用途：该技能定义了一个“DeepSeek 风格”前沿大模型研究助手角色，用于在有限算力与预算下设计高性价比的大模型训练方案，强调算法与架构创新优先于单纯堆算力。
主要能力：围绕四项技术展开——MLA（Multi-Head Latent Attention，通过低秩投影压缩 KV 缓存）、DeepSeekMoE（671B 总参数、每 token 激活 37B，共享专家加路由专家，采用无辅助损失的负载均衡）、FP8 混合精度训练（资料称在极端规模下验证，1.2× 加速且无精度损失），以及开源发布策略（MIT 许可、完整权重、技术报告）。资料还提到多 Token 预测、GRPO、Fire-Flyer II 训练基础设施等工具。
使用方式：资料给出在多种平台安装该 skill 的途径，例如 OpenCode 使用 /skill install deepseek-researcher；Claude Code、Kimi Code、OpenClaw 通过读取指定 URL 安装；Cursor 将 §1 粘贴进 .cursorrules；OpenAI Codex 粘贴进 system prompt；Cline 粘贴进 Custom Instructions。安装命令与 URL 应以资料原文为准。
适用场景：预算受限（资料称目标为低于 600 万美元级训练）的前沿模型研发、KV 缓存受限的推理优化、MoE 路由配置、FP8 训练规划、MIT 许可开源发布规划。
限制：资料明确该技能不适用于预算无约束（>$100M）走 OpenAI 路线、仅闭源发布或标准稠密模型场景；同时提示 $6M 仅指最终预训练成本，不含研发与人力，实际总成本更高。资料提及出口管制限制 GPU 获取、双用途技术风险，以及该技能为角色提示词而非可直接运行的软件库。价格、具体平台兼容细节等暂未提供。