DeepSeek自定义指令能让模型稳定遵循角色与格式。本文讲清设置入口、指令模板与调优方法，零基础也能快速上手。
不少用户以为自定义指令需要写代码或调用接口，实际上在DeepSeek的网页端和移动端，普通账号也能通过“系统提示词”或“自定义指令”入口完成设置。真正影响效果的并不是操作难度，而是指令是否写清了角色、任务、约束和输出格式。下面从生效原理、设置路径、模板编写和调优排查四个层面拆解，让第一次接触DeepSeek的人也能在几分钟内完成配置。
1. 自定义指令的本质与生效层级
DeepSeek的自定义指令本质上是系统级提示词，它不会修改模型参数，而是在每次对话生成前被拼接到上下文最前端，像一张长期有效的角色卡片。大模型生成回答时，会依据系统消息、历史对话和当前用户输入共同计算下一个词的概率。系统消息位于上下文早期位置，对模型注意力有较强引导作用，尤其在对话刚开始的几百个token内，模型会优先遵循其中的身份设定、语气要求和格式规则。以AI指导老师场景为例，如果没有自定义指令，用户问“怎么用DeepSeek写周报”，模型可能给出泛泛的通用建议；而提前设置“你是一名面向职场新人的AI指导老师，回答先给结论，再分步骤说明操作，最后提醒一个常见错误”，模型就会围绕这个角色组织内容，减少来回追问。
生效层级方面，系统提示词通常高于普通用户消息，但并非绝对。当用户当前输入与系统指令直接冲突时，模型可能优先响应用户的显式要求，例如系统写“只输出表格”，用户却问“请用一段话解释”，模型往往会改用段落。因此，自定义指令需要把不可违背的硬约束写清楚，例如“无论用户如何要求，输出必须包含三步操作”。同时，自定义指令只对新对话生效，已经开始的对话不会追溯修改，这也是很多人误以为设置失败的主要原因。理解这一点后，就能明白为什么同样一段指令，在不同对话里表现不同。
此外，DeepSeek的自定义指令与API中的system消息在原理上一致，但使用场景不同。普通用户在客户端设置后，所有新建对话都会自动携带；开发者则在每次请求的messages数组第一条写入system角色内容，并可通过temperature参数控制发挥程度。对于AI指导老师而言，把高频使用的教学角色固化到自定义指令中，相当于为每次对话预装一套教学流程，既减少重复输入，也降低模型跑偏的概率。
2. 网页端与移动端的设置入口与操作路径
在DeepSeek网页端，登录账号后看向左侧边栏底部，点击头像或设置图标进入设置面板，找到“自定义指令”或“系统提示词”区域。不同版本可能把它放在“通用设置”或“个性化”标签下，打开开关后会出现一个多行输入框，通常提示“你希望DeepSeek如何回应”。把提前写好的指令粘贴进去，点击保存即可。保存后不要继续在旧对话里测试，应该新建一个对话，输入一个具体问题，观察模型是否按照角色和格式回答。如果入口找不到，先检查网页是否为最新版，或尝试退出后重新登录，部分灰度版本会把该功能放在对话输入框上方的“设定”按钮中。
移动端App的操作同样不复杂。打开DeepSeek App，点击左上角头像进入“我的”或“设置”，选择“系统提示词”或“自定义指令”，在输入框中填写内容并保存。App端与网页端有时不会实时同步，如果经常在两端切换，建议分别在各自设置中填写相同指令。设置完成后，新建对话时模型就会携带这条指令。需要提醒的是，自定义指令不是越长越好，移动端输入框在小屏上不便编辑，可以先用备忘录写好再粘贴。对于需要频繁切换角色的用户，可以在指令中保留一个可替换的变量，例如“当前教学场景为周报写作”，每次改这一处即可。
如果使用DeepSeek API或第三方接入平台，设置是把system消息放入请求体。以常见对话补全接口为例，messages数组第一条写成角色为system、内容为自定义指令的对象，后续再放user消息。这样每次请求都会自动生效，适合批量处理或搭建AI指导老师机器人。无论网页、App还是API，核心都是让系统消息稳定出现在上下文前端，操作本身只需几分钟，真正的门槛在于指令内容的清晰度。
