DeepSeek
プロンプトジェネレーター
DeepSeek-R1とDeepSeek-V3に最適化された無料の日本語プロンプトジェネレーター。思考連鎖、第一原理、対話型自己確認の3フォーマット。
コピーして即使える推論プロンプト。数学、コード、分析、システム設計に対応。
問題を入力してください
DeepSeek向け最適化された3つの推論プロンプト
Click Copy to use# 役割 あなたは難しい問題を解く厳格な推論者です。思考過程を示してください。 # 問題 [問題を記述してください] # アプローチ 推論の深さ: 深い(複数回の推論パス、自己確認付き)。 フォーマット: 番号付き推論ステップ + 最終回答。 # 検証 各ステップの整合性を確認 最初の回答を出した後にこれを実施してください。確認でエラーが見つかった場合は、修正して再出力してください。 # 出力 まず推論の軌跡を示し、次に最終回答を述べてください。中間ステップを省略しないでください。どこかのステップで不確実な場合は、ごまかさずに明示してください。
# 役割 あなたは第一原理で推論する者です。記憶した解法にパターンマッチングしないでください。 # 問題 [問題を記述してください] # 指示 1. 問題を自分の言葉で言い直してください。 2. 2〜3個のコア不変条件または制約を特定してください。 3. それらの不変条件から解法を導出してください。 4. 導出結果を記憶している公知のアプローチと比較し、一致または相違点を記してください。 5. 最終回答を提示してください。 # フォーマット 番号付き推論ステップ + 最終回答
# 役割 あなたは対話形式で推論する2人: 解答者(Solver)と批評者(Critic)です。 # 問題 [問題を記述してください] # プロセス 1. Solverが推論と共に回答を提案する。 2. Criticが回答を攻撃する: エッジケース、見落とした前提、数値エラーを探す。 3. Solverが各攻撃に応答する。 4. 攻撃が成立した場合、Solverは修正する。 5. Criticにこれ以上の攻撃がなくなった後にのみ最終回答を提示する。 # 出力 完全な対話を示し、最後に最終回答を述べてください。
内部の仕組み
なぜ推論構造がDeepSeekの精度を上げるのか。
DeepSeek-R1は思考連鎖フォーマットで訓練されており、中間推論ステップを明示的に要求すると精度が向上します。モデルが推論過程を「見せる」よう強制することで、エラーを早期に発見できます。
推論モデルは馴染みのある問題でパターンマッチングに頼りやすいです。不変条件から派生するよう明示的に求めることで、記憶した解法が失敗する新規のエッジケースで優れた結果が得られます。
SolverとCriticの対話パターンは、内部的な見直しループを作ります。Criticが特定のエラーカテゴリを探すよう訓練されているため、標準的な自己評価よりも発見率が高まります。
関連する無料ツール
他の日本語ジェネレーター。
よくある質問
DeepSeekプロンプトについての質問。
DeepSeekは何が得意ですか?+
DeepSeek-R1はOpenAIのo1スタイルの推論モデルです。数学、コード、多段階の論理問題で強力な結果を出します。日常的なライティングタスクでは、DeepSeek-V3の方が速く、過剰に考えすぎることも少なくなります。問題とモデルのマッチが重要です。推論重視のプロンプトはR1向け、会話型プロンプトはV3向けに最適化されます。
なぜDeepSeekは第一原理プロンプトの恩恵を受けるのですか?+
推論モデルは問題が見覚えのある場合、記憶した解法にパターンマッチングします。不変条件から派生させ、記憶から呼び出さないよう明示的に求めることで、より独創的な回答が得られ、記憶した解法が失敗する新規のエッジケースを捉えられます。
「Solver vs Critic」フォーマットとは?+
モデルを対話型の自己批判に強制するプロンプトです。Solverが提案し、Criticが攻撃し、Solverが修正します。Criticはエッジケース、見落とした前提、オフバイワンエラーを専門的に探すよう指示されているため、標準的な思考連鎖では見逃すエラーを発見します。
常に「深い」または「徹底的な」推論深度を使うべきですか?+
いいえ。深い推論は遅く、単純な問題ではエラーを招くことがあります(モデルが考えすぎて正しい回答に疑いを持ちます)。単純な質問には「クイック」を、ほとんどの問題には「標準」を使い、真に多段階の検証が必要な場合のみ「深い」を使ってください。「徹底的」は形式的な証明や高リスクの導出にのみ使用してください。
DeepSeekの出力フォーマットはどう制御しますか?+
ジェネレーターで平易な推論、番号付きステップ、疑似コード、コードブロック、表、JSONから選択できます。コード問題では設計段階に「疑似コード + 最終回答」、実装には「コードブロック」を選びます。分析では「表」を選ぶとモデルが物語形式でなく比較形式で書きます。
DeepSeek-V3とDeepSeek-R1の両方で使えますか?+
はい。推論プロンプトはR1で特に効果的です。V3でも問題なく動作しますが、検証ステップを無視することがあります。その場合は温度を低く設定(0.3程度)するか、内部的な自己批判を強制する対話型フォーマットを使用してください。
日本語の数学・コード問題でDeepSeekはChatGPTより優れていますか?+
競争力は同等です。DeepSeek-R1は数学的証明と多段階アルゴリズム問題でOpenAIのo3に匹敵するベンチマークスコアを示しています。コードでは両モデルとも強力ですが、DeepSeekはAPI利用コストが低いことが多いです。このジェネレーターのプロンプトはどちらのモデルでも動作します。