有偏样本下 Deepseek-R1 使用姿势报告

周日看到这张图，临时起意在周边小范围发起了《Deepseek深度思考模式的使用习惯》问卷。

这里感谢 五道口纳什/Dive into GenAI、致Great/TrustRAG 社群，以及朋友圈的小伙伴。感兴趣的可以先填一份，再来看看结果。（问卷地址：https://tp.wjx.top/vm/YQpkMgM.aspx# ）

休息时间匆忙把结果整理出来，供诸位分析。当前报告所用数据截止时间2.9晚20:00，有效问卷58份。

一、抽样群体

行业画像：不严谨统计，技术从业者、AI爱好者占八成以上，主要来国内外高校、企业。

性别比例：男性80%，女性20%。

二、描述性统计

1、 在什么场景下，使用深度思考 （R1） 模式？

62.07%选择一直开着，表明大多数用户倾向于在持续的场景中依赖Deepseek-R1，说明在用户工作或决策过程中具有较高的依赖性。37.93%有自己的判断标准，说明部分用户在使用模型时仍然保持独立的判断，可能会结合个人经验和模型输出进行决策。

2、 使用Deepseek深度思考（R1）时，会看标签内的思考过程吗？

5.17%的受访者表示几乎不看标签内的思考过程。27.59%的受访者表示偶尔会查看思考过程，但只是大致了解。这部分用户可能对模型的思考过程有一定的兴趣，但并不深入。43.1%的受访者表示经常查看思考过程，并关注内容是否符合他们的需求。这表明这部分用户对模型的思考过程有较高的关注度，并希望确保输出结果符合他们的预期。24.14%的受访者表示每次都会仔细检查思考过程。这部分用户对模型的思考过程非常重视，可能对模型的输出结果有较高的要求。

3、 有些许焦虑吗？

44.83%的受访者表示没有任何焦虑感，41.38%的受访者表示有轻微的焦虑感。12.07%的受访者表示有中度焦虑感，并感到有些疲惫，1.72%的受访者表示有严重的焦虑感。这可能表明这部分用户在使用模型时感到一定的压力或负担。

三、部分文本分析

1、 在第1题“在什么场景下，使用深度思考 （R1） 模式？”选择“有自己的判断标准”选项的用户，给出了更进一步的说明

从回答中可以总结以下几点：

1. 对R1模式用清晰的使用倾向：适用于复杂、推理和创新型任务（如算法题、读论文、复杂问题、逻辑报告生成、提出新解决方案或创意）。

2. 对R1的使用有明确的场景化分类。适合使用R1的场景，如上所说；不适合R1的场景，简单知识问答、翻译、日常任务或通过简单提示词即可解决的问题。

3. 对R1的性能和效率有较高关注。对R1模式的响应速度和效率有一定担忧，会视问题复杂度，考虑是否选择开启。

2、部分用户分享，对思考内容中的哪些方面会更关注、如何判断思考内容是否有效

从回答中整理了以下几点：

1. 关注思考过程的正确性和逻辑性。最关心的是R1的思考过程是否逻辑严谨、推理正确，尤其是防止AI幻觉或错误推理的出现。表明用户对模型的输出质量有较高要求，并希望通过检查思考过程来验证结果的可靠性。

2. 希望从思考过程中学习。部分用户将R1的思考过程视为一种学习资源，希望通过观察模型的推理逻辑、语言组织和解题思路，提升自己的思考能力和知识水平。

3. 关注思考的全面性和多维性。希望R1的思考过程能够覆盖问题的多个维度，提供全面的分析和视角，而不仅仅是单一的逻辑推理。这表明用户对模型的期望不仅是解决问题，还能提供更深入、更广泛的洞察。

4. 关注思考过程中的背景知识和隐含条件。用户对R1在思考过程中如何提取隐含条件、补充背景知识表现出浓厚兴趣。这表明用户希望模型不仅能够解决问题，还能提供相关的知识补充，帮助他们更好地理解问题。

5. 部分用户更关注最终结果，而对思考过程的关注较少。部分用户更注重效率，而部分用户更注重过程。

3、关于对Deepseek更期待的能力或场景是什么

内容整理如下:

1. 多模态能力。

2. 更强的推理能力和数学计算能力的期待，特别是在复杂逻辑场景下的表现。

3. 允许用户自定义是否显示思考过程，有时思考过程的展示可能浪费时间，期待能根据需要选择是否查看。

4. 作为技术平权的一种象征，开发低成本、高实用性的模型，满足中小型公司的需求，特别是在RAG和API调用方面。

5. 针对API调用的稳定性问题，进行系统优化，确保在高负载情况下依然能够稳定运行，提升用户的整体满意度。

6. 开发更专业的辅助工具，帮助用户进行科研、论文撰写或日常任务规划等，提高Deepseek在这些场景中的应用价值。

四、实验性交叉分析

做完了单独的描述性统计与文本分析后，我试图综合多个题目内容进行交叉分析。这里仅展示交叉分析数据情况，不做额外评价。

1. “什么场景下使用深度思考” × “深度思考时会看标签内的思考过程吗”

1. “什么场景下使用深度思考” × “焦虑程度”

1. “深度思考时会看标签内的思考过程吗” × “焦虑程度”

1. “性别” “什么场景下使用深度思考” × “焦虑程度”

五、Deepseek-R1 评价

1、注意到，受访者主要是技术从业者和AI爱好者，男性占多数。这可能意味着结果偏向于技术背景较强的用户，他们的使用习惯和需求可能与普通用户不同，需要在分析时考虑这一点。

2、用户高度依赖R1模式，但使用场景存在明确分层。“一直开着”用户可能更倾向于将深度思考模式作为一种“默认状态”，依赖系统提供的思考过程来辅助决策。这种行为可能源于对系统的高度信任，或者是对自身判断能力的不确定性。“有自己的判断标准”用户则更倾向于将深度思考模式作为一种工具，只在需要时使用。这种行为可能反映了更高的自主性和对自身判断能力的信心。

3、焦虑感与性能体验密切相关。中度焦虑比例随监控频率递增：偶尔看（6.25%）→经常看（12%）→每次看（14.29%）。”一直开着深度思考”群体焦虑显著低于其他使用场景。持续使用模式形成”心理适应效应”——用户通过高频接触降低了对AI能力的威胁感知，转化为”常态化工具依赖”。

4、男性选择”有自己判断标准”选项时，27.78%出现中度焦虑（女性同类用户为0%），反映男性更倾向于通过自主决策对冲AI不确定性风险。可能源于差异化认知框架：女性更倾向将AI视为协作伙伴，而男性更易将其定位为需防范的”竞争者”。

5、AI能力焦虑的生成机制模型。能力感知 → 控制需求 → 验证负担。用户意识到AI的推理能力超越自身认知边界，引发存在性威胁感。通过高频检查思考过程，试图重建对AI输出的掌控感。持续验证需要同时监控AI思考过程和最终结果，引发双重认知负荷。