简介这份PDF面向小红书运营者、内容创作者与品牌号操盘手围绕Deepseek大模型的高级指令展开帮助解决标题吸引力不足、互动率偏低、文案风格不统一等实际运营难题。资源共1个PDF文件压缩包约1.45MB内容以可直接套用的指令模板为主覆盖爆款标题、互动增强、内容创意、Emoji添加、口播脚本、种草文案、文章续写、广告策划、文本改写及热门问题策划等模块每类指令均包含角色设定、背景说明与具体要求并预留行业、主题、字数等填空位便于按需改写。已有86人学习适合希望借助大模型提升内容质量与账号影响力的运营新手及进阶创作者参考。1. 一份 PDF 指令集凭什么让小红书运营效率翻倍小红书运营的日常说白了就是三件事找选题、写笔记、盯数据。这三件事单独拎出来都不难难的是每天重复做、批量做、还要保证质量不崩。我见过太多团队在这个环节卡住——一个人一天憋出三篇笔记就到顶了标题还得反复改封面文案和正文标签经常对不上。而「Deepseek【小红书运营】高级指令.pdf」这个标题指向的本质上是一套把 DeepSeek 变成小红书运营助手的结构化提示词方案。它不是某个官方文档也不是某个付费课程而是一份把运营经验翻译成模型能听懂的角色设定、任务拆解和输出约束的指令集合。适合谁用一个人管多个账号的独立运营者、小团队里没有专职文案的操盘手、以及想把 DeepSeek 接入自己工作流的技术同学。核心逻辑就一句话把「写一篇小红书笔记」拆成模型能稳定执行的步骤而不是每次靠运气抽卡。2. 拆解高级指令从角色设定到输出约束的完整链路2.1 为什么普通提示词写不出合格的小红书笔记大多数人用 DeepSeek 写小红书笔记提示词长这样「帮我写一篇关于护肤的小红书笔记」。结果拿到的东西要么像百科词条要么像淘宝详情页完全没有小红书那种「姐妹我跟你说」的语感。问题出在三个地方第一模型不知道你是谁、写给谁看默认输出中性偏正式的语气第二模型不知道小红书的平台特性——标题要带情绪钩子、正文要短句分段、标签要蹭搜索流量第三模型不知道「合格」的标准是什么你让它写它就写写完你还要花二十分钟改。高级指令的核心思路是把这三个缺口一次性补上。角色设定解决「谁在说」任务拆解解决「说什么」输出约束解决「怎么说」。这三层缺一层出来的东西就得返工。我自己的血泪经验是与其每次写一长串提示词不如把这三层固化成一个可复用的指令模板每次只换产品信息和选题方向。2.2 角色设定层让 DeepSeek 变成「小红书爆款写手」角色设定不是写一句「你是一个小红书运营专家」就完事。模型对「专家」的理解太宽泛它可能给你输出一份行业分析报告。有效的角色设定要包含四个要素身份、经验年限、内容风格、以及一个具体的对标账号或内容类型。我一般会这样写你是一个有 3 年小红书运营经验的母婴赛道博主账号粉丝 2.3 万 内容风格是「闺蜜聊天式种草」擅长用短句和口语化表达 每篇笔记的标题都带一个具体的数字或场景钩子。 你的对标账号是「XX 妈妈」此处替换为你实际参考的账号类型。这段设定的关键参数是「经验年限」和「内容风格」。经验年限给模型一个能力锚点3 年和 10 年写出来的东西深度不一样。内容风格决定语感「闺蜜聊天式」和「专业测评式」出来的句子结构完全不同。对标账号类型是给模型一个隐性的风格参照不需要真的去抓那个账号的数据只要描述清楚类型就行。注意角色设定里不要写「你是最厉害的」「你是顶级专家」这类空泛的赞美词模型对这类词不敏感反而会稀释具体指令的权重。2.3 任务拆解层把「写笔记」拆成模型能执行的步骤直接让模型「写一篇笔记」它会把选题、标题、正文、标签混在一起生成质量不稳定。高级指令的做法是把任务拆成有序步骤每一步的输出作为下一步的输入。我常用的拆解是五步选题确认、标题生成、正文撰写、标签匹配、违禁词自检。请按以下步骤完成任务每步输出后等我确认再进入下一步 步骤 1根据我提供的产品信息给出 3 个小红书选题方向 每个方向附一句目标人群描述和搜索关键词。 步骤 2从 3 个选题中选一个生成 5 个标题 要求每个标题不超过 20 字带数字或场景词至少 2 个带情绪钩子。 步骤 3基于选定标题写一篇 300-500 字的正文 要求开头 2 行内出现核心关键词每段不超过 3 行结尾带互动引导。 步骤 4生成 8-12 个标签包含 2 个大词、4 个中词、4 个长尾词。 步骤 5检查全文是否有小红书违禁词或极限词列出并替换。这个拆解的逻辑是选题决定方向标题决定点击正文决定停留标签决定搜索曝光违禁词检查决定笔记能不能活。