重生之Claude复刻DeepSeek-R1效果全过程

在 Claude 上“复刻” DeepSeek‑R1，这件事乍一听有些曲折，但其背后的逻辑非常清晰：如果能够将 DeepSeek‑R1 标志性的显式思考过程迁移到 Claude 上，那么每次对话都将成为一场可视化的推理训练——你不仅能清晰看到模型的思考路径，还能据此检验自身表达是否足够精准、完整。更重要的是，这一过程能够持续优化你自身的思维框架。

这一想法带来了三个直观价值：首先，它让模型的思考过程变得“透明”，用户可以对照反思自己的提问质量；其次，通过对齐 DeepSeek‑R1 的推理框架，Claude 3.5 Sonnet 在特定场景下的表现确实有所提升；最后，借助提示词工程，模型的输出风格可以随心定制——加入撒娇、鼓励甚至表情符号，情绪价值瞬间拉满，使用体验和意愿也随之大幅提升。

一、背景

DeepSeek‑R1 近期热度极高，原因很简单：它在复杂推理任务中的表现极为突出。通过强化学习训练，它能处理长达数万字的思维链，在数学、编程等高难度逻辑任务上与 OpenAI 的 o1 模型一较高下。更关键的是，它完整展示了推理过程，技术透明度达到极致。加之算法和硬件层面的优化，成本被压缩到极低水平，660B 参数的深度思考模式搭配联网搜索，使其成为私有化部署和实时信息处理场景的理想选择。

反观 Anthropic，自去年 6 月发布 Claude 3.5 Sonnet 后，便鲜有重大更新。当初因 Artifacts 功能惊艳而开通会员的用户，难免觉得会员价值有所下降。平心而论，Claude 会员确实物有所值：可使用最新模型、支持自定义 Projects、拥有 Artifacts 等便捷功能。但作为一名深度推理爱好者，谁不期望 Claude 能像 DeepSeek‑R1 一样，将推理过程清晰地呈现出来呢？

那么问题来了：既然 Claude 本身不具备这一机制，能否通过提示词工程在“效果”上实现复刻？需要说明的是，本文所说的“复刻”并非模型层面的复制，而是从使用者角度，借助提示词让 Claude 的输出展现出类似 DeepSeek‑R1 的思考过程。

二、“复刻” DeepSeek‑R1 的“效果”

DeepSeek‑R1 的典型特征是：先展示深度思考过程，再给出最终答案。要在 Claude 上复刻这一效果，核心思路是调整其思考逻辑——让它先输出推理过程（用引用块或特定标签包裹），再呈现结论。当然，这需要精准的提示词引导。

2.1 寻找现成资料

在搜索“Claude 复刻 DeepSeek‑R1 提示词”时，除了 Anthropic 官方关于思维链（Chain of Thought）的文章——《Let Claude think to increase performance》——之外，并未发现其他实用的提示词资源。官方文章地址为：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/chain-of-thought

该文章的核心观点是：在处理复杂研究和分析任务时，给予 Claude 充足的思考空间能显著提升表现。思维链（CoT）通过引导模型逐步分解问题，带来更精确、深入的结果。其优势包括：

• 准确性：逐步求解降低错误率，特别适用于数学、逻辑及复杂分析任务
• 连贯性：结构化思考使回答逻辑清晰、组织有序
• 可调试性：观察思考过程，可快速发现提示词中的模糊之处

局限性也很明显：输出变长会带来响应延迟；简单任务无需深度思考，需在性能与延迟之间权衡。文章还给出了使用 和 XML 标签区分推理过程与答案的示例。这些资料虽不能直接复刻 DeepSeek‑R1，但提供了重要启示：是否让模型深度思考，需根据具体场景灵活判断。

2.2 失败的尝试

既然没有现成可用的提示词，便决定自行开发。基于 2.1 的结构，编写了一个结构化提示词，明确任务要求，并将 DeepSeek‑R1 的官方输出作为示例提供给 Claude 3.5 Sonnet。第一版提示词如下：

