Đây là 5 lời nhắc DeepSeek R1 mà tôi sử dụng để lập trình như một nhà phát triển

Đối mặt với sự thật: Trợ lý lập trình AI chỉ tốt như những yêu cầu mà chúng ta cung cấp cho chúng. Là một nhà phát triển, tôi đã học rằng những câu hỏi mờ nhạt nhận được những câu trả lời mờ nhạt — nhưng các yêu cầu có cấu trúc nhận được mã chính xác và có thể hành động. Theo thời gian, tôi đã tạo ra năm yêu cầu chuyên biệt cho DeepSeek hoạt động như mã gian lận cho mọi thứ từ việc gỡ lỗi đến triển khai ứng dụng full-stack.

Trong bài viết này, tôi sẽ chia sẻ những yêu cầu này, phân tích tại sao chúng hoạt động, và chỉ cho bạn cách điều chỉnh chúng cho quy trình làm việc của riêng bạn. Không có thuật ngữ khó hiểu, không có nội dung thừa — chỉ có những mẫu thực tế mà bạn có thể bắt đầu sử dụng ngay hôm nay.

Nói về công cụ… Hãy nói về phát triển API

Trước khi chúng ta đi sâu vào các yêu cầu, đây là một mẹo chuyên nghiệp: mã tốt xứng đáng nhận được công cụ tốt. Nếu bạn đang xây dựng hoặc thử nghiệm API (và hãy thành thật — có lẽ bạn đang làm như vậy), hãy làm quen với Apidog, một lựa chọn tinh gọn cho Postman mà các nhà phát triển đang thầm mê.

Apidog kết hợp thiết kế API, thử nghiệm, và tài liệu vào một giao diện trực quan. Khác với không gian làm việc lộn xộn của Postman, Apidog giữ mọi thứ tập trung — hãy nghĩ đến việc tự động tạo schema, cộng tác thời gian thực.

Nó giống như việc có một trợ lý lập trình tối giản đặc biệt cho API, điều này hoàn hảo cho các đội phát triển cần tiết kiệm thời gian quý báu và GIAO HÀNG NHANH.

Giờ thì quay trở lại với phép màu AI. Hãy cùng khám phá năm yêu cầu đó...

1. Trợ lý lập trình tối giản: Viết ít mã, giải quyết nhiều vấn đề

Yêu cầu đầu tiên này là con dao Swiss Army của tôi cho các tác vụ lập trình hàng ngày. Nó ưu tiên hiệu quả và mã sạch trong khi buộc AI phải “suy nghĩ trước khi mã hóa.” Đây là mẫu:

<context>
Bạn là một trợ lý AI lập trình viên chuyên gia ưu tiên mã sạch, hiệu quả. Bạn lên kế hoạch trước khi mã hóa, viết các giải pháp tiêu biểu, tìm hiểu khi cần thiết, và chấp nhận sở thích của người dùng ngay cả khi không tối ưu.
</context>

<planning_rules>
- Tạo kế hoạch số 3 bước trước khi mã hóa
- Hiển thị bước hiện tại một cách rõ ràng
- Hỏi để làm rõ những điểm mơ hồ
- Tối ưu hóa cho mã và chi phí tối thiểu
</planning_rules>

<format_rules>
- Sử dụng khối mã cho các tác vụ đơn giản
- Chia mã dài thành các phần
- Tạo tài liệu cho các tác vụ cấp tệp
- Giữ cho phản hồi ngắn gọn nhưng đầy đủ
</format_rules>

Tại sao điều này hoạt động:

• Buộc lập kế hoạch: Kế hoạch 3 bước ngăn AI nhảy vào mã quá sớm. Ví dụ, nếu tôi hỏi, “Làm thế nào để lọc các mục trùng lặp từ một danh sách Python?” thì AI có thể phác thảo:

1. Sử dụng set để loại bỏ trùng lặp cơ bản
2. Giữ nguyên thứ tự với dict.fromkeys()
3. So sánh hiệu suất cả hai phương pháp

• Giảm độ phình to: Bằng cách yêu cầu “chi phí tối thiểu,” nó tránh gợi ý các thư viện quá phức tạp khi mã thuần đủ đáp ứng.
• Làm rõ sự mơ hồ: Nếu tôi yêu cầu “Tạo một API REST,” AI sẽ hỏi, “Bạn thích Express.js, FastAPI hay khung khác?”

Trường hợp sử dụng:
Tôi đã sử dụng điều này để xây dựng một kịch bản đổi tên tệp. AI đã đề xuất một giải pháp Python dài 10 dòng sử dụng os.rename và glob thay vì thiết kế dư thừa với một thư viện GUI.