每一步都有明确的输出格式和数量要求模型不容易跑偏。参数上「300-500 字」是小红书笔记的舒适区太短信息量不够太长用户划走。「8-12 个标签」是实测下来既能覆盖搜索又不显得堆砌的范围。2.4 输出约束层格式、语气和违禁词的三重保险输出约束是高级指令里最容易被忽略但最影响落地效果的部分。没有约束模型会自由发挥给你加小标题、加序号、加总结段落这些在小红书笔记里都是减分项。约束要写清楚三件事格式禁止项、语气要求、违禁词规则。输出约束 - 禁止使用 markdown 格式禁止加粗、斜体、标题符号。 - 禁止出现「首先」「其次」「最后」「综上所述」等书面连接词。 - 正文中每段不超过 3 行段与段之间空一行。 - 语气要求像跟朋友发微信一样可以用「真的」「绝了」「谁懂」等口语词。 - 违禁词规则禁止出现「最」「第一」「绝对」「100%」「根治」「永久」等极限词 如无法避免用「很」「挺」「个人觉得」「目前用下来」替代。格式禁止项解决的是「模型默认输出 markdown」的问题这个坑我踩过很多次不写禁止项模型一定会给你加粗和列表。语气要求里的口语词是给模型一个语感锚点它看到「谁懂」就知道要往哪个方向靠。违禁词规则是小红书的硬红线极限词轻则限流重则违规让模型自己检查比人工快得多。提示违禁词列表不是固定的不同时期平台规则会变。建议每月手动更新一次指令里的违禁词清单或者把这一步单独拆出来用脚本做后处理。3. 把指令跑起来DeepSeek 调用方式与参数配置3.1 网页版直接粘贴最快上手路径如果你只是想快速试一下这套指令的效果网页版是最短路径。打开 DeepSeek 网页版把角色设定、任务拆解、输出约束三段拼成一条完整提示词粘贴进去然后在末尾附上你的产品信息。注意网页版有上下文长度限制如果你的指令模板很长建议把「输出约束」精简到最核心的几条或者分两次对话完成——第一次发角色设定和任务拆解第二次发具体产品信息。我一般会这样组织网页版的输入[角色设定] 你是一个有 3 年小红书运营经验的母婴赛道博主…… [任务拆解] 请按以下步骤完成任务…… [输出约束] - 禁止使用 markdown 格式…… [本次任务] 产品某品牌婴儿润肤霜主打无香精、适合敏感肌 目标人群是 0-3 岁宝宝的妈妈价格区间 80-120 元。 请从步骤 1 开始。这种组织方式的好处是指令模板可以存下来反复用每次只换「本次任务」部分。网页版的缺点是没法自动化适合单篇打磨不适合批量生产。3.2 API 调用批量生成笔记的最小代码要批量做就得走 API。DeepSeek 的 API 兼容 OpenAI 的调用格式用 Python 的 openai 库就能直接调。下面是一个最小可运行示例from openai import OpenAI import time client OpenAI( api_key你的 DeepSeek API Key, base_urlhttps://api.deepseek.com # DeepSeek 的 API 地址 ) # 指令模板角色设定 任务拆解 输出约束 system_prompt 你是一个有 3 年小红书运营经验的母婴赛道博主账号粉丝 2.3 万 内容风格是「闺蜜聊天式种草」擅长用短句和口语化表达。 请按以下步骤完成任务 1. 根据产品信息给出 3 个选题方向 2. 生成 5 个标题每个不超过 20 字 3. 写一篇 300-500 字正文每段不超过 3 行 4. 生成 8-12 个标签 5. 检查违禁词并替换 输出约束 - 禁止 markdown 格式 - 禁止书面连接词 - 禁止极限词 def generate_note(product_info): response client.chat.completions.create( modeldeepseek-chat, # 模型名称 messages[ {role: system, content: system_prompt}, {role: user, content: f产品信息{product_info}} ], temperature1.3, # 小红书文案需要一定创造性温度调高 max_tokens2000, # 单篇笔记足够 top_p0.9 ) return response.choices[0].message.content # 批量处理 products [ 婴儿润肤霜无香精敏感肌适用80-120元, 儿童防晒霜物理防晒SPF3060-90元, 宝宝洗衣液植物配方1L装45元 ] for p in products: result generate_note(p) print(f--- 产品{p[:20]}... ---) print(result) print() time.sleep(1) # 避免请求过快触发限流这段代码的关键参数有三个。