DeepSeek风靡30天，我们总结了一份使用通识（文科生版）

ttxx

“当AI生成的文案比我更流畅时，我的价值在哪里？”——这或许是过去一个月内容创作者最普 遍的自我拷问。

自1月DeepSeek推理大模型R1引发全球关注以来，这款工具以“生成速度快、逻辑缜密、风格稳定”的特点席卷行业，成为文案、视频脚本、数据分析等领域的标配。一个月间，它 既重塑了创作流程，也触发了从业者对职业内核的深层反思。

DeepSeek的爆发，腾讯元宝、Kimi等应用批量嵌入内容生产流程，催化了两种极端态度：一部分人视其为“解放生产力的救星”，另一部分则担忧“创作灵魂的消亡”。“AI是否终结人类创作”争议持续发酵。

一财商学院案例研究中心结合实际工作场景，逐步摸索重置的规则：将AI工具按环节“分封”——前期用Kimi搜集数据；中期让DeepSeek、元宝、Kimi处理同一命题，横向对比框架、数据与表达，筛选出“最优拼图”；后期将AI降格为“逻辑纠错器”，专攻漏洞排查。

这场实验的底层逻辑，是对创作链路的重新切分：AI负责可批量复制的“基础体力活”，人类则死守需突破惯性思维的“创意决策点”。当工具能稳定生产80分的合格品时，真正的竞争力只剩下那20分“反共识的尖锐感”。

一财商学院总结出内容创作者在与AI共处时的5个共性问题、3个误区、6个优化建议与3个终极总结。

首先，是我们的内容创作者画像。

五大核心挑战：AI工具的“隐性成本”

1.信息真实性陷阱

AI生成内容需人工核查数据、案例、链接的真实性，耗时且存在信息失效风险。

2.语言风格“假大空”

AI生成内容语言风格公式化，或过于“假大空”，公式化表达占比高，“技术赋能”“未来图景”等术语重复率居高不下。

“内容确定后，让DeepSeek改写，询问三次，预计能有1~2句可用，大概在5~10%左右。”

“在偏灵感、创意上的内容，风格一直很模块化、公式化，反复询问的结果都大差不差。”

3.框架兼容性冲突

- AI提供的框架或表达与作者的创作逻辑不兼容，导致内容“缝合感”强。

- 过度依赖AI框架会削弱深度思考。

“AI已经有一套完美自洽的逻辑了，但我又不愿意放弃自己的思考过程，怀抱‘须知此事要躬行’的执念。只能打散DS的框架，硬融进自己的框架，最后变成‘大而全’的缝合怪——好稿子需要点切入、线串联、面打击的精巧。”

“内容没有过脑子、自己的思考度比较低，长此以往担心自己变成傻子。”

4.人机状态切换损耗

检查和创作用的是不同的专注力，用DeepSeek写东西需要时刻在检查和创作之间切换，很容易陷入【再问一次试试，万一呢】，等到终于发现DeepSeek行不通，时间已经过去了许久，尤其是推理模型。

5.工具稳定性瓶颈

部分工具（如DeepSeek）存在繁忙问题，输出质量不稳定。

三类典型误区：为什么你的AI用不好？

很多人出现问题，其实是出现了使用误区。具体看几个例子：

误区1：工具与场景错配

错误示范：用豆包处理深度商业分析（其擅长短平快内容），导致输出空洞。

①把高质量的文章直接输入给豆包，和它说“提炼这篇文章的重要内容并整合成一个600字左右的口播稿”。它给我反馈的内容就已经很完整了，但不够具体。

②我再和它说“主题围绕***”，缩短至500字，它给我的版本就已经很接近了。

③但我还是觉得它的标题假大空，所以输入了几次让他重新改标题，但还是不行。此外，每次输出的正文内容也在换描述，反而有几次能有很抓人眼球的表述。所以我自己再写了一个开头，正文把几个版本的好句子结合在了一起。

（耗时1个半小时左右）

解法：换成DeepSeek吧朋友。

prompt+喂高质量文章：帮我把以下内容转化成600字左右的商业口播稿（语言可以偏口语化，易于理解，但不失商业分析感），谈谈（事件描述）+（影响面）。

误区2：没有思考，就没有正确的指令

错误示范：选题构思环节，利用DS帮我想想可以从哪个角度去写。

做挪车机器人这个选题，我的提示词是：“我在写一个关于挪车机器人的脚本，没啥思路，又不想写成一个纯粹的营销号那种，想写深度一些，有什么好的建议么”，它就会给我“技术赋能”“空间焦虑”“未来图景”三个角度的文字。

