本文是对亚马逊AWS研究团队最新发表的APO（自动提示词优化）技术综述的深度解读。该研究由Kiran Ramnath、Kang Zhou等21位来自AWS的资深研究者共同完成，团队成员来自不同技术背景，涵盖了机器学习、自然语言处理、系统优化等多个专业领域。
DeepSeek-R1这样的推理模型有着强大的深度思考能力，但也有着一些不同于通用模型的特点与用法，比如不支持函数调用，不支持结构化输出，o1甚至不支持系统提示(System Prompt)等。尽管这和它们的使用场景有关，但有时也会带来不便。今天我们就来说说结构化输出这个常见的问题。
本文的作用是帮你把问题具体化，这是用好DeepSeek-R1等推理型模型的前置步骤。
一张图、一句提示词，万物都能乱入你随手拍的视频。
一直以来，学术与实际产品的 Prompt 完全脱节，真实场景下，很多产品都聚焦情感陪伴，文案生成等开放任务里。而学术上这些任务没有明确的指标，无法量化也就没办法被比较，于是绝大部分的 Prompt 优化工作都聚焦在“刷榜”，例如怎么提升一个模型的代码/数学能力。我们今天跑的项目叫 SPO，具体什么意思并不重要，重要的是它把之前的所有问题全部解决了。
Gemini的提示词注入防线，又被黑客给攻破了。
很难想象打开X搜索“DeepSeek”，排在前列的不是技术分析，而是《提示词指南》。在X平台上，大量海外博主开始分享DeepSeek的使用技巧。有的博主专注于提示词优化，声称掌握了能让模型产出更优质结果的“秘诀”。
“垃圾进，垃圾出！”在中文互联网上，一场针对国产AI技术的恶意攻击正在悄然蔓延。某些自媒体以“污染中文互联网”为名，对DeepSeek等国产大语言模型发起了一场看似正义、实则荒谬的讨伐。他们将“幻觉”这一技术术语污名化，试图用莫须有的罪名抹黑国产AI的进步。
2024年春节，我其实已经尝试过用AI的介入，来完成一些原本长辈需要我才能完成、但实际上并没有什么难度的问题。例如帮助长辈学习如何用提示词（Prompt），使用类似“什么问题+细节描述+发生场景+附加需求”这样的结构来获得更准确的回复，或是发掘一些AI App中自带的例如一键P图等功能。
"Deepseek R1不就是一个参数更大的语言模型吗？随便问问题就行了，还需要什么特殊技巧？"——当你说出这句话时，是否意识到自己正像《西游记》里高举紫金葫芦的妖怪，对着齐天大圣叫嚣："我叫你的名字，你敢答应吗？"
