Gemini 3 Pro 必須是最近最熱議的話題。昨天在一個大佬的評論區(qū)看到有好幾個人留言說：“Gemini 3 Pro 老理解錯意思”。

我想可能不是它理解不了，是我們表達得不夠清楚。

如果只能推薦一份關(guān)于 Gemini 3 Pro 的進階指南，我會毫不猶豫地選擇這一份：谷歌官方 68 頁提示詞工程手冊。

它解決了一個最核心的問題：如何讓 AI 精準理解你的意圖，不再“胡言亂語”。

很多時候，你覺得 Gemini 3 Pro 不好用，其實是因為你沒掌握那把“鑰匙”。這份文檔里藏著讓 AI 智商翻倍的秘密。

我為你提煉了手冊中的十大核心心法。文末附電子書原件下載地址，建議先馬后看。

01 十條最重要的提示工程“心法”1. 展示例子：告訴模型“照這個樣子做”

(One-shot / Few-shot)

解釋：這是最重要、最強大的教學(xué)工具。與其只給模型指令，不如直接給它看你想要的格式和風(fēng)格的完成示例。模型會模仿你提供的模式來生成結(jié)果。

操作：

• ? 提供一個（單次提示，One-shot）或多個（幾次提示，F(xiàn)ew-shot）高質(zhì)量的輸入/輸出示例。

• ? 注意：如果你在做分類任務(wù)（例如：情感是“積極”還是“消極”），請務(wù)必打亂示例中類別的順序，防止模型僅僅記住順序，而不是真正學(xué)會分類。

解釋：提示應(yīng)該簡潔、清晰、易于理解。如果提示對你來說已經(jīng)很困惑了，那么模型也可能會感到困惑。避免使用復(fù)雜的詞語或提供與任務(wù)無關(guān)的不必要信息。

操作：

• ? 使用描述具體行動的動詞來指導(dǎo)模型（例如：提取、分類、生成、總結(jié)）。

• ?不好：“我現(xiàn)在在紐約，和兩個三歲的孩子一起，告訴我一些好地方?！?/p>

• ?更好：“扮演一名旅行向?qū)?。描述一些適合三歲孩子游玩的紐約曼哈頓的好地方”。

解釋：對模型的期望輸出要具體、明確。不要只給一個籠統(tǒng)的指令，要給出具體的細節(jié)要求，這樣能幫助模型集中注意力，提高整體準確性。

操作：

• ?不要：“寫一篇關(guān)于游戲機的博客文章?！?/p>

• ?要做：“生成一篇 3 個段落的博客文章，內(nèi)容關(guān)于 5 個頂級游戲機。文章必須是信息豐富且引人入勝的，并以對話式的風(fēng)格寫成”。

解釋：盡量使用正向的指導(dǎo)性指令（告訴模型應(yīng)該做什么），而不是負面的限制（告訴模型不應(yīng)該做什么）。這與我們自己交流的時候偏愛正面指令的習(xí)慣一致。

操作：

• ?指令優(yōu)先：清晰地說明你想要的結(jié)果（例如：“只討論游戲機、制造商、年份和總銷量”）。

• ?限制次之：限制（例如：“不要列出游戲名稱”）僅在特定情況下使用，例如涉及安全、清晰度或嚴格的格式要求時。

解釋：給模型一個“人設(shè)”或“背景”，這能幫助它以正確的語氣、風(fēng)格和專業(yè)知識來回答問題。

操作：

• ?角色提示：賦予模型一個身份（例如：“我希望你扮演一位幽默的旅行向?qū)А保?/p>

• ?情境提示：提供與任務(wù)相關(guān)的具體背景信息（例如：“情境：你正在為一個關(guān)于 80 年代復(fù)古街機游戲的博客寫文章”）。

• ? 這就像給演員一個劇本和角色說明，確保他們的表演符合預(yù)期。

解釋：對于復(fù)雜的任務(wù)（比如推理、數(shù)學(xué)題或代碼生成），不要直接要求模型給答案，而是要求它“一步一步地思考”。這能提高復(fù)雜問題的準確性。

操作：

• ?思維鏈 (CoT)：在提示末尾加上讓我們一步一步地思考。

• ?回退提示 (Step-back)：鼓勵模型先思考一個更一般、更抽象的原理或問題，然后利用這個激活的背景知識來解決具體的任務(wù)，從而提高洞察力。

• ?注意：推理任務(wù)通常也可以直接告訴模型你在推理。

解釋：對于數(shù)據(jù)提取、分類或排序等非創(chuàng)意性任務(wù)，要求模型返回結(jié)構(gòu)化格式（如 JSON 或 XML）的數(shù)據(jù)。

操作：

• ? 要求返回 JSON 格式最大的好處在于：它強制模型創(chuàng)建結(jié)構(gòu)，并且可以極大地限制模型胡編亂造（限制幻覺）。

• ? 如果輸出被截斷導(dǎo)致 JSON 無效，可以使用像 json-repair 這樣的工具來嘗試自動修復(fù)。

解釋：提示工程不僅是寫好提示詞，還需要調(diào)整模型的“旋鈕”來控制輸出的隨機性和多樣性。

操作：

• ?低溫度 (0 - 0.2)：適用于需要確定性、事實性或嚴格邏輯的任務(wù)（如數(shù)學(xué)題或數(shù)據(jù)提?。?/p>

• ?高溫度 (0.9)：適用于需要多樣性或創(chuàng)造性的任務(wù)（如寫故事或頭腦風(fēng)暴）。

• ? 注意：其實像 Gemini ，我們?nèi)粘υ挄r，這個是不可見也不可調(diào)整的，大模型會自己根據(jù)情況進行調(diào)整。

解釋：控制模型生成文本的長度，可以節(jié)省計算資源、提高速度并降低成本。

操作：

• ? 在模型配置中設(shè)置最大 Token 限制。

• ? 在提示中明確要求（如：“用一條推文的長度解釋量子物理學(xué)”）。

解釋：提示工程是一個迭代的過程，你需要不斷嘗試和優(yōu)化。像科學(xué)家做實驗一樣，你需要完整記錄所有細節(jié)，這樣你才能學(xué)習(xí)、調(diào)試，并在未來再次使用。

操作：

• ? 記錄內(nèi)容包括：提示的名稱和目標、使用的模型版本、完整的提示文本、所有的配置以及輸出結(jié)果。

• ? 使用結(jié)構(gòu)化的方式（如表格）來管理這些記錄，以便在模型更新或需要重新測試時，可以輕松追溯。

資料下載

《Prompt Engineering》谷歌官方手冊下載地址：
https://www.kaggle.com/whitepaper-prompt-engineering

互動話題

• ? 看完谷歌這 68 頁心法，你覺得哪個技巧最讓你有“如夢初醒”的感覺？

歡迎在下方評論區(qū)聊聊！我們一起交流。

后臺回復(fù)“提示詞手冊”，可領(lǐng)取谷歌提示詞手冊~

來源 | 許良學(xué)AI（ID：xuyeahsay）

作者 | 許良學(xué)AI ; 編輯 | 蝦餃

內(nèi)容僅代表作者獨立觀點，不代表早讀課立場