temperature1.3是小红书文案的甜点区太低会写得像说明书太高会胡言乱语1.2-1.5 之间实测比较稳。max_tokens2000对单篇笔记绰绰有余设太大反而浪费。time.sleep(1)是防限流的批量跑的时候不加这个跑到十几条就可能报错。注意API Key 不要硬编码在代码里用环境变量或者配置文件读取。另外 DeepSeek 的 API 价格按 token 计费批量跑之前先算一下成本一般单篇笔记的 token 消耗在 1500-2500 之间。3.3 参数调优temperature、top_p 和 max_tokens 怎么设这三个参数是控制输出质量的核心杠杆但很多人要么用默认值要么乱设。我按小红书笔记的场景给一组参考值参数推荐值作用调高会怎样调低会怎样temperature1.2-1.5控制随机性更有创意但可能跑题更稳定但偏死板top_p0.85-0.95控制候选词范围用词更丰富可能不连贯用词更保守重复率高max_tokens1500-2500限制输出长度可能生成冗余内容正文可能被截断frequency_penalty0.3-0.5降低重复用词用词更多样可能反复说同一件事presence_penalty0.2-0.4鼓励新话题内容更发散内容更聚焦我的习惯是 temperature 和 top_p 只调一个另一个保持默认。因为这两个参数都在控制随机性同时调容易互相干扰。批量生成时 temperature 设 1.3top_p 保持默认 1.0如果发现输出太飘把 temperature 降到 1.1top_p 不动。4. 避坑与排查指令跑不通时先看这五条4.1 模型输出带 markdown 格式粘贴到小红书全乱了现象生成的正文里出现**加粗**、- 列表、## 标题这些符号直接复制到小红书编辑器里显示异常。原因DeepSeek 默认输出 markdown 格式这是模型的训练习惯不是 bug。输出约束里如果只写「不要用 markdown」模型有时候会忽略。解决在输出约束里写死禁止项并且给一个正面示例。比如「正文直接以文字开头不要任何符号。正确示例今天给大家分享一个…… 错误示例今天给大家分享」。另外可以在 API 调用后加一步正则替换把**、##、-这些符号过滤掉。4.2 标题总是超过 20 字模型不遵守字数限制现象指令里写了「标题不超过 20 字」但模型生成的标题经常 25-30 字。原因模型对字数限制的执行力有限尤其是中文它可能按词数而不是字数来算。另外 temperature 太高时模型会优先考虑创意而不是约束。解决把字数限制改成「标题控制在 15 字以内最多不超过 18 字」给一个缓冲区间。同时在步骤 2 后面加一句「生成后自己数一下字数超过 18 字的重新生成」。实测这样能把超标率从 40% 降到 10% 左右。4.3 违禁词检查漏掉了谐音变体现象指令里让模型检查违禁词它把「最」「第一」都替换了但「蕞」「笫一」这类谐音变体没查出来。原因模型的违禁词识别基于语义理解对刻意规避的谐音变体不敏感。而且小红书实际的违禁词库比通用极限词列表大得多。解决不要完全依赖模型做违禁词检查。我的做法是模型检查一遍再用本地脚本跑一遍关键词匹配。脚本里维护一个违禁词列表包含常见谐音变体用简单的字符串匹配就能覆盖大部分场景。模型负责语义层面的检查脚本负责字面层面的兜底。4.4 批量生成时后半段质量明显下降现象用 API 批量跑 20 条笔记前 10 条质量还行后 10 条明显变水标题重复、正文套模板。原因两个可能。一是上下文累积导致模型注意力分散如果你把历史生成结果也塞进了 messages 里模型会受前面内容影响。二是 API 限流导致请求被降级处理。解决每次请求只发 system prompt 和当前产品信息不要把历史结果放进上下文。如果必须保持风格一致把前几条的优质输出作为 few-shot 示例放在 system prompt 里而不是放在对话历史里。另外批量跑的时候加time.sleep(1-2)并且监控返回的 token 数如果发现某条明显偏短大概率是被限流了重试即可。4.5 同一套指令换个品类就失效现象母婴赛道的指令模板跑得很好换成美妆或家居输出质量断崖式下跌。