但有点泛泛而谈，然后我会进一步问：“我要比如说，有多少家公司在做这个类型的机器人，然后每一家具体是什么品牌，这个市场空间有多大，落地如何？这是一门好生意么？这和汽车的自动泊车有啥区别？这和自动停车场技术可以融合吗等等”这种问题，它就会列举一些公司名称并回答我相关的信息。

它能一定程度上解决我“讲什么”的问题，但是“如何讲得有趣”，它在语言风格上还做得不是特别精准，让它学贴吧老哥阴阳怪气可以，但是实际工作还没法直接用。

解法：通过问出小白问题得到选题方向，或许是个不错的办法。但是一问一答效率太低，而且没有体现出自己的思考。

①下一个清楚的brief（场景、to 谁、体裁、风格、大致内容）。

②试试“反常识视角”。

prompt：我要写一个关于挪车机器人的视频脚本，时长2-3分钟，语言风格是偏轻松的科技财经科普。结合挪车机器人的当前市场空间、未来商业前景、主要玩家和它们的差异化特点写吧。每个数据出处都要真实有效，找不到原有出处就告诉我，不要瞎编。

误区3：用错了环节

案例①：

一、选题方向判断。

接到一个命题，结合需求brief与过往经验，心里大致对选题有方向判断。

二、信息搜索+自主生成观点。

1.看完招股书+相关文章+google搜索/公众号搜索/kimi搜索再看几篇高质量文章，得出基本结论——哪些是别人写过的，哪些是我独特观察。

2.看ds生成的成稿，偷一些表达，放到摘抄本儿上。

三、成稿。

在自己与AI的几个框架上反复拉扯，这个也好，那个也不愿意放弃。

过于看重表达，忘了主次矛盾。本应「先通过事实搭框架-再在框架中填事实」，却忙于筛选AI批量给出的好词好句，流连于它提供的所谓金句表达，挑挑拣拣，浪费时间。

案例②：文本写完后在同一个对话记录里，问AI是否符合大纲的逻辑，或者寻求它的修改建议（一般没啥新鲜建议）。

解法：没有。

创作者困惑：

无时不刻的选择，有时是人生的地狱。

现在内容创作已经不会淹没在过量信息中，可以相对快速地梳理出脉络。

但现在又多了DS批发表达带来的海量选择——造成低效。

需要来一段流程上的适应期+选择上的祛魅期。

优化建议：从工具依赖到工作助手

1.事实核查费时间：永远少不了核查这一步

- 对AI生成的关键数据、案例标注来源需求（如“请提供可验证的链接”），减少后期核查成本。

- 多工具交叉验证（DeepSeek+谷歌+行业报告）。

2.没有想要的语言风格：优化提示词

- 增加限制条件：如“避免假大空表达”“需包含至少3个具体案例”。

- 风格训练：上传历史优质内容，要求AI学习特定文风（如“模仿小红书栏目X的标题风格”）。

3.担心“AI依赖症”：分阶段使用AI

- 前期：AI高参与度。快速收集资料、发散灵感。

- 中期：设定“人工创作时间”（如初稿前30分钟禁用AI），保留深度思考空间。自主搭建框架后，再让AI补充细节或润色。

- 后期：用AI检查逻辑漏洞或提供标题优化建议。

4.构建内部AI知识库

- 整理优质提示词模板（如“框架冲突时如何调整”）、核查工具清单（如Factiverse）。

5.多工具协同，优选方案

鞭策多个AI干活：

- 自己给自己下一个清楚的brief（场景、to 谁、体裁等）。

- 把brief给不同的AI，包括deepseek、元宝、Kimi、偶尔钉钉AI助手。

- 拼接不同AI的内容，判断谁是框架、谁是细节、谁在某个领域更为专业。

- 拉一张表格，把不同的答案放进去，纵横比较。

- 做细节的筛选、结合人脑。

- 再咀嚼几遍，确保符合常识、严谨缜密。

6.灵感激发不到位：换换“反常识视角”或“极端化方案”

找灵感：在没有框架思维的时候，让AI帮我发散升华一下，激发不同的角度，最后可能也不会用他给的答案，但是对启发思维是有用的。比如开始一个新栏目，栏目介绍应该体现什么要素，发现AI回答和自己的思路8成是重合的（会增加安全感）。

结论：AI的核心价值，在你自己手上

认清一个事实，AI的核心价值在于「辅助决策」而非「替代思考」。

1.明确分工：将AI定位为“超级助手”，负责信息收集、灵感激发等低创造性环节。

2.强化训练：通过历史数据训练工具适配业务场景。

3.建立规则：建立最适合自己工作流的规则，制定核查标准、风格指南，降低后期调整成本。


来源：36kr