|
|
马上注册，结交更多好友，享用更多功能^_^
您需要 登录 才可以下载或查看，没有账号？立即注册
x
本文来自（Google DeepMind的开发工程师，负责开发者体验和开发者关系方面的工作）的一篇Blog。
内容是作者分享自己关于Gemini 3提示词工程的最佳实践经验，觉得颇为受用！
特意把作者的分享大概整理成“五大核心原则”和“三大关键实践”，一起和鱼油门来学习下如何从和AI“聊天”转向真正的“提示词工程”
在构建任何提示词之前，请遵循以下基础逻辑！
1、指令要精准
拒绝废话。
不要使用“请你帮我...”或“这对我很重要”等情感修饰语。
直接、清晰地陈述你的目标。
Gemini 3 对简洁明了的命令式指令反应最佳。
2、保持一致性
提示词应具备像代码一样的规范性。
统一结构：
- 全篇统一使用 XML 标签（如 ）或 Markdown 标题。
定义术语：如果任务中包含模棱两可的词汇，必须在开头明确定义它的含义。
3、多模态融合
Gemini 3 是原生多模态模型。
不要将图像或视频视为“附件”，它们和输入的文本一样重要。
明确引用：
在指令中明确指向特定的模态（例如：“结合视频中的动作和下方的文本描述进行分析...”），强制模型进行跨模态综合推理，而非单独处理。
4、约束前置
锚定推理起点。
将所有的行为约束（如“不准使用表情包”、“必须输出 JSON”）和角色定义放在提示词的最顶端（System Prompt）。
这能作为模型推理的“锚点”，防止在生成回答的过程中跑偏。
5、长上下文处理
当处理长文档或大量数据时：
- 指令后置：将具体要执行的任务指令放在大量数据的末尾。
- 桥接语句：在数据结束和指令开始之间，使用过渡句（如“基于上述提供的所有信息，请执行……”）来重新唤醒模型的注意力。
三大关键实践
这是提升输出质量的进阶技巧，将简单的问答转化为深度的思维过程。
1、推理与规划
不要让模型直接给出答案，这往往会导致AI幻觉或得到一些比较肤浅的答案。
我们要强制让AI模型先“思考”：
- 显式拆解：要求模型在回答前，先将大目标拆解为子任务，并检查输入信息是否完整。
- 自我更新的任务清单：让模型在输出中创建一个动态的 TODO 列表。
如：
- Create a TODO list to track progress:
- - [ ] Primary objective
- - [ ] Task 1
- - [ ] Task 2
- ....
- - [ ]
这能帮助模型在长任务中保持状态，不会遗漏步骤。
自我批判：要求模型在输出最终响应前，先自己进行校验审核。
如：
- Before returning your final response, review your generated output against the user's original constraints.
- 译：在给出最终回复之前，请对照用户最初设定的限制条件，再次检查您生成的输出内容。
- 1. Did I answer the user's intent, not just their literal words?
- 译：我是否真正满足了用户的意图，而非仅仅遵循了他们字面上的意思呢？
- 2. Is the tone authentic to the requested persona?
- 译：这种语气是否符合所要求的个性特征？
- 3. If I made an assumption due to missing data, did I flag it?
- 译：如果因为我所获取的数据不足而做出了某种假设，我是否已经对此进行了标注说明了呢？
2、结构化提示
像写软件一样写提示词。使用清晰的标记语言来界定边界，帮助模型区分哪部分是指令和哪部分是数据。
如 XML 或者 Markdown 风格，XML 风格:
- <rules>在此定义绝对规则</rules>
- <context>在此放入背景资料</context>
- <planning_process>在此展示思考过程</planning_process>
Markdown 风格：使用 # Identity（身份）、# Constraints（约束）等标题。
注意：选择一种格式后记得全篇保持一致，不要混用。
3、智能体工具使用
当你把 Gemini 3 作为能够调用工具（如搜索、代码解释器）的自主智能体（Agent）时，需要增强它的韧性：
坚持指令。
明确写入规则：
必须持续工作直到问题被完全解决。如果工具调用失败或报错，模型应分析错误原因并尝试替代方案（如换一个搜索词），绝对不能直接放弃或把报错抛回给用户。
预计算反思。
在模型调用任何工具之前，强制它进行一键三连的思考：
我为什么要调用这个工具？我期望获取什么具体数据？这个数据如何直接帮助解决用户的问题？
场景应用模版策略
针对特定任务，我们需要让AI变成遵守SOP（标准作业程序）的专业人士，通过 1, 2, 3, 4 ...的步骤，强迫 AI 在输出最终结果之前，必须先经过特定的处理流程。
Philipp也给出了一些具体场景的策略建议，研究与分析（强制先分解问题、再独立分析、最后合并结论并强制引用来源，防止AI一上来就胡编乱造一个结论。）
- 1. Decompose the topic into key research questions
- 2. Search for/Analyze provided sources for each question independently
- 3. Synthesize findings into a cohesive report
- 4. CITATION RULE: If you make a specific claim, you must cite a source. If no source is available, state that it is a general estimate. Every claim must be immediately followed by a reference [Source ID]
创意写作（明确受众读者，为了显得自然，明确需要禁用“行业黑话”等）：
- 1. Identify the target audience and the specific goal (e.g., empathy vs. authority).
- 2. If the task requires empathy or casualness, strictly avoid corporate jargon (e.g., "synergy," "protocols," "ensure").
- 3. Draft the content.
- 4. Read the draft internally. Does this sound like a human or a template? If it sounds robotic, rewrite it.
解决问题（多重方案对比，要求模型先找出标准解决方案，再找出最佳解决方案，并解释为什么最佳解决方案更好）
- 1. Restate the problem in your own words.
- 2. Identify the "Standard Solution."
- 3. Identify the "Power User Solution" (Is there a trick, a specific tool, or a nuance most people miss?).
- 4. Present the solution, prioritizing the most effective method, even if it deviates slightly from the user's requested format.
- 5. Sanity check: Does this solve the root problem?
教学内容（AI容易用复杂的术语解释复杂的概念，强迫 AI 必须“说人话”，并像老师一样确认学生是否听懂了）
- 1. Assess the user's current knowledge level based on their query.
- 2. Define key terms before using them.
- 3. Explain the concept using a relevant analogy.
- 4. Provide a "Check for Understanding" question at the end.
对于企业或需要批量生产内容的人来说，这些模板其实就是 SOP（标准作业程序）。
它保证了无论 AI 产出的内容中，我们所关心的那些核心要素，不会出现时好时坏的情况。
总结
总的来说，AI提示词没有完美的模板或上下文结构。
上下文工程是一个经验性的过程，而非固定的语法。我们需要根据的具体用例不断进行迭代、测试和改进。
预知更多神文请看：
如此多懂学习的 VIP至尊都 已订阅本专辑，你还不快点行动！ （-> 订阅传送门）
如果有收获，别忘了评分 ：
|
|
( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)
狗仔卡
发表于 
置顶卡
千斤顶
显身卡
楼主