原因角色设定里的「母婴赛道博主」和「闺蜜聊天式种草」是强绑定的。美妆赛道需要的是「成分党」语感家居赛道需要的是「生活场景代入」语感直接套用母婴模板模型会输出不匹配的内容。解决角色设定层要按品类做微调。我的做法是维护一个角色设定库每个品类一套共用任务拆解和输出约束。切换品类时只换角色设定其他不变。这样既保证了指令的复用性又避免了语感错位。5. 进阶玩法把指令模板变成可维护的运营资产5.1 用变量替换让一套模板覆盖多品类前面提到角色设定要按品类微调但每次手动改很麻烦。更高效的做法是把指令模板里的可变部分抽成变量用 Python 的字符串格式化或者 Jinja2 模板引擎来管理。from string import Template template Template( 你是一个有 $years 年小红书运营经验的$category 赛道博主 内容风格是「$style」擅长用短句和口语化表达。 请按以下步骤完成任务 1. 根据产品信息给出 3 个选题方向 2. 生成 5 个标题每个不超过 18 字 3. 写一篇 300-500 字正文每段不超过 3 行 4. 生成 8-12 个标签 5. 检查违禁词并替换 输出约束 - 禁止 markdown 格式 - 禁止书面连接词 - 禁止极限词 ) # 不同品类的配置 configs { 母婴: {years: 3, category: 母婴, style: 闺蜜聊天式种草}, 美妆: {years: 5, category: 美妆, style: 成分党测评式}, 家居: {years: 4, category: 家居, style: 生活场景代入式} } for name, cfg in configs.items(): prompt template.substitute(cfg) print(f--- {name} 赛道指令 ---) print(prompt[:100] ...)这样维护的好处是任务拆解和输出约束只需要改一处所有品类同步生效。变量部分单独维护新增品类只需要加一条配置。5.2 用输出校验脚本做质量兜底模型输出不稳定是常态与其反复调提示词不如加一层后处理校验。我常用的校验规则有四条标题字数是否超标、正文段落是否超过 3 行、是否包含违禁词、标签数量是否在 8-12 之间。任何一条不通过就自动重试或标记人工复核。import re def validate_note(text): issues [] # 检查 markdown 符号 if re.search(r\*\*|##|^- , text, re.MULTILINE): issues.append(包含 markdown 格式符号) # 检查违禁词 banned_words [最, 第一, 绝对, 100%, 根治, 永久] for word in banned_words: if word in text: issues.append(f包含违禁词{word}) # 检查段落长度 paragraphs [p for p in text.split(\n) if p.strip()] for i, p in enumerate(paragraphs): if len(p) 150: # 约 3 行 issues.append(f第 {i1} 段超过 3 行) return issues # 使用示例 note 这是**测试**内容绝对好用100%有效。 problems validate_note(note) for p in problems: print(f发现问题{p})这个校验脚本不追求覆盖所有情况只做最基础的兜底。跑一遍校验把有问题的输出挑出来人工看一眼比全部人工检查省 80% 的时间。5.3 指令迭代的节奏每周小调每月大调指令模板不是写完就固定的。我的习惯是每周花 15 分钟看一遍这周生成的笔记数据把表现好的和表现差的各挑 3 条出来对比看差异出在哪个环节。如果是标题点击率低就调步骤 2 的标题生成规则如果是正文互动少就调步骤 3 的语气要求。每月做一次大调主要是更新违禁词列表和角色设定库把新出现的平台规则和品类变化同步进去。这套东西说到底就是一个持续迭代的运营资产不是一锤子买卖。我自己的教训是一开始总想找一个「完美指令」一劳永逸结果每次平台规则一变就手忙脚乱。后来改成小步快跑的迭代节奏反而稳定多了。希望帮到你。本文还有配套的精品资源点击获取
