本文可用于图书馆员培训，重点讲清DeepSeek在研究问题重构、复杂推理、文本分析和方案比较中的用法。

核心观点：DeepSeek适合把模糊需求拆成可执行任务、生成分析框架、比较方案并检查推理漏洞；它不能替代联网检索、专业数据库、原文阅读和馆员决策。没有来源的流畅回答只能作为工作草稿。

一、工具概览与业务定位

DeepSeek由杭州深度求索人工智能基础技术研究有限公司开发，提供网页与移动端对话服务、开放平台API及开源模型资源。官方文档持续更新模型、上下文、接口和计费信息；训练时不应把某个模型名称或价格视为长期固定。DeepSeek官网；开放平台文档

它在图书馆工作的主要价值不是“替馆员回答”，而是处理四类中间任务：澄清需求、拆分变量、形成步骤、比较备选方案。与AI搜索不同，DeepSeek的基础对话不等于已检索证据；即使界面提供联网能力，也必须逐条核对来源。

二、访问方式、主要功能与费用规则

• 普通用户可使用网页版及官方客户端；具体登录方式、免费额度和高峰期限制以当日界面为准。
• 开发者通过开放平台申请API密钥。模型、缓存命中与未命中输入、输出分别计费，价格以官方价格页为准。
• 官方在GitHub组织页发布部分模型与技术资源。本地部署仍需算力、运维、安全和许可证核查。
• 机构培训前应记录核查日期、可用模型、联网状态、文件限制、API余额、并发和数据条款，不把个人账号直接作为正式业务系统。

三、适用边界

DeepSeek可以生成问题树、任务书、评价指标、反证清单、会议提纲和代码草案，但不能证明其中的事实真实。政策、标准、统计、书目和论文必须回到发布机构、OPAC或专业数据库。对法律、医疗、采购、人事等高风险任务，只能用于整理问题，不能单独形成结论。

判断输出是否可用，至少检查：事实是否有原始来源；概念是否偷换；条件是否被省略；建议是否适合本馆资源与制度；数字和引文是否真实。

四、图书馆业务中的六类场景

1. 参考咨询： 把读者的一句话拆成事实、比较、建议和资源获取问题。
2. 课题检索： 生成概念表、变量表和数据库检索准备清单。
3. 学科服务： 将研究目标转成两周或一个学期可完成的任务包。
4. 阅读推广： 比较活动对象、主题线、资源类型和验收指标。
5. 馆员培训： 演示同一提示词在加入约束前后的质量差异。
6. 事实核查： 先列出待核主张、可能来源与反证方向，再转入检索工具。

五、七步标准工作流程

1. 写清服务对象、时间、地域、成果形式和风险等级。
2. 要求模型复述任务，并列出仍缺少的信息。
3. 将问题拆成“事实—解释—比较—行动”四类。
4. 指定输出字段、字数、依据范围和不得推测事项。
5. 要求提出反例、失败条件和不确定性。
6. 把事实主张逐条转入数据库、官方网站或原文核验。
7. 保存提示词、模型/日期、人工修改和最终责任人。

六、三个可复现的图书馆工作案例

案例一：把“AI如何改变公共图书馆”改造成两周课题

任务背景

学员选题过大，需要形成小型研究任务。

操作步骤

1. 输入原始主题和两周期限；2. 限定馆型、岗位、地区与可获得资料；3. 要求输出问题卡和证据需求表；4. 馆员删去无法获得数据的方案。

可直接复制的提示词

将“AI如何改变公共图书馆”重构为3个可在两周内完成的小型研究问题。对象限定为中国地级市公共图书馆，资料仅使用公开政策、馆方报告、公开案例和可访问论文。每个问题按“研究对象｜核心变量｜时间范围｜所需证据｜可行方法｜不能回答的部分”输出，并说明为什么可完成。