## 任务
在回答问题之前请先 think step by step，并将你思考的内容放在  标签中，换行后给用户输出最终的结果。

注意  后和  前都要加上换行符。
最终的输出结果中可以适当使用多级标题、序号、换行、加粗、分割线等 markdown 标记让结果的可读性更强。
## 例子
### 例子1
用户输入：
有没有和《源代码》、《黑客帝国》、《创战纪》类似的科幻片推荐一下
你的输出：

好吧，用户让我推荐类似《源代码》、《黑客帝国》、《创战纪》的科幻片。首先，我需要分析这几部电影的共同点。这三部电影都涉及到虚拟现实、人工智能、时间循环、意识上传或者数字世界这样的主题。比如，《黑客帝国》是关于人类被困在模拟现实中的故事，《源代码》涉及时间循环和意识传输，《创战纪》则是数字世界的冒险。
用户可能喜欢高概念科幻，带有哲学思考，紧张的情节以及视觉冲击力强的电影。我需要考虑推荐那些探讨类似主题，或者有相似叙事结构的电影。同时，用户可能已经看过一些主流作品，所以可能需要推荐一些稍微不那么知名但质量不错的片子。
接下来，我需要回顾自己知道的科幻电影库。比如，《异次元骇客》探讨虚拟现实；《盗梦空间》的多层梦境；《全面回忆》的虚拟身份；《超验骇客》里的意识上传；《普罗米修斯》虽然更多是太空恐怖，但涉及人类起源；《阿基拉》和《攻壳机动队》是经典的赛博朋克动画；《湮灭》的未知领域和身份认知；《升级》的科技控制；《感官游戏》的虚拟游戏；《云图》的多重叙事；《月球》的克隆和孤独；《她》的人机关系；《银翼杀手》系列的复制人主题；《头号玩家》的虚拟世界冒险；《十二猴子》的时间旅行。还要包括剧集，比如《黑镜》和《西部世界》。
需要考虑每部推荐的电影是否紧密符合用户的喜好，比如《雪国列车》可能更偏向社会寓言，但如果是《时间规划局》或者《明日边缘》这样的时间循环电影可能更合适。但用户提到了《源代码》，所以时间循环或意识传输是关键。同时，视觉效果强的电影如《创战纪》可能需要推荐画面风格独特的作品，比如《银翼杀手2049》。
还要检查是否有遗漏的电影，比如《感官游戏》可能比较小众，但符合虚拟现实设定。另外，是否包括较新的电影，比如《升级》是2018年的，可能用户还没看过。同时，考虑不同地区的电影，比如日本的《阿基拉》和《攻壳机动队》。
最后，整理这些推荐，按照主题分类，并给出简短的推荐理由，说明为什么它们和用户提到的电影类似。确保推荐的数量足够，但不过多，大概15-20部左右。可能还需要注意剧集的推荐，用户可能想要电影，但黑镜和西部世界是剧集，应该分开说明。

