近日，火热的DeepSeek在各行各业中得到了广泛应用，不但成为推动智能化转型的重要力量，还为中小企业和个人开发者降低了AI技术的使用门槛。那么是否可以利用DeepSeek来开发ESG专业领域的智能化软件，甚至直接利用DeepSeek来完成ESG相关工作呢？关于这个问题笔者向DeepSeek提出了大量的ESG相关问题，主要分为：发散性问题和具体实操问题两大类。在此过程中也发现了诸多问题，以发散性问题和实操性问题各一个来举例说明：

笔者分别对DeepSeekV3和R1版本提出同样的一个发散性问题：“可以通过接入你，来完成ESG披露相关工作吗？”结果是DeepSeekV3和R1版本都给出了肯定的回答。V3版本的回答较为简单，它认为：DeepSeek可以作为工具来辅助完成与ESG披露相关的部分工作。然而，ESG披露涉及复杂的法律、合规和行业标准要求，最终的内容必须经过人工审核和专业判断，以确保准确性和合规性，并强调了DeepSeek可以作为工具支持，但不能完全替代专业人员的工作。R1版本则经过深度思考的推理过程，列出了它认为可以帮助完成ESG披露工作的八大块支持内容，包括：ESG信息披露指导、辅导过程支持、数据收集与整合、报告撰写与审核、合规与标准咨询、提升报告质量、资源与工具推荐、跨部门协作支持。

接下来是实操性问题的例子，笔者提问：“我是一家上证所上市的公司，请帮我写一份ESG披露报告的大纲，并设计好实质性议题，以及每个实质性议题我需要收集的数据与资料。”结果是DeepSeek由于从提问中得到的企业信息有限，给出的大纲极为范式化和通用化，特点不突出，只是将可能涉及的标准与内容简单地罗列到一起。数据收集建议的实用性也极差，如：温室气体排放量数据的收集，只提到收集范围1、范围2、范围3。对于有一定专业知识的实操人员，该部分答案没有任何参考价值，起不到任何帮助；而对于没有任何经验与专业知识的实操人员来说，该部分答案又带来了新的问题——范围1、范围2、范围3是什么，应该如何计算？

通过以上两个例子，我们可以看到一些具有代表性问题：

一是，使用的版本问题。V3属于通用大模型，一般侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。因此，利用DeepSeekV3可以更好地帮忙润色ESG披露报告的文字内容，总结和提炼题目与小标题等。而R1属于推理模型，在逻辑推理、数学推理和实时问题解决方面表现突出。因此，在面对实质性议题如何对应各项ESG标准细则等有逻辑关系的问题上，可以考虑使用DeepSeekR1来处理。

二是，专业数据的局限性问题。无论是V3版本还是R1版本都需要有足够丰富的ESG专业知识库，来支撑DeepSeek回答ESG相关专业问题。DeepSeek本身就像是一个具备基本医学知识的全科大夫，如果想在脑科或心血管等专业领域进行手术实操，还得补充专业领域的医学知识和实操经验。因此，想要DeepSeek能够更加专业化地回答ESG相关问题尤其是实操问题，建议本地化部署DeepSeek，并建立专业的ESG知识库，训练DeepSeek形成对应的思维链，才能将DeepSeek变成自己得力的助手。

三是，提问方式的问题。为了让DeepSeek的回答更符合提问者的期望与需求，在提问的时候可以按照“我是谁”+“你是谁”+“用什么”+“做什么”的公式来提问。举个例子：“我是一家深交所上市的纺织行业企业”，这就是“我是谁”，并且描述得越详细，DeepSeek可以联系的信息就越多，回答也越贴切。“你是一个ESG专家，熟悉深交所对ESG的相关要求与管理规范”，这就是“你是谁”。赋予DeepSeek某种角色，也有助于它的思考与回答。“请着重考虑GRI标准，并结合纺织业的特点，参考某企业的披露报告”这就是“用什么”，告诉DeepSeek需要重点参考的知识内容。“帮我做一份ESG披露报告的大纲，要求必须有实质性议题与标准的对应表”这就是“做什么”，告诉DeepSeek输出什么，以及输出的要求。

此外，问完一个问题后，如果DeepSeek的回答不尽如人意，可以再继续提问，修正和引导DeepSeek给出更符合预期的答案。需要注意的是，如果后续的问题跟前面提的问题不相关，一定要新建对话，否则DeepSeek会自动联系前后两个问题，强拉关系给出答案，出现偏差。较为复杂的问题，往往需要多轮问答来获得最终的答案，因此如果将问题分解，分步骤地进行提问，效果会更好。

由此可见，直接利用DeepSeek来完成ESG相关工作并不能一步到位，用好DeepSeek确实可以拥有一个得力的助手，但依旧需要人为的参与，不能全程依靠DeepSeek来直接完成。即便如此，想要拥有一个得力的ESG AI助手，需要使用者具备ESG的专业知识，并对模型进行ESG相关的专业训练。对于大多数人来说，需要的依旧是一个已经训练好的ESG领域垂直模型。因此，通过专业机构以DeepSeek为基础进行ESG垂直模型的训练，是DeepSeek应用于ESG领域更为高效的路径。

（作者系清华大学硕士、美国杜克大学访问学者、浙江省可持续发展研究会ESG专委会专家组专家）

举报 文章作者

刘茗

相关阅读 大企业初炼大模型，数据是“拦路虎” | 海斌访谈

随着DeepSeek免费开源崛起，数据问题成为阻碍大模型落地进程新的拦路虎。很多央企国等大型企业业务数据分散且格式多样，需解决非结构化数据的清洗、标注和知识化问题。

108 03-17 21:22 AI进化速递丨可灵AI全面接入DeepSeek

国合署：打造数字经济、人工智能等援外新品牌；英特尔新任首席执行官计划对制造和人工智能业务进行全面改革；百度文小言全面接入文心最新大模型和DeepSeek。

24 03-17 20:47 工业AI造假乱象何起？业内人士：存在大量规则型伪AI

过去小模型能力有限，难以覆盖众多碎片化场景，现在开源模型带来的机会正在改变工业领域。

226 03-16 16:40 DeepSeek催人老：他们有了“炮灰”的觉悟 | 海斌访谈

“如果一个厂家有太多的学界、权威、层级很多，它的研发效率多半是比较慢的。”

327 03-14 10:20 跨境电商试练AI，DeepSeek取代了ChatGPT

在这场没有宏大叙事的变革里，每个参与者都在尽可能触摸AI应用新的形状。

244 03-12 19:30 一财最热 点击关闭