2026 年 7 月，我为什么还在用 DeepSeek

停更近一年半又回来了！这一年多时间，这个世界发生了很多变化。最大的就是AI在你生活中的出现频率越来越高，基本已经成为很多人日常不可替代的帮手。

今天写的这篇的开始，还是想要吐槽下A厂的Claude。的确，之前一直用Opus 4.6-4.7的Claude Code。使用效果上真的好，但也是最心累…一会儿封账号、一会儿模型不让用等等。正所谓”不作死就不会死“，A厂的”作“在AI界也算是”标杆“了！

实际，前段时间改用O厂的Codex。沉稳、谨慎的表现，让人很放心。但有时GPT5.5谨慎的让我想”骂人“。另外，每个月200刀的订阅其实开支并不小。国内模型，GLM在升级到5.2之后能力表现很强。思路宽广，有时别的模型解决不了的问题，它一下就找到新思路。所以我称呼它为“AI华强北”…哈哈！但介于之前发现过GLM家模型在代码中会自己硬编码一个用户名等事件，我对它的信任度不是很高…

其实，上面的一些已经体现出一个问题：每个模型都有它自己的脾气、性格和擅长的领域。这也促成了我在几个月前做了一个多模型协同的系统，并在Zenodo上陆续发表了一些关于多模型协同系统的论文。主旨“AI管理AI”，以后有时间我可以聊聊这个…

说这些，其实想说下没有一个完美的模型适合每一个人。这时你就需要一个多模型协同工作流，我的工作流是：Deepseek V4和GLM5.2调研、做计划；GPT5.5调整思路、审核计划；Deepseek V4负责脏活累活；GPT5.5做最后的代码审核。而日常生活中，DS V4基本就是我的主力模型。很多日常事务管理、植物养护管理、家庭网络监控等等也都是交给它来协助。

为何选择Deepseek？

更新稳定

现在模型更新都是三四个月就更新一次，更新前之前的模型就明显降智。这种不管用户“死活”的营销手法实在是让人觉得累。Deepseek的更新很稳。

成本够低

你学会在一个对话过程中保持对话内容一致性，那么模型的缓存命中率能保持在一个高水平的位置上。这时费用会更低。

DS V4的问题

整体给我的感受是：Deepseek太急，不像GPT5.5那样稳健。很多次，我告诉DS V4：你看清楚问题的全部之后再下手。但还是这样：一上头拿起来就干。不是DS能力不足，而是像个“愣头青”一样没考虑明白就开始上手做，遇到问题再换一个思路。对它来说事情是简单了，但我的Token在它的不断试错过程中直线上升。在发生过几次因为它拿起来就干的情况，并出现问题的情况下。我分析了下它的问题，原来这种情况叫”过早回复”。等于模型在没有了解事情全貌或者相关联机制的情况”头痛医头、脚痛医脚”，结果很多时候会出现因为修改1而影响2，然后为了修改2破坏了3的结构等等的情况。另一个伴随问题是，它在调研和收集资料时习惯凭训练数据”猜”，而不是主动去查官方文档。这让它在处理具体技术问题时容易给出过时或者不准确的方案。所以”强制深度思考协议”也强调了这一点——调研阶段优先查阅官方文档，不能只靠”我觉得”。

这种情况下，我给DS定了一个“强制深度思考协议”。让它强制提高思考层级，在任何下手改变代码、设置前做完三个阶段的工作：理解、方案、风险。这就是属于“磨刀不误砍柴工”。

其他DS V4的小问题

我还发现DS V4的一些小问题，如：Shell转义盲区、全半角混用、盲目重试等等。在解决前面“过早回复”问题时，顺手把这些问题也解决了。

“强制深度思考协议”的使用，我的使用感觉DS V4已经有Opus 4.6的使用感受了。这在无论coding还是日常使用上都有着稳定的感受！

停更近一年半，回来写的第一篇居然是聊AI。也好。

这一年半，AI确实给我带来了很多。有了一套多模型协同系统——让不同模型各司其职，AI管理AI。利用AI的“幻觉”找灵感、做实验。在世纪猜想DBS里做了一些数学研究，通过对量子不确定性来定义经典不确定性问题，对贝叶斯拓扑分析做了深度探索……陆续发了一些DBS数学论文和多篇AI多模型协同的论文。

回头看，AI对我来说早就不只是一个问答工具了。它是一个时而让你抓狂、时而给你惊喜的搭档。这篇聊的“强制深度思考协议”，说起来也不过是——我摸清了它的脾气，给它立了点规矩。效果还不错。

下篇聊聊在AI协助下搭的家庭网络系统，以及AI从“被指挥”到“自己做网管”的小实验。