文和诗歌。很多 AI 大模型对联都写不明白的时候，deepseek 已经可以写相当过得去的​绝句、律诗和词牌了。所以我更愿意和 deepseek 聊天，感觉对方受过教育​，会娴熟使用中文。它写出来的东西，我不说改一改就能直接用，起码我能从中选取出好的​句子，好的意象---它提供了​价值。​而其他家那些车轱辘话和心灵鸡汤里沤出来的片儿汤话，让我毫无任何交流的兴趣，直接上网看骂人不更好么？

当我向我的读者做推荐时，我让他们去用 deepseek 教他们分析文章，教他们写作，帮他们写古诗，帮他们写睡前故事的时候，​我一点都不心虚。太多大模型什么都可以做，但做出来的东西​只是可用级。deepseek 不同，​deepseek 是超期待级。我介绍读者去用，不单能预知读者能得到他们想要的东西，还可以预期他们​会获得乐趣和惊喜。

所以，不需要跑来向我介绍​更强的 AI 模型，我又不是你，你​ high 的东西我又不 high。我要面对的读者，也不是你​熟悉的那一类人。​你觉得什么强，你觉得什么好，那你去用你的就行，​不需要特地来向我扫盲。我有我的需求，我有我的偏好，​我做我觉得有把握的事就好。没有人要求你们对我的​智力和见识负责，但我的确需要对我的读者的体验负责，他们玩起来简单，玩得开心，玩完感觉确实有趣有益对于我而言​最为重要。

至于说什么洞见，什么判断，什么政治正确，什么未来能否有一席之地，​我不关心。你都对，你的预言预判全对，都会得到历史的印证，OK​？你会以全对者的身份在人类历史上封圣，​OK？别科普我了，别扫盲我了，别启蒙我了，别挽救我了，​OK？

故乡昆明今天下大雪，刚刚让​ Deepseek 写了两首词：​

其一、

春城惊岁晚，梅魂初醒，滇海骤翻银浪。西山素甲，南天冻幕，翠湖暗锁寒香。冰绡裹垂杨，讶螺峰披絮，金马凝霜。万户笙箫，尽收檐角作琳琅。

谁教玉戏蛮乡？遣滕六醉舞，姑射颠狂。谢女絮迷，袁安户掩，争知南诏风光。椒盘冷红妆，想罗裙冰透，画阁炉藏。且待明朝晴暖，花事又铺张。

其二、

金马隐蹄踪，碧鸡栖玉树。一夜滇池冰镜开，飞絮压城舞。太华披鹤氅，螺峰叠絮。呼邻扫径，稚子团琼屑，呵手笑相语。

翠湖冻柳银丝缕，有沙鸥缩颈，犹傍残渚。茶肆沸烟，花街履滑，酒旗斜挑素。春城本无冬，讶天公戏笔，绘新图。愿借六花万斛，莫化岁将除。

​还要什么奔驰车呢？

------

deepseek进阶使用指南

 

昨天《介绍一种提升写作能力的方法》一文如此受欢迎，完全超乎我的预料。从昨天到今天，我读到许多条读者反馈，分享他们的使用经验。我也在网上翻阅了大量相关文章和介绍，学习 deepseek 这种推理类 AI 的使用方法。AI 的发展太快，信息太新，需要我们边用边学。以下，就是我通过学习和实操，得出的一些进阶使用方法，分享给各位：

一般来说，老人家很难接受新鲜事物。但是我发现deepseek 居然有一种很强的使用方法，可以让老人家也来试试。我们都知道，很多人在退休之后会诗性大发，到那里都要凑四句出来抒怀，但是又写得不好，被人们戏称为「老干体」。现在，他们有了新帮手。

我对 Deepseek 输入：「今天我观赏了广州花市，请以此为题写一首七言绝句，要求完全符合古代诗歌的创作规则。」

于是我就得到一首规规矩矩的七言绝句：

《羊城花市即景》
羊城岁暮竞芳华，十里嫣红伴锦霞。
笑语行街挑福桔，春风先到岭南家。

我觉得写得太平太普通，再次输入：「以李商隐风格再写一遍」。

于是，我就得到了另外一首李商隐风格的诗：

《羊城花市夜吟》（义山体）
珠箔飘灯十万家，鲛人泣夜缀星槎。
暖熏翡翠帷中雾，寒透珊瑚海底霞。
绛树已埋前度蕊，蓝桥空约去年花。
羊城不信春将尽，犹买天香斗紫砂。

