《
deepseek原理应用与实践》
6.deepseek极限潜能 - 认知脚手架
deepseek原理+应用+实践，和大家分享：
今天和大家聊聊，deepseek核心技术（之一）：
认知脚手架
。
什么是认知脚手架？
认知脚手架，
Cognitive Scaffolding
，是一个跨学科的概念，源自教育心理学，最初用于写作的学习。老师通过
提问，示范，结构化模板
，帮助学生输出高质量的文章，快速掌握创作技巧。
画外音：额，像极了我背高考作文。
它模拟的是建筑学中的“脚手架”概念，通过：
1. 大问题拆解小问题；
2. 分阶段；
3. 组合搭建；
4. 结构化模板；
等方式，在“大厦”建成的前期，提供重要的临时支撑。
例如，学生们在面对“月球为什么不会飞向太阳”这个问题时，往往不知道从何下手。
但老师通过认知脚手架引导：
1. 天体间最重要的作用力是什么？
2. 引力与什么相关？
3. 如何计算月球与地球，太阳的引力？
4. 步骤3中的结论是什么？
ru此一来，就很容易
逻辑推理
的答案。
认知脚手架对于deepseek深度思考，撰写高效提示词，都有非常重要的借鉴意义。
deepseek的输出质量为何如此之高？
除了之前提到过多跳推理，MOE等技术，认知脚手架也功不可没。
面对用户提出的问题，deepseek不是一上来就解题，而是先进行深度思考。
在deepseek深度思考的过程中，将问题
化整为零
，通过
分阶段思考
，
结构化引导
，在问题与答案之间建立临时的桥梁，将模糊的问题转化为可执行的步骤，显著提升输出的质量。
画外音：特别是在编程，数学这一类精确任务中，尤为有效。
我尝试着将“月球为什么不会飞向太阳”这个问题抛给deepseek，deepseek是这么深度思考的：
首先，我要回忆一下万有引力定律…
接下来，我要考虑三者之间引力的关系…
另外，我要考虑参考系…
是否需要考虑希尔球的概念…
是否需要考虑轨道速度，角动量守恒…
整个深度思考耗时92秒，占了用户等待的绝大部分时间。
认知脚手架，对我们写提示词，获取更佳的回答质量有什么启示呢？
deepseek通过认知脚手架，通过深度思考，能极大提升输出质量，但有一些
潜在问题
：
1. 深度思考占用了大部分注意力，
消耗了大量计算资源
；
2.
推理逻辑可能有偏差
，与用户的期望有差距；
在求解
熟悉领域的问题时
，用户如果通过提示词帮助deepseek构建认知脚手架：
1. 能极大节省计算资源，让deepseek将注意力聚焦问题的解答，而不是解答过程；
2. 能输出更符合用户预期的结果；
更具体来说，流程、示范、结构化模板，都非常的有效。
bad case：请帮我定位与修复异常代码。
good case：请帮忙通过以下步骤定位与修复异常代码：
1. 查看调用链中的异常信息，定位出错模块
2. 查看出错模块的日志信息，定位异常代码的源文件名，函数名
3. 分析源文件相关函数
4. 修复相关函数
总之，当我们自己是相关问题的领域专家时，我们是如何思考与解题的，就显性的用提示词告诉deepseek如何思考与解题，能极大提升输出效率。
总结
1. 认知脚手架是deepseek的核心技术（之一）；
2. deepseek通过深度思考，将问题化整为零，在问题与答案之间建立桥梁，提升输出的质量；
3. 在专家领域，通过认知脚手架优化提示词，能提升输出的质量与效率；
一切的一切，
提示词只有适配了AI的认知模式，才能最高效的发挥最大的作用。
https://ucwbling.chicagolandwritingcenters.org/cognitive-scaffolding-what-and-how/