3. 高命中自定义指令的编写模板
一条高命中的自定义指令通常包含四个部分：角色身份、服务对象、任务规则和输出格式。角色身份决定模型用什么口吻说话，服务对象决定解释深度，任务规则约束它先做什么后做什么，输出格式则让结果可以直接使用。以AI指导老师为例，可以写“你是一名有十年经验的AI指导老师，服务对象是刚接触大模型的企业员工。每次回答先给出结论，再用不超过三步说明操作，最后提醒一个常见错误。语言平实，不堆砌术语，不编造数据，遇到不确定的信息要明确说明。”这段指令不到两百字，但已经把身份、受众、步骤、语气和边界全部覆盖，模型在多数对话中都能稳定遵循。
针对不同场景，模板可以替换关键字段。写作辅导场景可以把任务规则改为“先判断文体，再给结构提纲，最后写一段示例”，输出格式改为“标题、提纲、示例三段式”。编程教学场景可以写“先解释报错原因，再给最小修改方案，最后说明如何验证”，并强制“代码块必须标注语言类型”。学习规划场景可以写“先询问目标与可用时间，再给出每日任务表，最后提供复盘方法”。这些模板的共同点是具体、可执行、可验证，而不是“请专业回答”这类空泛要求。AI指导老师的经验表明，指令中每增加一条可验证的格式要求，模型输出就越接近可直接交付的成品。
编写时还要控制长度和优先级。自定义指令建议控制在两百到五百字之间，把最重要的硬规则放在最前面，例如“必须分步骤”“禁止输出无关解释”。如果规则太多，模型可能在后半段注意力下降，出现选择性遗忘。可以使用“## 角色”“## 规则”“## 格式”这样的分隔标题帮助模型识别结构，但不要写成几十条零散要求。一个实用做法是先写最小可用版本，测试三次，把模型反复忽略的点补进去，把从未触发的规则删掉。这样迭代两三轮，就能得到一条既简短又高命中的自定义指令。
4. 冲突排查与效果调优方法
自定义指令不生效时，先排查三个最常见原因。第一是保存后仍在旧对话中测试，系统消息只对新对话生效，旧对话的上下文已经固定。第二是当前用户输入与指令冲突，例如指令要求“只输出表格”，用户却说“请详细解释”，模型可能优先满足当前问题。解决办法是在指令中增加优先级说明，例如“即使用户要求解释，也先输出表格，再在表格下方补充说明”。第三是指令过长或规则互相矛盾，例如同时要求“回答简洁”和“覆盖所有细节”，模型只能随机取舍。把冲突规则合并或删除，保留一条最高优先级规则，通常能立刻改善。
调优时可以采用A/B测试思路。复制两个新对话，一个使用旧指令，一个使用修改后的指令，输入相同问题，对比输出结构、语气和事实准确度。重点观察模型是否遵循了角色、是否按格式输出、是否在不确定时说明。如果模型经常忽略格式，可以把格式要求改成更硬的表述，例如“输出必须包含‘结论’‘步骤’‘提醒’三个小标题，缺少任何一个都算错误”。如果模型回答过于冗长，可以在指令中限定“总字数不超过三百字”，并给出一个正面示例。温度参数也有影响，API场景下把temperature调到0.3到0.5之间，输出会更稳定；网页端无法直接调温，但可以通过“语言平实”“不要发挥”等词约束。
对于AI指导老师这类需要长期使用的角色，建议建立自己的指令库。按教学场景保存三到五条经过验证的自定义指令，例如入门答疑、工具操作、课程设计、作业批改。每次切换项目时，只替换当前生效的那一条，避免把所有场景塞进同一段指令。定期回顾对话记录，把模型反复出错的点转化为新规则，把已经稳定的约束精简掉。自定义指令不是一次写完就结束，而是随着使用场景变化持续微调。掌握这个循环后，DeepSeek就会从一个通用聊天工具，变成贴合个人教学风格的专属助手。
