Gemini 提示词工程 (Prompt Engineering) 实战指南：从 System Prompt 到思维链

ℹ️30秒核心精要 (TL;DR Answer-First)

如何写出高精准度、格式稳定的 Gemini 提示词？
针对 Gemini 1.5 架构，遵循四大黄金工程原则：
1. 分离系统指令 (System Instructions)：将角色定义（Persona）、负面禁止项（Negative Constraints）与格式模板写入系统面板，使其具备最高引导权重；
2. 少样本强对齐 (Few-Shot Prompting)：提供 2-3 个高质量带有边缘情况（Edge Cases）的输入输出样例，效果胜过数千字纯文本描述；
3. 思维链强制推导 (Chain-of-Thought)：要求模型在输出最终答案前，先在 <thinking> 标签内展示推演逻辑，大幅减少数学与逻辑幻觉；
4. 原生 JSON Schema 约束：通过 API 的 response_schema 参数锁定类型，杜绝结构破坏。

--- ## 下属细分专题与长尾实战文章全景索引 {#文章索引}

本专题依托 Google 官方技术白皮书与一线工程实践，下设 3 个二级细分专题 与 6 个三级专业内容集群。全量 36 篇独立实战文章 均已纳入全站知识图谱，供开发者按具体搜索意图按需查阅：

1. 基础结构与人设 (/prompts/basic-structures/)

集群 1.1：System Instructions 与 Persona 构建

序号	核心实战文章与解决方案	规范相对路径	适用工程阶段	关键技术实体
1	构建高说服力系统人设：从角色背景、专长到语气口吻	/prompts/basic-structures/persona-building/article-1.html	深度实战	提示词工程 / 基础结构与人设
2	负面约束设计原则：为什么说正向引导比反复禁止更有效	/prompts/basic-structures/persona-building/article-2.html	深度实战	提示词工程 / 基础结构与人设
3	XML 标签（Tags）在复杂长提示词中的组织隔离艺术	/prompts/basic-structures/persona-building/article-3.html	深度实战	提示词工程 / 基础结构与人设
4	如何通过系统指令锁定输出语言与术语专有名词标准	/prompts/basic-structures/persona-building/article-4.html	深度实战	提示词工程 / 基础结构与人设
5	针对客服场景的同理心与高情商系统提示词模板	/prompts/basic-structures/persona-building/article-5.html	深度实战	提示词工程 / 基础结构与人设
6	提示词版本化管理：如何为业务团队制定 Prompt 规范	/prompts/basic-structures/persona-building/article-6.html	深度实战	提示词工程 / 基础结构与人设

集群 1.2：Few-Shot 少样本调优实战

序号	核心实战文章与解决方案	规范相对路径	适用工程阶段	关键技术实体
1	Few-Shot 提示词基本原理：样例数量与生成质量的关系	/prompts/basic-structures/few-shot/article-1.html	深度实战	提示词工程 / 基础结构与人设
2	如何挑选最具代表性、涵盖边界异常的经典示例对	/prompts/basic-structures/few-shot/article-2.html	深度实战	提示词工程 / 基础结构与人设
3	少样本提示词对分类与信息提取准确率的提升实测	/prompts/basic-structures/few-shot/article-3.html	深度实战	提示词工程 / 基础结构与人设
4	反向示例（Negative Examples）：教大模型识别错误案例	/prompts/basic-structures/few-shot/article-4.html	深度实战	提示词工程 / 基础结构与人设
5	动态少样本检索：结合向量库根据用户问题动态注入样例	/prompts/basic-structures/few-shot/article-5.html	深度实战	提示词工程 / 基础结构与人设
6	Few-Shot 带来的额外 Token 成本与模型准确率的权衡	/prompts/basic-structures/few-shot/article-6.html	深度实战	提示词工程 / 基础结构与人设

2. 高级技巧与推理 (/prompts/advanced-techniques/)