DeepSeek高级指令：小红书运营效率翻倍的提示词工程
简介这份PDF面向小红书运营者、内容创作者与品牌号操盘手围绕Deepseek大模型的高级指令展开帮助解决标题吸引力不足、互动率偏低、文案风格不统一等实际运营难题。资源共1个PDF文件压缩包约1.45MB内容以可直接套用的指令模板为主覆盖爆款标题、互动增强、内容创意、Emoji添加、口播脚本、种草文案、文章续写、广告策划、文本改写及热门问题策划等模块每类指令均包含角色设定、背景说明与具体要求并预留行业、主题、字数等填空位便于按需改写。已有86人学习适合希望借助大模型提升内容质量与账号影响力的运营新手及进阶创作者参考。1. 一份 PDF 指令集凭什么让小红书运营效率翻倍小红书运营的日常说白了就是三件事找选题、写笔记、盯数据。这三件事单独拎出来都不难难的是每天重复做、批量做、还要保证质量不崩。我见过太多团队在这个环节卡住——一个人一天憋出三篇笔记就到顶了标题还得反复改封面文案和正文标签经常对不上。而「Deepseek【小红书运营】高级指令.pdf」这个标题指向的本质上是一套把 DeepSeek 变成小红书运营助手的结构化提示词方案。它不是某个官方文档也不是某个付费课程而是一份把运营经验翻译成模型能听懂的角色设定、任务拆解和输出约束的指令集合。适合谁用一个人管多个账号的独立运营者、小团队里没有专职文案的操盘手、以及想把 DeepSeek 接入自己工作流的技术同学。核心逻辑就一句话把「写一篇小红书笔记」拆成模型能稳定执行的步骤而不是每次靠运气抽卡。2. 拆解高级指令从角色设定到输出约束的完整链路2.1 为什么普通提示词写不出合格的小红书笔记大多数人用 DeepSeek 写小红书笔记提示词长这样「帮我写一篇关于护肤的小红书笔记」。结果拿到的东西要么像百科词条要么像淘宝详情页完全没有小红书那种「姐妹我跟你说」的语感。问题出在三个地方第一模型不知道你是谁、写给谁看默认输出中性偏正式的语气第二模型不知道小红书的平台特性——标题要带情绪钩子、正文要短句分段、标签要蹭搜索流量第三模型不知道「合格」的标准是什么你让它写它就写写完你还要花二十分钟改。高级指令的核心思路是把这三个缺口一次性补上。角色设定解决「谁在说」任务拆解解决「说什么」输出约束解决「怎么说」。这三层缺一层出来的东西就得返工。我自己的血泪经验是与其每次写一长串提示词不如把这三层固化成一个可复用的指令模板每次只换产品信息和选题方向。2.2 角色设定层让 DeepSeek 变成「小红书爆款写手」角色设定不是写一句「你是一个小红书运营专家」就完事。模型对「专家」的理解太宽泛它可能给你输出一份行业分析报告。有效的角色设定要包含四个要素身份、经验年限、内容风格、以及一个具体的对标账号或内容类型。我一般会这样写你是一个有 3 年小红书运营经验的母婴赛道博主账号粉丝 2.3 万 内容风格是「闺蜜聊天式种草」擅长用短句和口语化表达 每篇笔记的标题都带一个具体的数字或场景钩子。 你的对标账号是「XX 妈妈」此处替换为你实际参考的账号类型。这段设定的关键参数是「经验年限」和「内容风格」。经验年限给模型一个能力锚点3 年和 10 年写出来的东西深度不一样。内容风格决定语感「闺蜜聊天式」和「专业测评式」出来的句子结构完全不同。对标账号类型是给模型一个隐性的风格参照不需要真的去抓那个账号的数据只要描述清楚类型就行。注意角色设定里不要写「你是最厉害的」「你是顶级专家」这类空泛的赞美词模型对这类词不敏感反而会稀释具体指令的权重。2.3 任务拆解层把「写笔记」拆成模型能执行的步骤直接让模型「写一篇笔记」它会把选题、标题、正文、标签混在一起生成质量不稳定。高级指令的做法是把任务拆成有序步骤每一步的输出作为下一步的输入。我常用的拆解是五步选题确认、标题生成、正文撰写、标签匹配、违禁词自检。请按以下步骤完成任务每步输出后等我确认再进入下一步 步骤 1根据我提供的产品信息给出 3 个小红书选题方向 每个方向附一句目标人群描述和搜索关键词。 步骤 2从 3 个选题中选一个生成 5 个标题 要求每个标题不超过 20 字带数字或场景词至少 2 个带情绪钩子。 步骤 3基于选定标题写一篇 300-500 字的正文 要求开头 2 行内出现核心关键词每段不超过 3 行结尾带互动引导。 步骤 4生成 8-12 个标签包含 2 个大词、4 个中词、4 个长尾词。 步骤 5检查全文是否有小红书违禁词或极限词列出并替换。这个拆解的逻辑是选题决定方向标题决定点击正文决定停留标签决定搜索曝光违禁词检查决定笔记能不能活。