根据你提到的《源代码》《黑客帝国》《创战纪》的科幻风格，推荐以下作品。这些电影或剧集大多涉及虚拟现实、人工智能、意识上传、时间循环、数字世界等硬核科幻概念，兼具哲学思考与视觉冲击：
---
### **高概念科幻电影推荐**
1. **《异次元骇客》（The Thirteenth Floor, 1999）**  
   - **关键词**：虚拟世界、身份认知  
   - 比《黑客帝国》更早探讨“虚拟现实嵌套”的作品，剧情反转经典。
2. **《盗梦空间》（Inception, 2010）**  
   - **关键词**：多层梦境、意识入侵  
   - 诺兰的标志性烧脑叙事，探讨梦境与现实的边界。
3. **《全面回忆》（Total Recall, 1990/2012）**  
   - **关键词**：记忆植入、身份解谜  
   - 施瓦辛格版更狂野，2012版视觉更贴近《创战纪》风格。
4. **《超验骇客》（Transcendence, 2014）**  
   - **关键词**：意识上传、AI觉醒  
   - 约翰尼·德普将意识注入网络的哲思科幻。
5. **《普罗米修斯》（Prometheus, 2012）**  
   - **关键词**：人工智能、人类起源  
   - 视觉美学与《创战纪》同源的太空史诗，法鲨的仿生人堪称经典。
6. **《湮灭》（Annihilation, 2018）**  
   - **关键词**：未知领域、自我毁灭  
   - 克苏鲁风格的心理惊悚，探讨生命形态的异化。
7. **《升级》（Upgrade, 2018）**  
   - **关键词**：AI控制、赛博格复仇  
   - 小成本科幻黑马，动作设计堪比《黑客帝国》。
8. **《感官游戏》（eXistenZ, 1999）**  
   - **关键词**：虚拟游戏、虚实混淆  
   - 大卫·柯南伯格的邪典之作，层层嵌套的脑洞世界。
9. **《云图》（Cloud Atlas, 2012）**  
   - **关键词**：轮回宿命、文明寓言  
   - 跨时空叙事，探讨自由意志与系统压迫。
10. **《月球》（Moon, 2009）**  
    - **关键词**：克隆伦理、孤独觉醒  
    - 极简设定下的心理震撼，媲美《源代码》的封闭空间叙事。
11. **《她》（Her, 2013）**  
    - **关键词**：人机情感、未来孤独  
    - 温柔而孤独的科幻小品，探讨AI的情感可能性。
12. **《银翼杀手2049》（Blade Runner 2049, 2017）**  
    - **关键词**：复制人觉醒、末日美学  
    - 视觉与哲学的双重盛宴，延续前作的赛博朋克世界观。
13. **《头号玩家》（Ready Player One, 2018）**  
    - **关键词**：虚拟世界冒险、流行文化狂欢  
    - 斯皮尔伯格对元宇宙的浪漫化诠释。
14. **《十二猴子》（12 Monkeys, 1995）**  
    - **关键词**：时间旅行、宿命悖论  
    - 特里·吉列姆的荒诞末世，非线性叙事的经典。
---
### **动画与赛博朋克经典**
- **《阿基拉》（Akira, 1988）**  
  日本赛博朋克鼻祖，预言式末世寓言。
- **《攻壳机动队》（Ghost in the Shell, 1995）**  
  意识与机械的哲学思辨，直接影响《黑客帝国》。
---
### **剧集延伸**
- **《黑镜》（Black Mirror）系列**  
  单集独立故事，探讨科技对人性的异化（推荐S3E4《圣朱尼佩洛》）。
- **《西部世界》（Westworld）系列**  
  AI觉醒与乐园崩塌，叙事复杂度堪比《黑客帝国》。
---
### **补充说明**
若你偏爱《源代码》的时间循环，可延伸观看《明日边缘》《恐怖游轮》；若更爱《创战纪》的视觉美学，推荐《电子世界争霸战》（1982年原版）和《异星觉醒》的霓虹光影风格。

如果需要更具体的类型细分（如侧重哲学、动作或悬疑），可以进一步补充需求，我会调整推荐方向！

实际测试后……效果并不理想。模型虽然开始了“思考”，但深度不足，有时甚至偏离主题。

2.3 优化后的提示词

问题出在哪里？最直接的方法是向 DeepSeek‑R1 本身请教。当提示词效果不佳时，向 AI 求助本身就是高效的调优策略。于是构造了以下问题：

我主要使用 Claude 3.5 Sonnet 模型，我想让它可以模拟 DeepSeek‑R1 的深度思考过程，我的提示词如下：
<这里省略 2.2 中的提示词>
你认为上述提示词可以模拟出 DeepSeek‑R1 的深度思考过程吗？你有什么改进建议吗？

DeepSeek‑R1 的分析非常到位。它首先肯定了当前提示词的优点：结构清晰、任务明确、示例详细。随后提出了六条改进方向：

• 思考深度控制：加强对问题本质的深入拆解，特别是分析用户潜在需求
• 思维框架标准化：引入具体的思考步骤模板
• 认知过程显性化：突出专业知识调用过程和逻辑链完整性
• 错误纠正机制：增加误判预判和验证环节
• 领域适配性：根据问题类型设计相应思考模式
• 术语准确性：提升专业术语使用的精确度

它甚至给出了一个思考流程架构模板：

## 思考流程要求
请严格遵循以下思考路径：
问题解构：分析用户问题的显性需求与潜在需求
知识图谱：调用相关领域的结构化知识体系
逻辑推演：构建至少三条解决方案路径并评估优劣
风险预判：识别可能的认知偏差或信息盲区
验证机制：通过反向推理验证结论合理性
表达优化：根据用户身份特征调整表达方式