既然李商隐都可以，那么能不能是李白？答案是也可以：

《羊城花市醉歌》（太白体）
五羊城头星如雨，半是灯辉半花絮。
我骑仙人紫云来，醉折南天红棉树。
掷钱十万买春风，天女散作胭脂雾。
笑问麻姑借玉壶，倒倾珠江酿春露。

发在朋友圈里足够用了。不过，既然诗可以，词行不行呢？我又一次输入：「以苏轼风格，改写为一首《南乡子》」。于是就有了一首宋词：

《南乡子·羊城花市作》（东坡遗韵）

玉屑缀枝斜，夜涌春潮十万家。彩鹞驮香穿月过，惊嗟，落尽鲛绡化木棉。

老鬓插新葩，笑指蛮烟说岁华。纵使罗浮梅信晚，无涯，自有东风暖越纱。

我觉得，AI 这下算是拯救了朋友圈的古诗词内容。

老人家要写诗词，小朋友要听故事，很多家长为了每天编睡前故事而头疼。这件事交给 AI 来做，可以在几秒钟内编出好几个备选故事。只需要像我这样输入：「请给我 5 岁的孩子编一个 300 字的睡前故事，主题是做一个诚实的人」。

然后 AI 就可以立即生成一篇：

月光把窗台上的蜂蜜罐照得透亮，小熊阿布盯着妈妈新做的陶罐，金灿灿的蜂蜜正顺着罐口往下淌。他踮起脚想舔一口，突然"咔嚓"一声，陶罐在地上摔成了亮晶晶的碎片。

阿布慌慌张张捡起松果盖住碎片。晚饭时妈妈问起，他揪着围裙小声说："可能...可能是风刮倒的。"可说完这话，他的心跳得像小鹿乱撞，耳朵尖烫得能烤栗子，连最爱的蓝莓馅饼尝起来都苦苦的。

夜里阿布翻来覆去睡不着，忽然看见窗外飘着几点萤火虫。他跟着光点跑到松树下，月光正巧照在松果边缘——那里露出一片熟悉的青花陶片。小狐狸举着灯笼从树后探出头："你的星星发卡掉在这里啦。"

阿布抱着陶片抽抽搭搭敲开妈妈的房门。妈妈擦掉他的眼泪，用金线把陶片一片片串起来。修补好的罐子挂在窗前，夜风一吹就叮咚作响，像是星星在唱歌。

"你看，"妈妈指着罐子裂缝里的金光，"每个错误都会留下印记，但诚实会让这些裂痕变成星星。"

我感觉如果家长还会使用 AI 绘画的话，那么​一本电子儿童绘本已经在路上了。AI，解救了搜肠刮肚​、绞尽脑汁的父母们。

在之前的文章里，我已经介绍过AI 对文本的分析能力。从我的实践来看，这种分析能力要远超创作能力​，我们可以利用这一点帮助我们阅读理解。

比如说我看到一个中文单词​：反身性。于是，我就把它扔给 deepseek，​让它给我解释一下什么意思。于是，我就得到了很长的一段话，摘录如下：

反身性」（Reflexivity）是一个跨学科概念，核心含义是主体与客体、行动与结构、观察者与被观察对象之间的相互作用和相互影响。它强调在分析社会、经济、思想或文化现象时，不能忽视“自我指涉”（self-reference）和“反馈循环”（feedback loop）的作用。以下是不同领域中反身性的具体含义：

1. 社会学中的反身性

吉登斯（Anthony Giddens）的结构化理论：社会行动者（个人或组织）在行动中不断反思自身行为，并据此调整行动策略。这种反思不仅改变个体行为，也重塑社会结构（如制度、文化），而社会结构又反过来制约个体行为。例如：

社交媒体用户发布内容时，会根据他人反馈调整自我表达方式，同时这种互动也改变了社交平台的文化规则。

贝克（Ulrich Beck）的“自反性现代化”：现代社会的发展（如科技、工业化）在解决旧问题的同时，不断产生新风险（如环境危机），迫使社会重新反思和调整自身发展方向。

