Google提示词撰写指南是什么
Google提示词撰写指南是Google DeepMind开发的一套实用原则，用于撰写更有效的提示词。这个框架经过数千次模型交互的研究得出，旨在提高清晰度、一致性和输出质量。指南不特定于Gemini——原则对GPT-4o、Claude和所有现代LLM同样适用。
中核原则
5大中核原则构成了Google方法的基础。虽然名称各不相同，但核心理念贯穿所有现代提示词框架（CO-STAR、SPECS、RISE）。
- 1清晰性: 避免模糊。用具体语言而非宽泛指令。说"为computer science学生们用技术细节解释大语言模型的原理"比"谈论AI"更好。
- 2结构: 将复杂提示词分解为明确步骤。给出开始、约束、输出格式。模型会跟随。
- 3例子: 提示词包含示范性输出。"以JSON格式输出" + 一个示范JSON = 比单纯说明更有力。
- 4角色: 告诉模型扮演具体角色（"你是financial advisor"或"你是data analyst"）。角色引导语气和专业深度。
- 5约束: 明确禁止什么（禁止短语、格式规则）和要求什么（引用来源、最大字数）。约束减少模糊和幻觉。
强调的技术
除了中核原则，Google指南突出几项成熟的提示词技巧。这些在许多流行框架中出现，使它们成为最可靠的模式。
- 1Few-shot例子: 提供2–5个输入-输出对样本，让模型学习模式。比一般指令更快，结果更一致。
- 2Chain-of-Thought（CoT）推理: 要求模型在回答前"step by step think"。强制逻辑步骤，减少错误，特别是在数学和逻辑上有用。
- 3明确输出格式: 说"以JSON或Markdown表格返回"，并给出例子。模型会遵循格式。
- 4问题分解: 复杂问题分成子任务。要求模型逐个解决，然后综合答案。减少认知负荷。
- 5条件指令: "如果用户提到X，做Y。否则做Z。" 模型可以处理条件逻辑。
例子：坏 vs 好的提示词
真实世界的对比展示了明确性和结构的力量。
❌ Bad Prompt
写一个关于金钱的故事。
✅ Good Prompt
为金融产品公司的营销人员写一个75–100词的故事，说明储蓄的价值。故事应该有开头、中间、结尾。用简单语言，避免技术术语。
❌ Bad Prompt
Gemini应该如何处理代码？
✅ Good Prompt
你是一名senior software engineer。我会给你一段代码。分析它的效率、安全问题和可读性。针对每个问题给出具体建议和代码示例修复。
PromptQuorum如何实现它
PromptQuorum将Google指南集成为一个内置框架。创建提示词时，用户可选择"Google"模板，工具会：1) 提示输入清晰任务定义、受众和约束；2) 从库生成例子；3) 应用格式规则；4) 跨Gemini 3.1 Pro、GPT-4o和Claude Opus 4.7测试输出。这使Google原则可操作化，不需要用户手动构造提示词。
与其他框架组合
尽管Google指南很全面，它们最强大的用法是与高层框架组合： • CO-STAR + Google: CO-STAR（Context、Objective、Style、Tone、Action、Result）定义整体结构；Google的明确性和例子原则完善每个步骤。 • SPECS + Google: SPECS（Setting、Person、Expectation、Context、Sample、Style）与Google的约束和角色概念配合。 • RISE + Google: RISE（Role、Input、Steps、Examples）直接对应Google的角色、结构、例子。 高层框架给出骨架；Google指南在肉体里加肌肉。
Google 2026年提示词概览
从2024–2026，Google对指南做了几项更新反映现代LLM能力。 结构化输出API： Gemini现在可以返回JSON或其他模式化格式——不仅作为约定，而是作为API层强制的schema。这意味着你可以保证输出会精确符合定义的结构，零解析错误。 接地（Grounding）： Gemini可以对Google Search结果进行实时接地，减少幻觉。指南现在包括何时让模型查找事实与何时使用参数化知识的建议。 Deep Think（深度思考）： Gemini的最新推理模式将Google的推理原则扩展为更长的思考链。提示词可以要求"深度思考"以处理极其复杂的问题。 上下文缓存： 如果你有数千token的few-shot例子，Gemini可以缓存它们，减少成本和延迟。Google指南适配了这一点。