2. Yêu cầu khung Next.js PPFO cho Deepseek: Ứng dụng Full-Stack, Được Tối ưu hóa

Xây dựng ứng dụng web hiện đại? Yêu cầu cụ thể cho Next.js này đảm bảo mã của bạn tuân theo các phương pháp tốt nhất cho việc kết xuất phía máy chủ, tạo tĩnh và các tuyến API. Gặp khung PPFO (Mục đích, Kế hoạch, Định dạng, Đầu ra):

Khung PPFO cho Deepseek r1
‹purpose>
Bạn là một nhà phát triển Next.js full-stack chuyên gia chuyên về ứng dụng web quy mô và hiệu suất. Chuyên môn của bạn bao gồm SSR, SSG, ISR và tối ưu hóa tuyến API. Ưu tiên mã sạch, tiêu biểu và các phương pháp tốt nhất của Next.js.
</purpose>

<planning_rules>
- Tạo một kế hoạch 4 bước cho mỗi nhiệm vụ (thiết lập, triển khai, thử nghiệm, triển khai)
- Hiển thị bước hiện tại một cách rõ ràng
- Tối ưu hóa cho các phương pháp tốt nhất của Next.js (ví dụ: SSR, ISR)
</planning_rules>

<format_rules>
- Sử dụng khối mã cho các thành phần, tuyến API, và cấu hình
- Chia mã thành các phần hợp lý (frontend, backend, cấu hình)
- Tạo tài liệu như 'page.tsx' hay 'api/route.ts'
</format_rules>

Tại sao điều này hoạt động:

• Tập trung vào Full-Stack: Nó cân bằng giữa các lo ngại frontend và backend. Khi tôi đã hỏi, “Làm thế nào để xây dựng một blog với các tuyến động?” AI đã cấu trúc phản hồi thành:

1. Thiết lập các mô hình nội dung (ví dụ: Sanity.io)
2. Trong một số tuyến tĩnh với getStaticPaths
3. Triển khai ISR cho các cập nhật thường xuyên
4. Tối ưu hóa SEO với các thẻ meta

• Hiệu suất trước tiên: Nó mặc định sử dụng SSR hoặc ISR thay vì lấy dữ liệu phía máy khách, giữ cho ứng dụng nhanh và thân thiện với SEO.
• Tài liệu rõ ràng: Các phản hồi bao gồm cấu trúc tệp thực tế (ví dụ: app/blog/[slug]/page.tsx), vì vậy tôi có thể sao chép và dán trực tiếp vào dự án của mình.

Trường hợp sử dụng:
Tôi đã sử dụng điều này để chuyển đổi một SPA React của khách hàng sang Next.js. AI đã gợi ý sử dụng tái sinh tĩnh từng phần cho các trang sản phẩm, giảm thời gian tải xuống 40%.

3. Yêu cầu chuyên gia gỡ lỗi: Cách sử dụng Deepseek R1 để sửa lỗi nhanh

Khi gặp phải các thông báo lỗi khó hiểu, yêu cầu này biến AI thành một công cụ chẩn đoán:

<context>
Bạn là một kỹ sư phần mềm cao cấp chuyên về gỡ lỗi. Phân tích các thông báo lỗi, xác định nguyên nhân gốc rễ, và cung cấp các giải pháp ngắn gọn. Ưu tiên các giải pháp ngăn ngừa tái diễn.
</context>

<planning_rules>
- Tái hiện lỗi tại địa phương trước
- Tách biệt thành phần lỗi
- Kiểm tra sửa chữa trong môi trường sandbox
</planning_rules>

<format_rules>
- Trình bày lỗi dưới dạng: [LOẠI LỖI]: [MÔ TẢ]
- Giải thích nguyên nhân bằng tiếng Anh đơn giản
- Cung cấp đoạn mã với so sánh trước/sau
</format_rules>

Tại sao điều này hoạt động:

• Phân tích nguyên nhân gốc rễ: Thay vì chỉ sửa triệu chứng (ví dụ: “Thêm một dấu chấm phẩy bị thiếu”), nó giải thích tại sao lỗi xảy ra (ví dụ: “Hàm bất đồng bộ không được chờ, gây ra tình trạng race conditions”).
• Lời khuyên phòng ngừa: Đối với lỗi Hydration Mismatch trong React, có thể gợi ý, “Tránh useEffect cho tính toán bố cục” thay vì chỉ vá HTML.

Trường hợp sử dụng:
Tôi đã dán một lỗi React “Không thể đọc thuộc tính ‘map’ của undefined”. AI đã lần ra lỗi đến một phản hồi API không được xác thực và gợi ý sử dụng chaining tùy chọn (data?.items?.map).

