gemini_llm.py 111

Gemini LLM 测试

使用 Gemini 3.0 模型 (高级推理): 回复: 新手在刚接触大模型（如ChatGPT、Claude、文心一言等）时，往往把重点放在“向AI提问”上，而忽略了“如何设计指令”。这种认知的偏差导致了许多低效的交互。

以下是新手设计提示词（Prompt）时最容易犯的十个常见错误，以及相应的修正建议：

1. 指令模糊不清 (Ambiguity)

这是最致命也是最普遍的错误。新手倾向于用像对人说话一样的简短口语，而不是明确的指令。

❌ 错误示范： “帮我写个文案。”
✅ 修正建议： 明确任务的具体细节。
- “请为一款新推出的降噪耳机写一篇小红书风格的种草文案，目标受众是大学生，语气要活泼有趣，字数在300字左右。”

2. 缺乏背景信息 (Lack of Context)

大模型不知道你心里的默认假设。如果你不给背景，它就会用它训练数据中的“平均值”来回答，导致答案平庸。

❌ 错误示范： “给这封邮件写个回复。”（直接把邮件贴上去）
✅ 修正建议： 提供背景（Who, Where, Why）。
- “我是一家软件公司的销售经理，客户发邮件抱怨发货延迟。请帮我起草一封回复，承认错误，解释是因为台风天气，并提供九折优惠券作为补偿。”

3. 忽视角色设定 (No Persona)

如果不设定角色，AI通常会表现为一个客观、冷静但略显无聊的百科全书。设定角色可以瞬间锁定回答的专业度、语气和视角。

❌ 错误示范： “解释一下什么是量子力学。”
✅ 修正建议： 指定角色。
- “你是一位擅长打比方的幼儿园老师，请用通俗易懂的语言给5岁的孩子解释什么是量子力学。”
- 或者：“你是一位诺贝尔物理学奖得主，请向物理系研究生解释量子力学中的纠缠态。”

4. 试图在一个提示词中完成所有事 (Overloading)

新手喜欢把复杂的任务塞进一句话里，导致AI顾此失彼，逻辑混乱。

❌ 错误示范： “写一份商业计划书，要包括市场分析、财务预测、营销策略，顺便把Logo的设计思路也写了，还要翻译成英文。”
✅ 修正建议： 任务拆解 (Chain of Thought)。
- 将复杂任务拆分成步骤，或者要求AI“一步步思考（Let’s think step by step）”。
- “第一步：先列出商业计划书的大纲；第二步：根据大纲撰写市场分析部分…”

5. 不提供示例 (Missing Few-Shot Examples)

对于格式要求严格或风格独特的任务，用语言描述很难精准，但“给个例子”胜过千言万语。这在专业术语中称为“少样本提示（Few-Shot Prompting）”。

❌ 错误示范： “提取下面文本中的公司名和成立时间，格式要统一。”
✅ 修正建议： 提供输入/输出的范例。
- “请提取实体信息。
- 示例输入：‘百度成立于2000年。’ -> 示例输出：{Company: ‘百度’, Year: ‘2000’}
- 任务输入：‘腾讯成立于1998年。’ -> 任务输出：”

6. 滥用否定指令 (Negative Constraints)

大模型有时候像小孩子，你说“不要想大象”，它的注意力反而集中在“大象”上。告诉它“做什么”比“不做什么”更有效。

❌ 错误示范： “写个故事，不要写得很长，不要用复杂的词，句子不要太难懂。”
✅ 修正建议： 使用肯定指令。
- “写一个短篇故事，字数控制在200字以内，使用简单词汇，保持句子简短有力。”

7. 提示词结构混乱 (Poor Structure)

将指令、背景信息、参考文本混在一起，没有任何分隔符，导致AI分不清哪部分是要求，哪部分是需要处理的材料。

❌ 错误示范： “帮我总结这篇文章人工智能的发展历史…” （紧接着贴入几千字的文章）
✅ 修正建议： 使用分隔符（如 ###, —, “”“）。
- “请总结以下被三重引号包裹的文章内容： “”“ (在此处粘贴文章内容) “”“ ”

8. 未规定输出格式 (Unspecified Output Format)

你需要表格，它给你段落；你需要代码，它给你解释。这是因为你没说清楚你想要什么样子。

❌ 错误示范： “对比一下Python和Java。”
✅ 修正建议： 明确格式。
- “请用Markdown表格的形式对比Python和Java，列出语法难度、运行速度、主要应用领域三列。”

新手容易忘记大模型本质上是“概率预测机器”，而非“搜索引擎”。对于具体的实时数据、数学计算或生僻事实，AI极易产生“幻觉”（一本正经地胡说八道）。

❌ 错误示范： “告诉我昨天特斯拉的收盘价是多少。”（如果没有联网插件，AI可能会编一个数字）
✅ 修正建议： 要求引用或自查。
- “请回答…如果不知道确切信息，请直接说不知道，不要编造。”
- 或者让AI先联网搜索（如果具备该功能）再回答。

10. 缺乏迭代优化 (Lack of Iteration)

这是心态上的错误。新手往往发了一个指令，觉得回答不好，就认为“这个AI太笨了”然后放弃。

❌ 错误示范： 发送一次指令 -> 结果不满意 -> 关掉窗口。
✅ 修正建议： 与AI对话、反馈。
- Prompt Engineering 是一个迭代的过程。
- “你刚才写的第二段有点太生硬了，请把语气改得更委婉一点。”
- “这不对，我的意思是…”

💡 给新手的万能公式 (BROKE 框架)

如果你记不住那么多规则，可以尝试套用这个简单的框架来设计提示词：

Background (背景)：你是谁？背景是什么？
Role (角色)：AI扮演谁？
Objective (目标)：你要解决什么问题？
Key Results (关键结果/格式)：你需要什么样的输出格式？
Examples (示例/约束)：有没有参考范例或特别的限制条件？

进程已结束，退出代码为 0

Vibe Coding 实战手册