每一步都有明确的输出格式和数量要求模型不容易跑偏。参数上「300-500 字」是小红书笔记的舒适区太短信息量不够太长用户划走。「8-12 个标签」是实测下来既能覆盖搜索又不显得堆砌的范围。2.4 输出约束层格式、语气和违禁词的三重保险输出约束是高级指令里最容易被忽略但最影响落地效果的部分。没有约束模型会自由发挥给你加小标题、加序号、加总结段落这些在小红书笔记里都是减分项。约束要写清楚三件事格式禁止项、语气要求、违禁词规则。输出约束 - 禁止使用 markdown 格式禁止加粗、斜体、标题符号。 - 禁止出现「首先」「其次」「最后」「综上所述」等书面连接词。 - 正文中每段不超过 3 行段与段之间空一行。 - 语气要求像跟朋友发微信一样可以用「真的」「绝了」「谁懂」等口语词。 - 违禁词规则禁止出现「最」「第一」「绝对」「100%」「根治」「永久」等极限词 如无法避免用「很」「挺」「个人觉得」「目前用下来」替代。格式禁止项解决的是「模型默认输出 markdown」的问题这个坑我踩过很多次不写禁止项模型一定会给你加粗和列表。语气要求里的口语词是给模型一个语感锚点它看到「谁懂」就知道要往哪个方向靠。违禁词规则是小红书的硬红线极限词轻则限流重则违规让模型自己检查比人工快得多。提示违禁词列表不是固定的不同时期平台规则会变。建议每月手动更新一次指令里的违禁词清单或者把这一步单独拆出来用脚本做后处理。3. 把指令跑起来DeepSeek 调用方式与参数配置3.1 网页版直接粘贴最快上手路径如果你只是想快速试一下这套指令的效果网页版是最短路径。打开 DeepSeek 网页版把角色设定、任务拆解、输出约束三段拼成一条完整提示词粘贴进去然后在末尾附上你的产品信息。注意网页版有上下文长度限制如果你的指令模板很长建议把「输出约束」精简到最核心的几条或者分两次对话完成——第一次发角色设定和任务拆解第二次发具体产品信息。我一般会这样组织网页版的输入[角色设定] 你是一个有 3 年小红书运营经验的母婴赛道博主…… [任务拆解] 请按以下步骤完成任务…… [输出约束] - 禁止使用 markdown 格式…… [本次任务] 产品某品牌婴儿润肤霜主打无香精、适合敏感肌 目标人群是 0-3 岁宝宝的妈妈价格区间 80-120 元。 请从步骤 1 开始。这种组织方式的好处是指令模板可以存下来反复用每次只换「本次任务」部分。网页版的缺点是没法自动化适合单篇打磨不适合批量生产。3.2 API 调用批量生成笔记的最小代码要批量做就得走 API。DeepSeek 的 API 兼容 OpenAI 的调用格式用 Python 的 openai 库就能直接调。下面是一个最小可运行示例from openai import OpenAI import time client OpenAI( api_key你的 DeepSeek API Key, base_urlhttps://api.deepseek.com # DeepSeek 的 API 地址 ) # 指令模板角色设定 任务拆解 输出约束 system_prompt 你是一个有 3 年小红书运营经验的母婴赛道博主账号粉丝 2.3 万 内容风格是「闺蜜聊天式种草」擅长用短句和口语化表达。 请按以下步骤完成任务 1. 根据产品信息给出 3 个选题方向 2. 生成 5 个标题每个不超过 20 字 3. 写一篇 300-500 字正文每段不超过 3 行 4. 生成 8-12 个标签 5. 检查违禁词并替换 输出约束 - 禁止 markdown 格式 - 禁止书面连接词 - 禁止极限词 def generate_note(product_info): response client.chat.completions.create( modeldeepseek-chat, # 模型名称 messages[ {role: system, content: system_prompt}, {role: user, content: f产品信息{product_info}} ], temperature1.3, # 小红书文案需要一定创造性温度调高 max_tokens2000, # 单篇笔记足够 top_p0.9 ) return response.choices[0].message.content # 批量处理 products [ 婴儿润肤霜无香精敏感肌适用80-120元, 儿童防晒霜物理防晒SPF3060-90元, 宝宝洗衣液植物配方1L装45元 ] for p in products: result generate_note(p) print(f--- 产品{p[:20]}... ---) print(result) print() time.sleep(1) # 避免请求过快触发限流这段代码的关键参数有三个。