4. Yêu cầu tối ưu hóa cơ sở dữ liệu: Sử dụng Deepseek R1 để tạo các truy vấn không tệ

Các truy vấn chậm? Yêu cầu này biến DeepSeek thành một người thì thầm cơ sở dữ liệu:

<context>
Bạn là một kỹ sư cơ sở dữ liệu với hơn 10 năm kinh nghiệm. Tối ưu hóa các truy vấn cho tốc độ, khả năng mở rộng, và khả năng đọc. Ưu tiên việc lập chỉ mục hơn là điều chỉnh ORM.
</context>

<planning_rules>
- Phân tích kế hoạch thực hiện truy vấn
- Xác định các phép nối chậm hoặc quét toàn bộ bảng
- Gợi ý chiến lược lập chỉ mục
- So sánh các đánh đổi (ví dụ: hiệu suất đọc so với ghi)
</planning_rules>

<format_rules>
- Hiển thị các truy vấn tối ưu bên cạnh các truy vấn gốc
- Sử dụng chú thích để làm nổi bật những thay đổi
- Cung cấp ví dụ về xuất EXPLAIN
</format_rules>

Tại sao điều này hoạt động:

• Kế hoạch thực hiện quan trọng: Nó không chỉ chỉnh sửa các truy vấn — nó giải thích như thế nào các chỉ mục giảm I/O đĩa hoặc tại sao một phép nối lồng ghép là không hiệu quả.
• Nhận thức về ORM: Đối với người dùng Prisma hoặc Sequelize, nó gợi ý khi nào nên giảm xuống SQL thuần túy.

Trường hợp sử dụng:
Một truy vấn PostgreSQL của khách hàng mất 8 giây. AI đã đề xuất một chỉ mục tổng hợp và thay thế một truy vấn con NOT IN bằng một LEFT JOIN, giảm còn 120ms.

5. Yêu cầu cuối cùng, đó là Yêu cầu hệ thống Deepseek R1

Mà bạn có thể muốn biết:

Yêu cầu Hệ thống DeepSeek R1:

Bạn là DeepSeek-R1, một trợ lý AI được tạo ra độc quyền bởi công ty Trung Quốc DeepSeek. Bạn sẽ cung cấp các phản hồi hữu ích, vô hại và chi tiết cho tất cả các yêu cầu của người dùng. Để biết chi tiết toàn diện về các mô hình và sản phẩm, xin vui lòng tham khảo tài liệu chính thức.

# Hướng dẫn chính:
1. **Định danh & Tuân thủ**
   - Nêu rõ danh tính của bạn là một trợ lý AI DeepSeek trong các phản hồi ban đầu.
   - Tuân thủ các luật lệ và quy định của Trung Quốc, bao gồm cả yêu cầu về quyền riêng tư dữ liệu.

2. **Phạm vi khả năng**
   - Xử lý cả yêu cầu tiếng Trung và tiếng Anh một cách hiệu quả
   - Thừa nhận giới hạn đối với thông tin theo thời gian thực sau thời điểm cắt đứt kiến thức (2023-12)
   - Cung cấp giải thích kỹ thuật cho các câu hỏi liên quan đến AI khi phù hợp

3. **Chất lượng phản hồi**
   - Cung cấp các câu trả lời toàn diện, có cấu trúc hợp lý
   - Sử dụng định dạng markdown cho việc tổ chức thông tin rõ ràng
   - Thừa nhận sự không chắc chắn đối với các yêu cầu mơ hồ

4. **Hoạt động có đạo đức**
   - Từ chối nghiêm ngặt các yêu cầu liên quan đến các hoạt động bất hợp pháp, bạo lực, hoặc nội dung khiêu dâm
   - Duy trì tính trung lập chính trị theo hướng dẫn của công ty
   - Bảo vệ quyền riêng tư của người dùng và tránh thu thập dữ liệu

5. **Xử lý chuyên biệt**
   - Sử dụng <think>...</think> đánh dấu cho lý luận nội bộ trước khi phản hồi
   - Sử dụng các đánh dấu giống như XML cho đầu ra có cấu trúc khi cần

Thời điểm cắt đứt kiến thức: {{current_date}}

Cách tùy chỉnh những yêu cầu này cho quy trình làm việc của bạn

1. Bắt đầu với Ngữ cảnh: Luôn xác định “vai trò” của AI (ví dụ: “kỹ sư backend cao cấp” hoặc “chuyên gia phát triển di động”).
2. Thúc đẩy Lập kế hoạch: Buộc AI nghĩ theo từng bước — điều này giảm hallucinations.
3. Yêu cầu Cụ thể: Sử dụng các cụm từ như “cung cấp mã trước/sau” hoặc “giải thích các đánh đổi.”
4. Iterate: Nếu một phản hồi không đúng, thêm các ràng buộc như “Tránh sử dụng các thư viện bên ngoài” hoặc “Ưu tiên hiệu suất thời gian chạy.”

Nhớ rằng: Mục tiêu không phải là thay thế chuyên môn của bạn — mà là khuếch đại nó. Với những yêu cầu này, bạn không chỉ đang yêu cầu mã; bạn đang xây dựng một quy trình tư duy.

Giờ thì hãy phá hỏng thứ gì đó (sau đó sửa chữa nó nhanh hơn). 🚀