Gemini 提示词速查表 - 长上下文与多模态提示词工程
Gemini 的提示词工程和短上下文模型是两套思路：它原生支持百万级上下文与图文音视频混合输入，所以正确做法不是把任务切片后分别提问，而是把全部材料一次投喂，用分隔标签标清哪块是指令、哪块是素材，让模型自己在长上下文里定位。用 XML 或 Markdown 分隔标签锚定区块，是 Gemini 官方推荐也是本表的核心手法。其次是时效性：Gemini 对当前日期敏感度不足以自证，涉及最新事实必须显式给出日期并要求 grounding，否则它会流畅地回退到训练记忆里的旧答案，这比直接答错更难发现。再者是模型选择：Flash、Pro、2.5 Pro 之间要按任务难度分层，长文档整库分析只有 2.5 Pro 值得付这个成本，混用比统一用一个模型既省又准。
结构化分隔 5
用 XML 标签包裹各部分：<context>...</context><task>...</task>用 Markdown 标题（## 背景 / ## 任务）作分隔角色与约束放 system instruction 或 user 开头多段输入各加明确标签，避免混淆输出格式用标签约束：<output>JSON</output>长上下文锚定 5
先给全部 context，再把指令放最后用"基于上述信息…"锚定引用1M/2M 上下文：整库/长文档直接喂入超长材料分块并编号，提问时指编号让模型引用具体段落定位思考与日期 / Grounding 5
复杂任务加 "think very carefully"加 current-date 子句："Remember it is 2026 this year"需要实时事实加 grounding 子句要求标注"不确定"而非编造分步推理用 "step by step, show work"多模态提示 5
图文：上传图 + "描述图中的异常"图音：上传音频 + "转写并总结要点"视频：上传视频 + "找出第 3 个场景的转场"混合："看图并据音频回答问题"对图像指定关注区域描述模型选择 5
Gemini 3.5 Flash：高频/低延迟任务Gemini 3.1 Pro Preview：最难推理Gemini 2.5 Pro：超长上下文（1M）Gemini 2.5 Flash：平衡性价比按任务切换模型而非一刀切实战模板 5
<docs>...</docs><task>基于文档回答 X，引用段落</task>用{语言}实现{需求}，附测试与边界处理用 Markdown 表格对比 A/B，维度：{维度}当前年份 2026，回答需符合最新事实上传图，列出 5 个可改进的设计点命令示例
文档分析：<docs> 包材料、<task> 放指令
<docs>...</docs><task>基于文档回答 X，引用段落</task>这是「先全部 context、再把指令放最后」的最简形态；要求引用段落，答案就可被逐句核对来源。
时效校准 + 需要实时事实时的 grounding
当前年份 2026，回答需符合最新事实。
需要实时事实的部分请基于检索作答，并给出链接来源；无法确认的地方标注「不确定」。第一句校准时间感，第二句启用 grounding。少了第二句，即使问题很新，模型也会退回训练记忆里的旧版本且语气不变。
视觉评审：多模态 + 深度思考 + 关注区域
上传这张界面截图。think very carefully，列出 5 个可改进的设计点；对按钮区域请逐个描述其视觉状态。「think very carefully」触发更深的内部思考；后半句用「对……区域」指定关注点，比笼统要求「仔细看」更能拿到细粒度结论。
分块编号 + 要求先声明使用范围
以下材料按块编号：块 1 … 块 12 …
请先给出你将使用的块编号，再基于上述信息回答问题；每条结论请引用具体段落定位。先声明范围再作答，把「读了哪些」变成可核查的事实；同时用「基于上述信息」把它锚在前文而不是训练记忆上。
常见坑与注意事项
- 不写 current-date 子句就问最新情况：模型会用训练记忆里的旧答案作答，语气与正确时完全一致，事后极难发现。
- 需要网页事实却不加 grounding 子句，等于让它凭记忆答；而它不会提醒你这条结论没有检索支撑。
- 把指令写在素材之前或与素材混排，模型会把你的说明文字当成待分析的输入一起处理。
- 多段输入不加标签：几份文档、几个示例混在一起后，模型无从判断哪句要求针对哪份材料。
- 整条链路上只用一个模型：日常高频任务用 Pro 属于浪费，整库长文档分析用 Flash 又会漏，两者混用才既省又准。
提示
- Gemini 的招牌是超长上下文（2.5 Pro 1M）+ 原生多模态，提示词工程重点是"结构化分隔 + 长上下文锚定 + 末尾指令"，别像短上下文模型那样碎片化。
- 复杂任务显式加 "think very carefully" 与 current-date 子句，能显著改善推理质量与时间感，尤其 2026 年的时效性问题。
- 需要实时/最新事实务必加 grounding 子句，否则模型会回退到训练记忆产生过时答案。
- 模型按任务选：Flash 打日常、Pro 打难题、2.5 Pro 打整库分析，比统一用一个模型更省钱且更准。
- 多模态输入可用 <audio>、<image>、<video>、<document> 标签包裹文件，指令写在标签之后比写在之前更稳，避免模型把文字说明当成待分析素材。
- 长文档任务加一句 "先给出你将使用的章节范围，再作答"，能显著降低遗漏，并让答案可被快速核对是否真来自原文。
- 需要网页事实时加 "搜索并给出链接来源"（grounding 子句）；不加时即使问题很新，模型也会用训练记忆里的旧版本回答且语气不变。
常见问题
Gemini 的提示词为什么强调「先材料、后指令」？
因为它对末尾指令更敏感。正确顺序是：先用 <context>、<docs> 这类标签把全部上下文包起来，再用 <task> 给出要做什么；多段输入各加明确标签以标明来源。指令前置或与素材混排时，模型更容易把说明文字当成待分析的素材。标签是结构化分隔，比纯换行或 Markdown 层级更清晰地划出边界。
有了 1M 上下文，还需要自己做检索和分块吗？
整库或长文档直接喂入即可，省去繁琐的检索分块。但材料确实超长时仍要分块并编号，提问时指编号（例如「块 3 里提到的迁移方案」），指向性比描述位置更强。再加一句「先给出你将使用的章节范围，再作答」能显著降低遗漏，也让答案能被快速核对是否真来自原文。
问它「今年最新情况」时，怎样才不会拿到过时答案？
两步走。先用 current-date 子句校准时间感（例如「Remember it is 2026 this year」），再用 grounding 子句让回答基于检索而非训练记忆。只做第一步，它会用训练记忆里的旧版本流畅作答且语气毫无变化——这比直接答错更难发现；需要网页事实时还要明确要求「搜索并给出链接来源」。
多模态素材（图片、音频、视频）和文字说明该怎么排布？
素材用 <image>、<audio>、<video>、<document> 标签逐个包裹，指令写在标签之后。可用的问法包括：上传图后「描述图中的异常」、上传音频后「转写并总结要点」、上传视频后「找出第 3 个场景的转场」，以及跨模态的「看图并据音频回答问题」。要更细的粒度，就对图像指定关注区域再描述。
Flash、Pro、2.5 Pro 该怎么选？
按任务难度分层而不是一刀切：高频低延迟任务用 Gemini 3.5 Flash（快且便宜），最难的推理用 Gemini 3.1 Pro Preview（质量优先），超长上下文整库分析用 Gemini 2.5 Pro（1M），日常主力则是 Gemini 2.5 Flash 的平衡性价比。混用比统一用一个模型既省钱又准。
由 巧匠 维护
公开更新于 2026年8月21日，内容持续校对官方文档。