temperature1.3是小红书文案的甜点区太低会写得像说明书太高会胡言乱语1.2-1.5 之间实测比较稳。max_tokens2000对单篇笔记绰绰有余设太大反而浪费。time.sleep(1)是防限流的批量跑的时候不加这个跑到十几条就可能报错。注意API Key 不要硬编码在代码里用环境变量或者配置文件读取。另外 DeepSeek 的 API 价格按 token 计费批量跑之前先算一下成本一般单篇笔记的 token 消耗在 1500-2500 之间。3.3 参数调优temperature、top_p 和 max_tokens 怎么设这三个参数是控制输出质量的核心杠杆但很多人要么用默认值要么乱设。我按小红书笔记的场景给一组参考值参数推荐值作用调高会怎样调低会怎样temperature1.2-1.5控制随机性更有创意但可能跑题更稳定但偏死板top_p0.85-0.95控制候选词范围用词更丰富可能不连贯用词更保守重复率高max_tokens1500-2500限制输出长度可能生成冗余内容正文可能被截断frequency_penalty0.3-0.5降低重复用词用词更多样可能反复说同一件事presence_penalty0.2-0.4鼓励新话题内容更发散内容更聚焦我的习惯是 temperature 和 top_p 只调一个另一个保持默认。因为这两个参数都在控制随机性同时调容易互相干扰。批量生成时 temperature 设 1.3top_p 保持默认 1.0如果发现输出太飘把 temperature 降到 1.1top_p 不动。4. 避坑与排查指令跑不通时先看这五条4.1 模型输出带 markdown 格式粘贴到小红书全乱了现象生成的正文里出现**加粗**、- 列表、## 标题这些符号直接复制到小红书编辑器里显示异常。原因DeepSeek 默认输出 markdown 格式这是模型的训练习惯不是 bug。输出约束里如果只写「不要用 markdown」模型有时候会忽略。解决在输出约束里写死禁止项并且给一个正面示例。比如「正文直接以文字开头不要任何符号。正确示例今天给大家分享一个…… 错误示例今天给大家分享」。另外可以在 API 调用后加一步正则替换把**、##、-这些符号过滤掉。4.2 标题总是超过 20 字模型不遵守字数限制现象指令里写了「标题不超过 20 字」但模型生成的标题经常 25-30 字。原因模型对字数限制的执行力有限尤其是中文它可能按词数而不是字数来算。另外 temperature 太高时模型会优先考虑创意而不是约束。解决把字数限制改成「标题控制在 15 字以内最多不超过 18 字」给一个缓冲区间。同时在步骤 2 后面加一句「生成后自己数一下字数超过 18 字的重新生成」。实测这样能把超标率从 40% 降到 10% 左右。4.3 违禁词检查漏掉了谐音变体现象指令里让模型检查违禁词它把「最」「第一」都替换了但「蕞」「笫一」这类谐音变体没查出来。原因模型的违禁词识别基于语义理解对刻意规避的谐音变体不敏感。而且小红书实际的违禁词库比通用极限词列表大得多。解决不要完全依赖模型做违禁词检查。我的做法是模型检查一遍再用本地脚本跑一遍关键词匹配。脚本里维护一个违禁词列表包含常见谐音变体用简单的字符串匹配就能覆盖大部分场景。模型负责语义层面的检查脚本负责字面层面的兜底。4.4 批量生成时后半段质量明显下降现象用 API 批量跑 20 条笔记前 10 条质量还行后 10 条明显变水标题重复、正文套模板。原因两个可能。一是上下文累积导致模型注意力分散如果你把历史生成结果也塞进了 messages 里模型会受前面内容影响。二是 API 限流导致请求被降级处理。解决每次请求只发 system prompt 和当前产品信息不要把历史结果放进上下文。如果必须保持风格一致把前几条的优质输出作为 few-shot 示例放在 system prompt 里而不是放在对话历史里。另外批量跑的时候加time.sleep(1-2)并且监控返回的 token 数如果发现某条明显偏短大概率是被限流了重试即可。