gemini-3-提示詞
如何撰寫經得起反覆修訂的 Gemini 3 提示詞
Gemini3 Team · 2026年7月18日 · 11 min read
Keywords: Gemini 3 提示詞、Gemini 3.1 Pro 範本、提示詞工程、AI 工作流程
Published: 2026年7月18日 Author: Gemini3 Team
為什麼大多數 Gemini 3 提示詞在修訂時失敗——以及如何修復
大多數人將撰寫提示詞視為起草電子郵件：寫完、送出、聽天由命。對於 Gemini 3.1 Pro——尤其是在 MidassAI Chat 上——這等於需要返工。這不是因為模型不穩定，而是因為你的提示詞未經得起推敲。修訂不是失敗——那是真正工作發生的地方。如果你的提示詞在你問「等等，邊界案例 X 怎麼處理？」或「你能反向追蹤那個邏輯嗎？」時崩潰，你損失的是數小時——而不僅是幾分鐘。
Gemini 3.1 Pro 擅長深度處理：推理超過 100K token 的文件、分解多步驟架構、解釋時間軸影片幀，以及跨異質來源交叉驗證主張。但這一切不會來自模糊的指令，如「解釋量子計算」或「改進這段程式碼」。它來自結構化意圖——那些通過預先編碼約束、 fallback 邏輯和明確驗證標準而 engineered 以 survive 修訂週期的提示詞。
適用對象：
- 針對新來源材料修訂白皮書的技術作家
- 驗證服務網格設計決策的後端工程師
- 跨轄區綜合監管文件的研究人員
- 在衝刺規劃前壓力測試功能規格的产品負責人
- 提取時間因果關係的影片分析師（例如：「在 2:14–2:27，對象 A 的手勢是先於還是後於對象 B 的語言提示？」）
這些不是理論用例。這是我們在 MidassAI Chat 上與真實用戶進行壓力測試的工作流程——也是結構不良的提示詞通常在第二步修訂時失敗的地方。
重點摘要
範本 1：帶有來源錨點的長文件檢索
不要說：「總結這份 80 頁的 SEC 文件。」
請改說：
你是一位審查 Acme Corp (2024) 10-K 表格的合規分析師。檢索並提取僅與網路安全風險因素 (Item 1C)、訴訟應急事項 (Item 3) 及前瞻性聲明免責條款 (Item 7) 相關的揭露內容。針對每個提取的條款：
- 逐字引用（最多 45 字）
- 引用確切頁碼與章節標題
- 標記任何內部矛盾（例如：「第 22 頁風險為『重大』但第 41 頁為『非重大』」） 不要改寫。不要推斷。不要超出提取範圍進行總結。
為何它能經得起修訂：明確錨定頁碼/章節強制了忠實度。矛盾檢測內建了自我審核——所以當你後來問*「顯示第 3 節中標記的所有矛盾」時，Gemini 3.1 Pro 會立即檢索它們，因為它們是在第一遍處理時*記錄的，而非事後推斷。
範本 2：決策樹邏輯壓力測試
當驗證業務規則、政策執行或條件工作流程時使用此範本：
你是一位評估貸款審批引擎的系統審計員。給定這三個輸入：
- 信用評分 ≥ 720 → 自動批准
- 收入比率 > 45% → 需要人工審查
- 24 個月內有過往違約 → 自動拒絕 生成所有可能的輸入組合 (n=8) 並針對每個組合：
- 陈述最終決定
- 追蹤採用的確切規則路徑（例如：「信用=730 → 自動批准；覆蓋收入比率=48%」）
- 識別任何規則衝突（例如：「信用=690 且違約=是 → 觸發拒絕與人工審查」） 輸出為 CSV，欄位：credit_score, income_ratio_pct, past_default, decision, conflict_flag。
此範本強制 exhaustive 枚舉——不僅是「典型情況下會發生什麼」。當你修訂時（「如果收入比率是 44.9% 怎麼辦？」），Gemini 3.1 Pro 不會猜測——它會在上下文中重新計算完整矩陣，保留 prior 輸出以進行並排比較。
範本 3：程式碼架構分解
跳過「讓這段程式碼更好」。改為：