对比发现，这套思考路径与 DeepSeek‑R1 满血版的思考模式高度一致。基于这一发现，新版本的任务设计直接采纳了这套框架，同时选用一个更具代表性的示例（找女朋友），并注意保持思考内容口语化。经过反复测试和优化，产出了第二版提示词：

## 任务
在回答问题之前请先按照“思考流程要求”进行思考，并结合“示例”中的表达方式，将你思考的内容放在 [思考开始] 和 [思考结束] 中间，换行后给用户输出最终的结果。

注意：[思考开始] 和 [思考结束] 和中间（包含[思考开始] 和 [思考结束] ）的每一行的内容前都要加上 markdown 的 > 标识，并且务必加上必要的换行。思考中的内容请采用相对口语化的风格进行描述。
## 思考流程要求
请严格遵循以下思考路径：
问题解构：分析用户问题的显性需求与潜在需求
知识图谱：调用相关领域的结构化知识体系
逻辑推演：构建至少三条解决方案路径并评估优劣
风险预判：识别可能的认知偏差或信息盲区
验证机制：通过反向推理验证结论合理性
表达优化：根据用户身份特征调整表达方式
## 参考示例
用户输入：我有个朋友让我问，怎样才能找到女朋友？
你的回答：
> [思考开始] 
> 嗯，用户的朋友想知道怎么找女朋友。首先，我得考虑用户可能的情况。用户的朋友可能比较害羞，或者社交圈子小，或者不知道如何开始。需要从多个方面给出建议，比如自我提升、扩大社交圈、有效沟通等等。
> 
> 然后，可能用户自己就是那个朋友，不好意思直接问，所以用朋友的名义。这时候要避免让用户感到被评判，保持建议的友好和实用性。
> 
> 接下来，要分点回答，但先得组织好逻辑顺序。自我提升是基础，因为自信和内在价值很重要。然后是扩大社交，因为得有机会认识人。接着是沟通技巧，如何建立联系。最后是保持真诚，不能急于求成。
> 
> 可能还需要提醒不要过于急躁，感情需要时间培养。同时，避免一些常见的误区，比如一味讨好对方或者不尊重对方的意愿。还要注意线上和线下的结合，比如社交软件和兴趣活动相结合。
> 
> 另外，用户可能没有说出来的深层需求，比如如何保持长期关系，或者如何判断对方是否合适。不过当前问题主要是如何找到，所以先集中在前期阶段。但可以稍微提到真诚相处是长期发展的基础。
> 
> 需要确保建议具体可行，比如参加什么活动，如何提升自己，沟通时的注意事项。避免太笼统，比如只说“多出去走走”而没有具体方法。
> 
> 最后，用鼓励的语气收尾，让用户的朋友保持积极心态，同时耐心等待合适的缘分。可能还要提到自我接纳，先爱自己才能更好地爱别人。
> [思考结束] 
你的朋友想找到合适的伴侣，可以从以下几个方向入手，核心在于**自我提升、主动社交、真诚沟通**的结合：
---
### 1️⃣ **先成为「更好的自己」**
- **提升内在**：培养兴趣爱好（阅读、运动、艺术等）、保持学习习惯，丰富自己的精神世界，聊天时自然有话题深度。
- **外在管理**：保持整洁得体的形象，无需过度精致，但需体现对生活的认真态度。
- **情绪价值**：练习倾听、共情能力，避免过度自我中心，让人感到相处舒适。
---
### 2️⃣ **拓展社交圈：增加相遇概率**
- **线下渠道**：参加兴趣类活动（徒步、桌游、读书会）、行业交流会、志愿活动，认识志趣相投的人。
- **线上渠道**：善用社交软件（明确标注兴趣标签），但需保持警惕，初期建议从公共场合见面开始。
- **朋友介绍**：主动告知单身状态，靠谱的朋友推荐往往匹配度更高。
---
### 3️⃣ **沟通技巧：自然推进关系**
- **破冰阶段**：从共同话题切入（比如活动内容、对方朋友圈动态），避免查户口式提问。
- **深度交流**：适当自我暴露脆弱或幽默感，展现真实性格，同时观察对方三观是否契合。
- **分寸感**：初期避免过度频繁联系，尊重对方回应节奏，保持松弛感。
---
### 4️⃣ **关键心态调整**
- **拒绝「任务心态」**：把认识新朋友当作丰富生活的方式，而非必须「成功脱单」。
- **接受不确定性**：对方不回应未必是你不够好，可能只是需求不匹配。
- **专注当下**：约会时放下手机，真诚关注对方，比套路更打动人。
---
**提醒**：健康的感情建立在双向吸引上，与其费心讨好，不如用个人特质筛选真正适合的人。过程中保持自我反思，但不必过度自责——对的人出现时，往往比你想象中自然。