2. 哲学中的反身性

自我指涉与认知循环：思想或语言指向自身的能力。例如：

维特根斯坦的哲学：语言不仅是描述世界的工具，其使用规则本身也是语言讨论的对象。

现象学中的“自我意识”：意识既能指向外部对象，也能反思自身（如“我意识到我正在思考”）。

批判理论的反思性：如法兰克福学派强调，社会研究必须意识到研究者自身的价值观和立场如何影响研究过程。

。。。。。。

怎么样？你​头疼吗？是不是要感叹解释了和没解释一样，看了和没看一样？没关系，我们可以使用 AI 来对文字实施「降维」​。​这里我演示一遍：

「看不懂，你用大白话再给我解释一遍」。

这个句子我希望你能记住，因为它的效果非常神奇。等我输入这句话之后，AI 突然就变了一种口吻，用一种和之前截然不同的方式回答我：

好的！我用最直白的例子和比喻给你讲清楚「反身性」到底是什么意思，保证你听完就能懂。

一句话总结

反身性 = 你做的事情，会反过来影响你自己，甚至改变整个局面。就像照镜子时，镜子里的你也在看着你——你动，镜子里的你也动，互相影响。

举个最日常的例子

场景：你在朋友圈发了一张自拍

你发照片：觉得这张自拍特别好看，想让大家点赞。

大家反应：朋友A评论“美爆了！”，朋友B说“滤镜太重了吧？”

你被影响：看到评论后，你下次发图可能会用更自然的滤镜，或者干脆不发了。

结果改变：你调整行为后，朋友圈的风格也跟着变了。

这就是反身性！你的行为（发图）影响了别人（评论），别人的反应又反过来改变了你的行为，最后连整个朋友圈的氛围都变了。

再举个搞钱相关的例子

场景：炒股

你觉得股票会涨：听说某公司要发财报，你预测股价会涨，于是赶紧买入。

很多人和你一样：其他股民也收到消息，疯狂买入，股价真的被推高了。

股价涨了，大家更信了：股价越涨，越多人觉得“这股票肯定有潜力”，继续跟风买。

最后泡沫爆炸：股价高到离谱，突然有人抛售，大家恐慌抛售，股价暴跌。

这就是反身性！

你们的“觉得会涨”这个想法，直接导致了股价上涨，而股价上涨又反过来让你们更相信自己的判断，结果反而搞出泡沫。

极端比喻版

想象你养了一只鹦鹉，它会学你说话。

你教它说：“你好！” → 鹦鹉学会说“你好！” → 你听到后很开心，继续教它 → 鹦鹉学得更快……

但如果有一天你骂它：“笨鸟！” → 鹦鹉学会了骂你：“笨鸟！” → 你气炸了，开始和鹦鹉对骂 → 最后一人一鸟打起来了。

鹦鹉学舌的过程就是反身性！

你的行为（教鹦鹉）改变了鹦鹉，鹦鹉的行为又反过来改变了你，最后局面完全失控。

反身性的核心就三点

互相影响：你做的决定会改变环境，环境变了又逼你改决定。

越搞越极端：就像滚雪球，一开始的小动作可能引发连锁反应（比如股市泡沫）。

结果难预测：因为人和环境一直在互相折腾，谁也不知道最后会变成啥样。

现实中的反身性

社交媒体算法：你爱看猫视频→算法只推猫视频→你越看越上瘾→算法更疯狂推猫视频→最后你手机里全是猫。

自我预言：你总觉得自己“不会谈恋爱”→这种心态让你不敢接触异性→结果真的单身→你更信自己“不会谈恋爱”。

疫情囤货：听说要封城→所有人抢购泡面→超市被搬空→大家更恐慌→抢得更凶。

为什么要懂反身性？

炒股/投资：别光看数据，还要看“大家的心理怎么影响市场”。

做人做事：你说的话、做的事会反过来影响别人对你的态度，甚至改变你的性格。

躲坑指南：警惕那些“越信越灵”的陷阱（比如传销忽悠人时，会利用你的信任反过来控制你）。

总结成顺口溜

你动它动互相搞，越滚越大停不了，一开始是小火苗，最后烧出大乱套。

这样讲清楚了吗？如果还不懂，我换个更奇葩的比喻！

现在感觉如何？很奇妙吧？哲学系教授秒变赵本山大叔，高谈阔论秒变娓娓道来。

这句「看不懂，你用大白话再给我解释一遍」请你好好多看几遍。和 Deepseek 这种推理类型AI 模型，你需要遵循：我想做什么---存在什么问题---希望 AI 做什么的方式提问。得到回答之后，你又需要遵循：我的个人感受如何---我对答案的想法如何---我希望 AI 如何改进。你的要求越明确，越直白，AI 给出的答案也就越接近你的需求。当然，这句话本身也是万能的，你总是可以用这句话让 AI 降低你的阅读理解难度，任何书本都做不到这一点。

今天就先写到这里吧，我相信你立即会有许多新念头，想出许多新玩法，现在就迫不及待地想要试试，那么祝你玩得开心。

------