4.5 同一套指令换个品类就失效现象母婴赛道的指令模板跑得很好换成美妆或家居输出质量断崖式下跌。原因角色设定里的「母婴赛道博主」和「闺蜜聊天式种草」是强绑定的。美妆赛道需要的是「成分党」语感家居赛道需要的是「生活场景代入」语感直接套用母婴模板模型会输出不匹配的内容。解决角色设定层要按品类做微调。我的做法是维护一个角色设定库每个品类一套共用任务拆解和输出约束。切换品类时只换角色设定其他不变。这样既保证了指令的复用性又避免了语感错位。5. 进阶玩法把指令模板变成可维护的运营资产5.1 用变量替换让一套模板覆盖多品类前面提到角色设定要按品类微调但每次手动改很麻烦。更高效的做法是把指令模板里的可变部分抽成变量用 Python 的字符串格式化或者 Jinja2 模板引擎来管理。from string import Template template Template( 你是一个有 $years 年小红书运营经验的$category 赛道博主 内容风格是「$style」擅长用短句和口语化表达。 请按以下步骤完成任务 1. 根据产品信息给出 3 个选题方向 2. 生成 5 个标题每个不超过 18 字 3. 写一篇 300-500 字正文每段不超过 3 行 4. 生成 8-12 个标签 5. 检查违禁词并替换 输出约束 - 禁止 markdown 格式 - 禁止书面连接词 - 禁止极限词 ) # 不同品类的配置 configs { 母婴: {years: 3, category: 母婴, style: 闺蜜聊天式种草}, 美妆: {years: 5, category: 美妆, style: 成分党测评式}, 家居: {years: 4, category: 家居, style: 生活场景代入式} } for name, cfg in configs.items(): prompt template.substitute(cfg) print(f--- {name} 赛道指令 ---) print(prompt[:100] ...)这样维护的好处是任务拆解和输出约束只需要改一处所有品类同步生效。变量部分单独维护新增品类只需要加一条配置。5.2 用输出校验脚本做质量兜底模型输出不稳定是常态与其反复调提示词不如加一层后处理校验。我常用的校验规则有四条标题字数是否超标、正文段落是否超过 3 行、是否包含违禁词、标签数量是否在 8-12 之间。任何一条不通过就自动重试或标记人工复核。import re def validate_note(text): issues [] # 检查 markdown 符号 if re.search(r\*\*|##|^- , text, re.MULTILINE): issues.append(包含 markdown 格式符号) # 检查违禁词 banned_words [最, 第一, 绝对, 100%, 根治, 永久] for word in banned_words: if word in text: issues.append(f包含违禁词{word}) # 检查段落长度 paragraphs [p for p in text.split(\n) if p.strip()] for i, p in enumerate(paragraphs): if len(p) 150: # 约 3 行 issues.append(f第 {i1} 段超过 3 行) return issues # 使用示例 note 这是**测试**内容绝对好用100%有效。 problems validate_note(note) for p in problems: print(f发现问题{p})这个校验脚本不追求覆盖所有情况只做最基础的兜底。跑一遍校验把有问题的输出挑出来人工看一眼比全部人工检查省 80% 的时间。5.3 指令迭代的节奏每周小调每月大调指令模板不是写完就固定的。我的习惯是每周花 15 分钟看一遍这周生成的笔记数据把表现好的和表现差的各挑 3 条出来对比看差异出在哪个环节。如果是标题点击率低就调步骤 2 的标题生成规则如果是正文互动少就调步骤 3 的语气要求。每月做一次大调主要是更新违禁词列表和角色设定库把新出现的平台规则和品类变化同步进去。这套东西说到底就是一个持续迭代的运营资产不是一锤子买卖。我自己的教训是一开始总想找一个「完美指令」一劳永逸结果每次平台规则一变就手忙脚乱。后来改成小步快跑的迭代节奏反而稳定多了。希望帮到你。本文还有配套的精品资源点击获取