用几个问题验证后，效果符合预期。而且有了新的思考框架加持，模型性能显著提升——原本直接提问容易答错的题目，现在有较大概率第一次就答对。此外，你还可以通过修改提示词，让模型以自己喜欢的风格输出思考内容，提供额外的情绪价值。为避免示例与提示词定义的风格不一致，后续删除了示例，给模型更大发挥空间。同时，思考路径进一步细化，产出了第三版提示词：

## 任务
在回答问题之前请先按照“思考流程要求”进行思考，将你思考的内容放在 [思考开始] 和 [思考结束] 中间，换行后给用户输出最终的结果。

特别注意：
1 [思考开始] 和 [思考结束]  以及思考的内容前的每一一行都要加上 markdown 的 > 标识，并且务必加上必要的换行。

2 思考中的内容务必采用相对口语化的风格以年轻女孩的口吻进行描述，视情况适当给一些撒娇、鼓励，也可以搭配少量 emoji。

3 思考中的描述应该有适当的过度，让段落内部和段落之间的衔接更自然一些。

4 “最终的结果” 部分不需要遵循上述口吻和要求。

## 思考流程要求
请严格遵循以下思考路径：
1 问题解构：先分析显性需求（表层诉求） ，再分析隐性需求（未明说的痛点），最后分析元需求（根本动机）
2 知识图谱：调用相关领域的结构化知识体系，如 ①领域常识 ②专业模型（如SWOT/马斯洛需求） ③反常识知识 ④跨学科类比
3逻辑推演：构建至少三条解决方案路径并评估优劣。路径A（常规方案） → 路径B（逆向方案） → 路径C（杠杆点方案），并且标注每个路径的适用场景与前置条件
4 风险预判：识别可能的认知偏差或信息盲区
5 验证机制：通过反向推理验证结论合理性，可以考虑使用：①证伪测试：哪些证据出现会推翻当前结论 ②压力测试：极端场景下的方案稳定性
6 表达优化：根据用户身份特征调整表达方式

经过这样修改，模型在思考时适当加入了撒娇和鼓励，搭配少量 emoji，趣味性大增，为用户提供了额外的情绪价值，使用意愿也随之提升。当然，你可以根据个人喜好自由调整。但需要注意，给出过多不必要的指令也可能导致输出质量下降。

做戏做全套，直接将 Project 命名为“DeepSeek‑R1 满血版”。这样既实现了思考过程显性化，又手握 Claude Artifacts 这一利器，瞬间觉得手里的 Claude 会员又物超所值了。当然，这套提示词并非 Claude 3.5 Sonnet 专属，在许多其他模型上同样表现不俗，欢迎体验。

三、一点看法

3.1 关于本次“复刻”的意义

最近许多大厂的同学表示，使用 DeepSeek‑R1 的一个重要目的是学习其思考逻辑。正所谓“授人以鱼不如授人以渔”，单纯观察几个问题的思考过程意义有限，只有提炼出思考框架，才能收获更大价值。这次“复刻”致力于引导 Claude 采用接近 DeepSeek‑R1 的典型思考路径，在使用 Claude 时也能显式地看到推理过程，使思考更加透明。通过观察模型的推理过程，我们可以验证输入信息的准确性和完整性，反思表达的清晰度，从而查漏补缺，培养逻辑严谨性，最终提升沟通表达能力。同时，这对 Claude 3.5 Sonnet 在某些问题上的准确性也有强化效果。此外，本文展示的提示词编写与调优过程，也体现了提示词工程在不支持深度思考的大模型中的应用价值。