集群 2.1：强制 JSON 与结构化约束

序号	核心实战文章与解决方案	规范相对路径	适用工程阶段	关键技术实体
1	Gemini 原生 response_schema 参数使用全面指南	/prompts/advanced-techniques/structured-json/article-1.html	深度实战	提示词工程 / 高级技巧与推理
2	使用 Pydantic 模型自动导出复杂嵌套 JSON Schema	/prompts/advanced-techniques/structured-json/article-2.html	深度实战	提示词工程 / 高级技巧与推理
3	从非结构化快递发票文本中提取标准 JSON 字典实战	/prompts/advanced-techniques/structured-json/article-3.html	深度实战	提示词工程 / 高级技巧与推理
4	强制生成标准 Markdown 表格与 CSV 格式的提示词模板	/prompts/advanced-techniques/structured-json/article-4.html	深度实战	提示词工程 / 高级技巧与推理
5	避免 JSON 格式截断：如何精确设置 max_output_tokens	/prompts/advanced-techniques/structured-json/article-5.html	深度实战	提示词工程 / 高级技巧与推理
6	在前端安全校验与反序列化大模型生成的 JSON 数据	/prompts/advanced-techniques/structured-json/article-6.html	深度实战	提示词工程 / 高级技巧与推理

集群 2.2：Chain-of-Thought 思维链实战

序号	核心实战文章与解决方案	规范相对路径	适用工程阶段	关键技术实体
1	思维链（CoT）工作原理：为什么分步推演能大幅降低幻觉	/prompts/advanced-techniques/chain-of-thought/article-1.html	深度实战	提示词工程 / 高级技巧与推理
2	Zero-Shot CoT：利用“请一步步思考”激发大模型推理潜能	/prompts/advanced-techniques/chain-of-thought/article-2.html	深度实战	提示词工程 / 高级技巧与推理
3	Few-Shot CoT：在示例中展示完整的数学与逻辑推导过程	/prompts/advanced-techniques/chain-of-thought/article-3.html	深度实战	提示词工程 / 高级技巧与推理
4	利用 <thinking> 标签实现思考过程与最终答案的清晰分离	/prompts/advanced-techniques/chain-of-thought/article-4.html	深度实战	提示词工程 / 高级技巧与推理
5	自我反思与修正（Self-Correction）提示词设计范式	/prompts/advanced-techniques/chain-of-thought/article-5.html	深度实战	提示词工程 / 高级技巧与推理
6	思维链在复杂法律合同条款一致性审核中的落地应用	/prompts/advanced-techniques/chain-of-thought/article-6.html	深度实战	提示词工程 / 高级技巧与推理

3. 评测与自动化优化 (/prompts/prompt-eval/)

集群 3.1：Prompt 自动化评测框架

序号	核心实战文章与解决方案	规范相对路径	适用工程阶段	关键技术实体
1	大模型作为裁判（LLM-as-a-Judge）自动给生成质量打分	/prompts/prompt-eval/eval-frameworks/article-1.html	深度实战	提示词工程 / 评测与自动化优化
2	构建包含 100 个典型测试用例的业务 Prompt 回归测试集	/prompts/prompt-eval/eval-frameworks/article-2.html	深度实战	提示词工程 / 评测与自动化优化
3	使用 Promptfoo 开源工具进行多模型多提示词批量对比	/prompts/prompt-eval/eval-frameworks/article-3.html	深度实战	提示词工程 / 评测与自动化优化
4	如何定义可量化的生成质量指标（准确率、相关度、完整度）	/prompts/prompt-eval/eval-frameworks/article-4.html	深度实战	提示词工程 / 评测与自动化优化
5	版本升级时如何保证现有业务 Prompt 输出风格不突变	/prompts/prompt-eval/eval-frameworks/article-5.html	深度实战	提示词工程 / 评测与自动化优化
6	基于真实用户点赞点踩反馈构建持续改进闭环	/prompts/prompt-eval/eval-frameworks/article-6.html	深度实战	提示词工程 / 评测与自动化优化

