万字长文解密！我们啃完了谷歌68页手册，提炼出7个让你“封神”的提示词技巧。

Gemini 3 Pro 必须是最近最热议的话题。昨天在一个大佬的评论区看到有好几个人留言说：“Gemini 3 Pro 老理解错意思”。

我想可能不是它理解不了，是我们表达得不够清楚。

如果只能推荐一份关于 Gemini 3 Pro 的进阶指南，我会毫不犹豫地选择这一份：谷歌官方 68 页提示词工程手册。

它解决了一个最核心的问题：如何让 AI 精准理解你的意图，不再“胡言乱语”。

很多时候，你觉得 Gemini 3 Pro 不好用，其实是因为你没掌握那把“钥匙”。这份文档里藏着让 AI 智商翻倍的秘密。

我为你提炼了手册中的十大核心心法。文末附电子书原件下载地址，建议先马后看。

---

十条最重要的提示工程“心法”

1. 展示例子：告诉模型“照这个样子做”

(One-shot / Few-shot)

解释： 这是最重要、最强大的教学工具。与其只给模型指令，不如直接给它看你想要的格式和风格的完成示例。模型会模仿你提供的模式来生成结果。

操作：

• 提供一个（单次提示，One-shot）或多个（几次提示，Few-shot）高质量的输入/输出示例。
• 注意：如果你在做分类任务（例如：情感是“积极”还是“消极”），请务必打乱示例中类别的顺序，防止模型仅仅记住顺序，而不是真正学会分类。

2. 保持简洁明了：要有明确的信息

解释： 提示应该简洁、清晰、易于理解。如果提示对你来说已经很困惑了，那么模型也可能会感到困惑。避免使用复杂的词语或提供与任务无关的不必要信息。

操作：

• 使用描述具体行动的动词来指导模型（例如：提取、分类、生成、总结）。
• 不好： “我现在在纽约，和两个三岁的孩子一起，告诉我一些好地方。”
• 更好： “扮演一名旅行向导。描述一些适合三岁孩子游玩的纽约曼哈顿的好地方”。

3. 具体说明你想要什么结果

解释： 对模型的期望输出要具体、明确。不要只给一个笼统的指令，要给出具体的细节要求，这样能帮助模型集中注意力，提高整体准确性。

操作：

• 不要： “写一篇关于游戏机的博客文章。”
• 要做： “生成一篇 3 个段落的博客文章，内容关于 5 个顶级游戏机。文章必须是信息丰富且引人入胜的，并以对话式的风格写成”。

4. 优先使用“要做什么”，少说“不要做什么”

解释： 尽量使用正向的指导性指令（告诉模型应该做什么），而不是负面的限制（告诉模型不应该做什么）。这与我们自己交流的时候偏爱正面指令的习惯一致。

操作：

• 指令优先： 清晰地说明你想要的结果（例如：“只讨论游戏机、制造商、年份和总销量”）。
• 限制次之： 限制（例如：“不要列出游戏名称”）仅在特定情况下使用，例如涉及安全、清晰度或严格的格式要求时。

5. 给模型设定身份和背景（角色、情境提示）

解释： 给模型一个“人设”或“背景”，这能帮助它以正确的语气、风格和专业知识来回答问题。

操作：

• 角色提示： 赋予模型一个身份（例如：“我希望你扮演一位幽默的旅行向导”）。
• 情境提示： 提供与任务相关的具体背景信息（例如：“情境：你正在为一个关于 80 年代复古街机游戏的博客写文章”）。
• 这就像给演员一个剧本和角色说明，确保他们的表演符合预期。

6. 引导模型逐步思考（思维链 CoT 与回退提示）

解释： 对于复杂的任务（比如推理、数学题或代码生成），不要直接要求模型给答案，而是要求它“一步一步地思考”。这能提高复杂问题的准确性。

操作：

• 思维链 (CoT)： 在提示末尾加上让我们一步一步地思考 。
• 回退提示 (Step-back)： 鼓励模型先思考一个更一般、更抽象的原理或问题，然后利用这个激活的背景知识来解决具体的任务，从而提高洞察力。
• 注意： 推理任务通常也可以直接告诉模型你在推理。

7. 尝试结构化输出格式（使用 JSON 或 XML）

解释： 对于数据提取、分类或排序等非创意性任务，要求模型返回结构化格式（如 JSON 或 XML）的数据。

操作：

• 要求返回 JSON 格式最大的好处在于：它强制模型创建结构，并且可以极大地限制模型胡编乱造（限制幻觉）。
• 如果输出被截断导致 JSON 无效，可以使用像 json-repair 这样的工具来尝试自动修复。

8. 调整配置来控制“创造力”

解释： 提示工程不仅是写好提示词，还需要调整模型的“旋钮”来控制输出的随机性和多样性。

操作：

• 低温度 (0 - 0.2)： 适用于需要确定性、事实性或严格逻辑的任务（如数学题或数据提取）。
• 高温度 (0.9)： 适用于需要多样性或创造性的任务（如写故事或头脑风暴）。
• 注意：其实像 Gemini ，我们日常对话时，这个是不可见也不可调整的，大模型会自己根据情况进行调整。

9. 明确控制回答的长度

解释： 控制模型生成文本的长度，可以节省计算资源、提高速度并降低成本。

操作：

• 在模型配置中设置最大 Token 限制。
• 在提示中明确要求（如：“用一条推文的长度解释量子物理学”）。

10. 详细记录每一次尝试

解释： 提示工程是一个迭代的过程，你需要不断尝试和优化。像科学家做实验一样，你需要完整记录所有细节，这样你才能学习、调试，并在未来再次使用。

操作：

• 记录内容包括：提示的名称和目标、使用的模型版本、完整的提示文本、所有的配置以及输出结果。
• 使用结构化的方式（如表格）来管理这些记录，以便在模型更新或需要重新测试时，可以轻松追溯。

那么，如何系统的去学习大模型LLM？

作为一名深耕行业的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

由于篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~

👉大模型学习指南+路线汇总👈

我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！