提示工程 (Prompt Engineering) 指南

提示工程是设计输入（提示）以从 AI 模型获得最佳输出的艺术和科学。对于 Gemini 这样的大型语言模型，良好的提示可以显著提高回答的准确性、相关性和质量。

核心原则

1. 清晰明确 (Be Clear and Specific): 避免模棱两可。告诉模型通过什么角色、以什么格式、完成什么具体任务。

   • 差: "给我写个东西。"
   • 好: "作为一名资深营销专家，请为一款新的有机咖啡豆撰写一篇 200 字的产品发布会 Instagram 帖子。"

2. 提供上下文 (Provide Context): 给模型足够的信息背景。

   • 示例: "基于以下会议记录，生成一份待办事项列表..."

3. 使用示例 (Few-Shot Prompting): 提供一两个输入-输出对的示例，让模型学习模式。

   • 示例:

     任务：将情感分类为正面或负面。 输入：这家餐厅太棒了！ -> 输出：正面 输入：服务很慢。 -> 输出：负面 输入：食物还可以，但价格太贵。 -> 输出：

4. 思维链 (Chain of Thought): 鼓励模型“一步步思考”，特别是在处理复杂逻辑或数学问题时。

   • 技巧: 在提示末尾加上 "Let's think step by step" (让我们一步步思考)。

结构化提示框架

一个优秀的提示通常包含以下要素：

• 角色 (Persona): 你是谁？ (例如：你是一位 Python 专家)
• 任务 (Task): 你要做什么？ (例如：编写一个脚本来解析 CSV)
• 约束 (Constraints): 有什么限制？ (例如：代码必须高效，不使用第三方库)
• 格式 (Format): 输出应该是什么样？ (例如：Markdown 格式，包含代码注释)

Gemini 特有的提示技巧

• 利用多模态: 不要只用文本。如果可以，上传图片或视频作为上下文，Gemini 的多模态理解能力非常强。
• 系统指令 (System Instructions): 在 API 调用中使用 system_instruction 参数来设定模型的全局行为和基调，这比在每次用户提示中重复指令更有效。

model = genai.GenerativeModel(
    'gemini-1.5-flash',
    system_instruction="你是一位乐于助人的小学数学老师。请用简单易懂的语言解释概念。"
)