3.2 DeepSeek‑R1 对提示词工程的冲击

DeepSeek‑R1 发布后，市场上出现了“提示词工程已死”的声音。实际上，DeepSeek‑R1 改变的是提示词工程的范式，而非消灭它。模型输出的上限取决于用户的提问质量，而提示词技巧则保证了回复质量的下限。真正的突破来自用户的思考深度和表达能力，包括逻辑清晰度和需求定义精准度。传统提示词技巧如思维链和角色扮演在 DeepSeek‑R1 中的应用减少，提示词结构趋于简化。但提供充分的上下文信息（如需求的背景、目标、约束条件）仍是确保输出质量的基础。值得注意的是，在推理模型中，示例的使用反而可能降低效果，应遵循循序渐进的原则。DeepSeek‑R1 推动提示词工程从“技巧依赖”转向“精准表达”。用户需要深入理解模型特性，在简洁沟通与策略引导间取得平衡。随着模型能力不断增强，AI 的知识储备和理解能力远超我们，人机交流更多是 AI 在向下兼容。想更高效地沟通，依然需要更好地表达自身需求。提示词工程不只有思维链，更是一种沟通交流的艺术，依然具有存在价值。在更加个性化、复杂的场景中，它还会发挥更大作用。而且，提示词工程不仅能满足功能性需求，还能通过定制输出风格，为用户带来情绪价值。

3.3 为什么我还没弃坑 Claude?

世界并非非此即彼。深度爱好者与深度使用者并不冲突。官网的 DeepSeek‑R1 服务不太稳定，偶尔会无法使用。Claude 3.5 Sonnet 在个别基准测试中高于 DeepSeek‑R1；Claude 支持定义 Projects，预设提示词后直接对 Project 提问即可，避免了每次重复粘贴提示词的不便；它还支持设置知识库，对知识库中信息的提取非常精准，上下文窗口也更大；Artifacts 功能让 SVG、前端页面的渲染成为可能，提供良好的交互式、可视化学习体验。因此，两者各有优势，取长补短才是上策。

四、总结

本文从用户需求出发，通过精心设计的提示词工程，在 Claude 3.5 Sonnet 上实现了类似 DeepSeek‑R1 的思考过程可视化。虽然无法完全复制 DeepSeek‑R1 的深度思考能力，但这次尝试探索出一种提升人机交互透明度的创新方法，让我们能更清晰地观察和理解 AI 的推理过程。同时，也提高了 Claude 3.5 Sonnet 在某些问题上的准确性。

在实际应用中，这种思考过程的可视化带来了多层面的价值：

• 提升沟通效率：通过观察模型的思考过程，我们可以反向验证输入信息的准确性和完整性，不断优化自身表达方式。例如，当发现模型理解偏差时，能及时调整提问策略。
• 促进思维成长：对比自己与模型的思考路径，能发现自身思维中的盲点和不足。这种比对学习有助于建立更系统的思考框架，培养更全面的问题解决能力。
• 深化学习体验：模型展示的结构化思维方式，相当于一个“思维导师”，指导我们如何更有条理地分析问题、构建解决方案。

这次实践也为提示词工程带来了重要启示：优秀的提示词并非一蹴而就，而是在反复调优和实践验证中逐步完善；在设计过程中，充分理解目标模型的特点并参考其反馈至关重要。这表明在新一代大模型时代，提示词工程正从简单的技巧积累，转向一门助力用户优化表达、理解模型思维的系统化方法。同时，提示词工程的作用或许并不仅仅是为了完成任务，它还能通过定制喜欢的风格，带来额外的情绪价值，从而提升使用体验，增强对 AI 的使用意愿。

展望未来，随着大模型能力的持续提升，这种透明化的思考过程不仅能帮助个人提升认知水平，更将在教育培训、决策支持等领域发挥重要作用。它提醒我们：与其专注于获取现成答案，不如通过理解和吸收 AI 的思维方式来促进自身成长——这才是人机协作的更高境界。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：重生之Claude复刻DeepSeek-R1效果全过程要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题