集群 3.2：提示词安全与防注入

序号	核心实战文章与解决方案	规范相对路径	适用工程阶段	关键技术实体
1	提示词注入（Prompt Injection）攻击原理解析与真实案例	/prompts/prompt-eval/prompt-security/article-1.html	深度实战	提示词工程 / 评测与自动化优化
2	越狱提示词（Jailbreak）的防御策略与输入过滤设计	/prompts/prompt-eval/prompt-security/article-2.html	深度实战	提示词工程 / 评测与自动化优化
3	如何防止恶意用户通过提问套取底层 System Instructions	/prompts/prompt-eval/prompt-security/article-3.html	深度实战	提示词工程 / 评测与自动化优化
4	间接提示词注入（Indirect Injection）：处理外部网页的安全防线	/prompts/prompt-eval/prompt-security/article-4.html	深度实战	提示词工程 / 评测与自动化优化
5	构建输入安全检查网关（Guardrails）的最佳实践方案	/prompts/prompt-eval/prompt-security/article-5.html	深度实战	提示词工程 / 评测与自动化优化
6	遵循企业数据合规：敏感个人信息（PII）自动遮蔽脱敏	/prompts/prompt-eval/prompt-security/article-6.html	深度实战	提示词工程 / 评测与自动化优化

---

提示词测试建议：所有范例均可在 Google AI Studio 控制台中直接粘贴验证。测试代码中的密钥请统一使用 YOUR_API_KEY 占位符。

---

目录导航

• 一、Gemini 提示词设计四大核心支柱
• 二、System Instructions 与 Persona 人设构建
• 三、Few-Shot 少样本提示词设计法则
• 四、强制结构化 JSON Schema 约束与解析
• 五、Chain-of-Thought (CoT) 思维链与防幻觉
• 六、常见提示词调试疑问 (FAQ)

---

一、Gemini 提示词设计四大核心支柱

与传统单模态文本模型相比，Gemini 原生支持超长上下文与多模态输入，提示词构建模型可抽象为如下层级结构：

+-----------------------------------------------------------------------------------+
| 1. System Instructions (系统全局人设与负面约束 - 权重最高)                           |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
| 2. Context & Reference Data (外部长文档/音视频/财报 PDF - 依赖 2M 超长上下文)       |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
| 3. Few-Shot Demonstration (2-3 组高质量输入输出范例 - 锚定格式与表达风格)          |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
| 4. User Task Directive & Output Constraint (具体任务指令 + 强制 CoT 推理引导)      |
+-----------------------------------------------------------------------------------+

---

二、System Instructions 与 Persona 人设构建

在 AI Studio 中，System Instructions 独立于多轮对话流。不要在 User Prompt 中反复强调“请扮演一名资深程序员”，而应直接在系统指令中确立：

📄Senior_Engineer_Persona.md

MARKDOWN

# 核心人设
你是一名专注于高并发架构与系统容灾的资深分布式系统专家，拥有 15 年大型互联网架构演进经验。

# 交互原则
1. 回答直击问题本质，先给出推荐的架构方案与核心考量，再展开具体实现细节。
2. 给出代码示例时，必须符合生产级工程规范（带异常捕获、连接池复用与性能注记）。
3. 如果用户的技术方案存在严重单点故障（SPOF）或性能陷阱，必须直截了当地指出潜在隐患并给出修复路径。
4. 语言使用简练专业的简体中文。

---

三、Few-Shot 少样本提示词设计法则

对于复杂的实体抽取或文本风格转换任务，最有效的方法是提供示例对：

📄Few_Shot_Example.md

MARKDOWN

请从用户反馈中提取出：[问题模块]、[严重级别] 与 [核心诉求]：

输入："付款后订单状态一直显示处理中，都过去半小时了，客服排队前面还有80人，急死我了！"
输出：
- 问题模块：订单与支付状态同步
- 严重级别：高危 (P1)
- 核心诉求：立即刷新支付状态并尽快完成出票或退款