你是一位審查此 Go 微服務的高級後端架構師（附件：main.go, handlers/user.go, pkg/db/connection.go）。針對每個文件：
- 列出所有導出的類型/函數
- 映射依賴流：哪些函數調用哪些，包括跨包調用
- 識別緊耦合點（例如：handler 直接實例化 DB 連接而非接受介面）
- 針對每個耦合點提出一個具體重構方案（例如：「將 db.Connection 提取為介面；通過建構函數注入」） 輸出為 Mermaid 圖表代碼 + 重構方案 bullet list。
Gemini 3.1 Pro 解析結構與意圖——不僅是語法。修訂變得精準：「注入 Redis 客戶端後重新運行依賴映射——user handler 現在依賴 cache 了嗎？」 提示詞已經精確定義了「依賴」，所以答案是確定的。
範本 4：時間軸影片分析提示詞
用於幀級準確推理（需要上傳影片至 MidassAI Chat）：
分析上傳的影片片段 (0:00–3:12, 30fps)。在時間戳 1:22–1:25 和 2:08–2:11：
- 識別主要對象動作（例如：「左臂抬起，然後暫停」）
- 與音頻波形峰值相關聯（提供 ms 對齊時間戳）
- 確定時間順序：動作是領先、滯後還是* coincide* 峰值？
- 如果滯後 > 120ms，標記潛在同步問題。 輸出表格：timestamp_range | motion_description | audio_peak_ms | delta_ms | sync_flag。
這有效是因為 Gemini 3.1 Pro jointly 處理多模態 token。修訂不是「你漏了什麼嗎？」——而是*「使用更緊的動作閾值（ sub-pixel 光流）重新分析 1:22–1:25」*，模型會以調整後的參數重新執行相同協議。
範本 5–7：研究三角驗證、邊界案例生成與跨領域翻譯
- 研究三角驗證：「比較 FDA 草案指導 (2024-05)、EMA CHMP 報告 (2023-11) 和 WHO 技術簡報 (2024-02) 關於 AI 啟用診斷的內容。針對每個法規：提取『臨床驗證』的定義，列出所需證據類型，並注意樣本大小閾值的差異。輸出為 markdown 表格，欄位『差異嚴重程度 (low/medium/high)』。」
- 邊界案例生成：「給定此 Python 函數簽名
def calculate_tax(income: float, state: str, dependents: int) -> float，生成 12 個測試案例覆蓋：負收入、state='XX' (無效)、dependents=−1、income=inf、state='CA' 且 dependents=0，以及 7 個更多邊界條件。針對每個案例，說明預期行為以及為何它是有意義的邊界案例。」 - 跨領域翻譯：「將此 Kubernetes Helm chart README（附件）翻譯為針對非技術銷售工程師的 plain-language 產品規格。保留所有版本約束、資源限制和失敗模式——但將 'initContainer' 替換為 'pre-start health check'，'tolerations' 替換為 'deployment flexibility settings' 等。包含將技術術語映射到銷售對應詞的詞彙表。」
每個都嵌入了修訂就緒：明確範圍、無歧義的成功標準，以及啟用 diff-based 驗證的結構化輸出格式。
你的第一個防修訂提示詞從現在開始
你不需要第一天就擁有完美的提示詞。你需要的是與你共同學習的提示詞。每次你問「如果 X 改變了怎麼辦？」，MidassAI Chat 上的 Gemini 3.1 Pro 會保留原始推理鏈——所以修訂不是重頭開始。它是層疊洞察。
試著即時構建這些範本之一。上傳 50 頁 PDF，貼上 200 行程式碼庫，或放入 90 秒影片片段。然後問你的第一個修訂問題：「顯示假設在哪裡崩潰。」 那時你會看到讓你能獲得一個答案的提示詞，與讓你能獲得一個工作基礎的提示詞之間的區別。