together.ai发布了专门针对DeepSeek R1的提示工程指南，有些内容已经包含在deepseek的官方建议里了。

下为翻译：

清晰具体的提示： 用简洁明了的语言编写指令，清楚地说明你想要什么。复杂、冗长的提示通常会导致效果不佳。

采样参数： 将温度（temperature）设置在 0.5-0.7 范围内（建议使用 0.6），以防止无休止的重复或不连贯的输出。此外，建议将 top-p 设置为 0.95。

不使用系统提示词（system prompt）： 避免添加系统提示；所有指令都应包含在用户提示中。

无少样本提示： 不要在提示中提供示例，因为这会持续降低模型性能。相反，请详细描述您希望模型完成的问题、任务和输出格式。如果你确实想提供示例，请确保它们与你的提示指令非常一致。

构建你的提示： 使用清晰的标记（如 XML 标签、Markdown 格式或带标签的部分）来分隔提示的不同部分。这种组织有助于确保模型正确解释和处理请求的每个组成部分。

设定明确的要求： 当您的请求有特定的限制或标准时，请明确说明它们（例如“每行说话时间不应超过 5 秒……”）。无论是预算限制、时间限制还是特定格式，都应清楚地概述这些参数，以指导模型的响应。

清楚地描述输出： 描绘出你期望结果的清晰图景。描述使响应完全符合您需要的具体特征或质量，从而让模型能够努力满足这些标准。

多数投票决定响应： 在评估模型性能时，建议生成多个解决方案，然后使用最频繁的结果。

无思维链提示： 由于这些模型总是在回答问题之前进行推理，因此没有必要告诉它们“逐步推理……”。

数学任务： 对于数学问题，建议在提示中包含如下指令：“请逐步推理，并将最终答案放在 \boxed{} 中。”

强制 <think>： 在极少数情况下，DeepSeek-R1 会倾向于绕过思考模式，这可能会对模型的性能产生不利影响。在这种情况下，响应不会以 <think> 标签开头。如果您看到此问题，请尝试告诉模型以 <think> 标签开头。

相关阅读

• OpenAI 官方发布推理类模型的最佳实践