deepseek原理+應(yīng)用+實(shí)踐，和大家分享：

• 小眾的，deepseek核心技術(shù)原理；
• 大眾的，提示詞要怎么寫；

今天和大家聊聊，deepseek的核心技術(shù)之一的動態(tài)注意力機(jī)制。

要搞懂這個(gè)，先得知道什么是注意力機(jī)制？

這是一種通過計(jì)算…查詢向量(Query)…鍵向量(Key)…值向量(Value)…，最終得到...的技術(shù)。

畫外音：額，不折磨大家了。

注意力機(jī)制，Attention Mechanism，是如今AI最核心的技術(shù)（之一）。通俗地說，它允許模型在處理信息時(shí)，專注于最關(guān)鍵的部分，弱化甚至忽略不相關(guān)的信息，從而提高處理效率與回復(fù)的質(zhì)量。它通過注意力分?jǐn)?shù)，來量化描述某一部分信息被關(guān)注的程度，以反映相關(guān)信息在全局中的重要性。

舉個(gè)例子，用戶輸入提示詞：

哎喲媽呀，我跟你說，那啥，我今天早上出門，這天兒可夠冷的，那風(fēng)嗖嗖的，吹得我臉都僵了，我尋思著，咋這么冷呢，是不是把厚棉襖穿少了，你說這天兒咋就那么邪乎呢，反正我這心里尋思著，哪兒能去買個(gè)暖寶寶貼貼。

這個(gè)提示詞中包含大量日常交流習(xí)慣中的鋪墊與情感表達(dá)，屬于無效信息。注意力機(jī)制會讓模型將注意力專注在：今天早上很冷，我穿少了，哪兒能買暖寶寶？

注意力機(jī)制是什么來的？

注意力機(jī)制最符合人的真實(shí)思維。

再舉個(gè)例子：

第一眼看到一張圖片，你的注意力在哪兒，每個(gè)像素的權(quán)重是一樣的嗎？是不是一眼就會看到框中的耳環(huán)，根本不會注意到其他部位。

這！就是神奇的注意力機(jī)制。

那什么是動態(tài)注意力機(jī)制？

Dynamic Attention，要比注意力機(jī)制更進(jìn)一步，它不僅能夠?qū)W習(xí)到不同部分的相關(guān)性，還能在處理過程中自適應(yīng)的調(diào)整注意力的分配，把資源聚焦于當(dāng)下最重要的部分，使得模型更加智能（例如：文本，代碼，圖表在計(jì)算過程中權(quán)重會動態(tài)變化）。

技術(shù)人應(yīng)該很容易理解這個(gè)所謂的“動態(tài)”：

• 負(fù)載均衡 -> 根據(jù)歷史數(shù)據(jù)學(xué)習(xí)訓(xùn)練好參數(shù)，3臺機(jī)器的流量分配權(quán)重配置好1：2：3。
• 動態(tài)負(fù)載均衡 -> 在系統(tǒng)運(yùn)行過程中，根據(jù)3臺機(jī)器處理能力，動態(tài)變化流量分配權(quán)重。

動態(tài)注意力機(jī)制，對我們寫提示詞，獲取更佳的回答質(zhì)量有什么啟示呢？

我們可以在提示詞中：

1. 顯性的標(biāo)注關(guān)鍵信息，例如：

• 角色
• 技能
• 限制
• 步驟

2. 顯示設(shè)置約束條件，例如：

• 優(yōu)先考慮方案的分區(qū)容忍性與高可用
• 先不考慮內(nèi)網(wǎng)延時(shí)對方案的影響

3. 采用分層分步描述，讓deepseek清楚每一步的注意力重點(diǎn)，例如：

• 第一步… 第二步… 第三步…
• 先設(shè)計(jì)框架，再填充細(xì)節(jié)
• 給出3組方案量化分析與優(yōu)缺點(diǎn)后，經(jīng)過我確認(rèn)選擇哪一組方案再繼續(xù)

優(yōu)化了提示詞，deepseek動態(tài)注意力機(jī)制能更有效發(fā)揮：

• 有限深度思考時(shí)間，專注主要矛盾，增加分析維度，回復(fù)質(zhì)量極大提升；
• 相同質(zhì)量的回復(fù)，動態(tài)分配權(quán)重，極大降低計(jì)算消耗；

總結(jié)

• 動態(tài)注意力機(jī)制是deepseek的核心技術(shù)（之一）；
• 注意力機(jī)制最符合人的真實(shí)思維；
• 所謂“動態(tài)”，是指在運(yùn)行過程中的注意力變化；
• 通過顯性標(biāo)注關(guān)鍵信息，顯性設(shè)置約束條件，顯性分層分步描述，能夠最大化發(fā)揮deepseek動態(tài)注意力機(jī)制的潛力；

一切的一切，提示詞只有適配了AI的認(rèn)知模式，才能最高效的發(fā)揮最大的作用。

知其然，知其所以然。

思路比結(jié)論更重要。

補(bǔ)充閱讀材料：

《Attention Is All You Need》：https://arxiv.org/pdf/1706.03762

PDF，可下載。

《動態(tài)注意力機(jī)制》：https://github.com/davidangularme/DynamicAttention

含源碼，Python。