输入："搜索商品的时候，筛选价格区间的滑块在手机上拖动有点卡，希望能优化下。"
输出：
- 问题模块：商品搜索 UI 交互
- 严重级别：低危 (P3)
- 核心诉求：优化移动端价格筛选滑块的触控响应灵敏度

输入："昨晚系统升级后，所有绑定的企业邮箱全部收不到验证码，新员工都无法登录系统！"
输出：

---

四、强制结构化 JSON Schema 约束与解析

如果下游业务需要解析大模型的结果并录入 MySQL / MongoDB，请务必使用 Gemini 原生的模式约束：

📄structured_output.py

PYTHON

import os
from pydantic import BaseModel, Field
from typing import List
import google.generativeai as genai

class SecurityAuditResult(BaseModel):
    is_safe: bool = Field(description='代码是否不存在重大安全隐患')
    vulnerabilities: List[str] = Field(description='发现的漏洞清单，如 SQL 注入、未授权访问')
    risk_score: int = Field(description='风险分值，范围 0 至 100')
    remediation_steps: List[str] = Field(description='具体的加固修复措施清单')

genai.configure(api_key=os.getenv('GEMINI_API_KEY', 'YOUR_API_KEY'))

model = genai.GenerativeModel(
    'gemini-1.5-flash',
    generation_config={
        'response_mime_type': 'application/json',
        'response_schema': SecurityAuditResult
    }
)

code_snippet = '''
def query_user(user_id):
    sql = f"SELECT * FROM users WHERE id = '{user_id}'"
    return db.execute(sql)
'''

response = model.generate_content(f'请审计以下 Python 函数的安全风险：\n{code_snippet}')
print(response.text)

---

五、Chain-of-Thought (CoT) 思维链与防幻觉

对于涉及复杂逻辑推理、多步骤业务规则核算的场景，直接让模型输出最终答案极易产生幻觉错误。使用思维链引导（CoT），强制模型分步推导：

📄CoT_Prompt_Template.md

MARKDOWN

请评估以下跨境退税业务规则的适用性。

请严格按照以下步骤思考并作答：
`<thinking>`
第 1 步：核对用户购买货物的发票日期是否处于可退税时间窗口（离境前 90 天内）。
第 2 步：核对用户单张发票的含税金额是否达到退税起征点（>= 500 元人民币）。
第 3 步：确认退税商品的类目是否属于禁止出境或海关免税类目清单。
第 4 步：计算实际退税额（扣除 2% 代理手续费）。
`</thinking>`

完成思考后，在下方输出最终核算结果与凭证审核结论：

---

六、常见提示词调试疑问 (FAQ)

Q1: 提示词越长，大模型的理解能力会下降吗？

在传统的 4k/8k 窗口模型上确实存在“注意力衰减”问题。但在 Gemini 1.5 系列上，得益于针对 2M 超长窗口的深度训练与注意力优化，模型在大跨度文本中的上下文抓取能力极其强悍。关键在于结构层次分明：使用清晰的 Markdown 标题、分段与明确的 XML 标签（如 <context>、<rules>、<query>）对信息进行模块化隔离。

Q2: 什么是负面约束（Negative Constraints）？为什么 AI 经常违背“请不要…”的指令？

根据注意力概率机制，当提示词中频繁出现某个词汇时，即使带有“禁止”、“不要”的前缀，也会在 Embedding 空间中激活该概念的相关语义。更优的工程实践是给出正向替代指令：例如与其说“不要输出非正式口语”，不如写“请始终使用严谨、庄重的书面学术语调输出”。

---

💡 下一步推荐阅读：了解如何将提示词应用于音视频与长文档，请查阅 多模态创作与分析专题；需要将提示词嵌入后端服务，请查看 Gemini API 开发指南。