预期输出

3张研究问题卡和1张证据需求表。

馆员人工复核要点

核对公开数据能否获得；删去暗含因果但只能做描述的提问；不要采用虚构案例或文献。

案例二：设计生成式AI素养培训评价框架

任务背景

培训不能只统计到场人数，需要可执行的前后测指标。

操作步骤

1. 输入培训对象和课程目标；2. 要求区分知识、技能、态度与迁移；3. 为每项生成可观察行为；4. 再由馆员选择可测指标。

可直接复制的提示词

为“高校图书馆员生成式AI素养4小时培训”设计评价框架。按知识、操作技能、证据核验、隐私伦理、岗位迁移五维输出；每维提供1个学习结果、1个前测题、1个实作任务、1个评分标准和1个常见误判。不要生成无法在培训现场收集的数据。

预期输出

评价矩阵、评分量表草案和需补证据清单。

馆员人工复核要点

指标能否观察和评分；是否把“满意”误当“学会”；题目是否泄露答案或涉及个人数据。

案例三：比较三种AI参考咨询实施方案

任务背景

管理者需要比较“馆员个人试用、统一账号、API嵌入”三种方式。

操作步骤

1. 给出本馆规模和限制；2. 指定比较维度；3. 要求列出失败条件；4. 用实际采购、信息安全和业务数据替换假设。

可直接复制的提示词

比较三种AI辅助参考咨询方案：馆员个人账号、机构统一账号、API嵌入咨询台。按数据安全、证据可追溯、账号治理、费用、培训、故障替代、审计和扩展性输出矩阵。未知信息写“待确认”，不要假设平台具备机构能力。最后给出试点前必须向供应商询问的12个问题。

预期输出

方案对比矩阵、供应商问卷和试点门槛。

馆员人工复核要点

所有费用与数据条款回到现行合同；模型建议不能替代采购、法务和信息安全审查。

七、新手最容易犯的八个错误

1. 把模型“会解释”当作“知道事实”。
2. 一次塞入过多任务，导致约束互相冲突。
3. 不说明时间、对象和成果格式。
4. 要求“给权威文献”却不逐条核验题名和DOI。
5. 只要求最佳方案，不要求反例和失败条件。
6. 上传读者记录、采购材料或未公开数据。
7. 不记录模型、日期和人工修改。
8. 把个人账号的免费体验等同于机构级服务。

八、隐私、数据安全与版权

输入前实行绿、黄、红三级数据管理：公开资料可用；内部材料必须脱敏并确认授权；读者身份、借阅记录、账号密钥、未公开人事采购和涉密信息禁止上传。API密钥只放服务器端，不写进网页、课件或共享代码。对生成文字、代码和图片仍需检查版权、事实和AIGC标识要求。使用前查看DeepSeek隐私政策及当前服务条款。

九、一页式操作清单

使用前

• 明确对象、期限、范围、产出和风险；
• 删除个人信息、密钥和未公开材料；
• 设定权威来源与不得推测事项。

使用中

• 先让模型复述任务和缺失信息；
• 固定输出字段；
• 要求反证、限制和未知项；
• 对关键数字、引文和书目做标记。

使用后

• 回到官方网站、数据库、OPAC或原文；
• 保存提示词、模型、日期和修改记录；
• 由对应业务人员审核；
• 公开材料执行版权与AIGC标识规则。

十一、结论与使用建议

DeepSeek适合作为复杂任务的“结构化草稿台”。图书馆可优先在问题重构、培训设计、方案比较和内部文本整理中试用；凡涉及事实证明、正式检索、高风险判断或外部发布，必须增加来源核验、专业系统检索和人工审批。

参考来源与延伸阅读

1. DeepSeek官方网站，访问于2026年9月1日。
2. DeepSeek开放平台文档，访问于2026年9月1日。
3. DeepSeek API价格说明，动态模型与计费，访问于2026年9月1日。
4. DeepSeek GitHub组织页，开源模型与技术资料。
5. DeepSeek隐私政策，使用前应复核当前版本。
6. 项目内部资料：《面向图书馆工作的AI应用深度调研报告》及AI4L工具实验室任务卡。

更新提示： 模型、免费额度、价格、联网能力和服务条款变化较快，正式培训或采购前须再次核对官方页面。