🔍 了解更多
有关2026年Gemini功能的深入指南，请见Gemini API文档和PromptQuorum Gemini指南。
常见错误
Google指南确认并修正几个广泛的提示词错误。
❌ 提示词过于宽泛或模糊
Why it hurts: "告诉我关于机器学习"留给模型太大的自由度。响应可能太泛或太技术。
Fix: 明确定义受众、深度和格式。例："为高中学生解释机器学习，避免数学，用日常例子，250词。"
❌ 期望模型理解隐含背景
Why it hurts: 提示词假设背景知识（"分析这个财务报表"）但没有上下文。模型可能编造数字。
Fix: 提供背景：完整的财务报表或URL，明确指出哪些数字很关键。
❌ 没有给出例子就要求特定格式
Why it hurts: "用JSON响应"不如显示示范JSON。模型可能使用不同的key或结构。
Fix: 提示词包含一个格式完善的例子。模型会遵循。
❌ 对需要多步的任务期望单一回答
Why it hurts: 复杂分析问题通常需要多步。一个提示词得到混乱结果。
Fix: 分解为子步骤。对每一步给出清晰指令和格式。
开始使用
- 1明确定义。 避免模糊。明确说出任务、受众、想要什么。包括任何重要约束。
- 2提供例子。 对于任何涉及风格、格式或复杂判断的任务，包括1–3个输入-输出对。
- 3请求结构化思考。 对于复杂问题，要求模型在回答前"thinking step by step"。
- 4定义输出格式。 说"以JSON/表格/Markdown返回"并给出示范。
- 5在PromptQuorum中测试。 对提示词运行A/B对比；跨Gemini 3.1 Pro、GPT-4o、Claude Opus 4.7测试相同提示词，看哪个模型最一致。
常见问题解答
Google指南只适用于Gemini吗？
不是。原则是通用的，对GPT-4o、Claude和所有现代模型都同样有效。Gemini是主要例子，但核心思想是普遍的。
能把Google指南和其他框架结合吗？
完全可以，而且推荐。用高层框架（CO-STAR、SPECS）定义整体结构，在其中应用Google的提示词原则。
Google指南适合所有任务吗？
几乎所有任务。除了极其简单的问题可能不需要。复杂多步骤流程建议和更全面的框架结合使用。
提示词里必须包含例子吗？
不是必需，但对复杂或创意任务强烈推荐。简单查询通常用文字描述就足够了。
「角色」和「人物角色」有什么区别？
它们相近。Google指南的「角色」是具有特定专业知识的人物角色—例如「你是财务顾问」—可以引导语气和细节程度。
Google指南如何减少幻觉？
通过明确约束（引用要求、禁止短语、格式规则）和逐步推理，指南减少了模型编造无根据信息的倾向。结构和明确性是减少幻觉的工具。
能用本地模型（如Ollama）应用Google指南吗？
可以。原则适用于所有模型。本地模型因指令跟随能力较弱，往往对结构化、约束丰富的提示词反应更好。
Google指南的token成本如何？
按Google指南写的提示词通常增加10～20%的输入token，但错误率减少40～60%，导致重试减少、总体成本降低。
关联阅读
来源
- Google Gemini API：提示词策略 — 官方Google Gemini API提示词指南（2024–2026）
- Gemini 结构化输出API参考 — 在API级别强制JSON schema
- Google Search为Gemini接地 — 通过Google搜索集成自动事实检查
- Google Cloud生成式AI课程 — 实践提示词课程和指南
- OpenAI & Anthropic API文档（2026） — GPT-4o、Claude Opus 4.7、开源模型的提示词工程最佳实践
- Min et al.（2022）。「Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?」arXiv:2202.12837 — Few-shot例子有效性的研究