Gemini 3.0 模型 (高级推理): 回复: 你好！作为小白，面对复杂的“提示词工程（Prompt Engineering）”可能会觉得头大。但如果把 Claude Code 的这些高深技巧拆解开来，其实就像是 “如何带好一个极其聪明但偶尔会犯傻的实习生”。
基于上文的深度分析，我为你总结了 7条给小白的提示词设计黄金法则：
1. 先给“定心丸”，再立“具体规矩” (循序渐进)
不要一股脑把所有细节扔给 AI。
- 怎么做：先告诉它“你拥有最高权限，大胆去做”（消除犹豫），然后再补充“但是具体要遵循 A、B、C 步骤”。
- 例子：
- ❌ “帮我读文件，注意别读错了，只能读前60行……”
- ✅ “你可以读取任何文件（建立信心）。默认读取整个文件，如果文件太长，再自动截取前60行（补充细节）。”
2. 举例是最好的老师 (示例驱动)
与其费尽口舌解释什么是“简洁”，不如直接把“正确答案”演示给它看。
- 怎么做：列出“用户问什么”和“你应该答什么”的对照表。
- 例子：
- ❌ “请不要说废话，回答要非常短。”
- ✅ “参考以下回答风格： 问：1+1等于几？ 答：2 （不要说‘答案是2’）”
3. 明确告诉它“绝对不要做什么” (负面约束)
AI 很喜欢自作聪明地加戏（比如解释代码、打招呼）。
- 怎么做：使用 “NEVER（绝不）” 和 “Must Avoid（必须避免）” 这样的强硬词汇，列出禁区。
- 例子：
- “绝不要在回答前加‘好的，我来帮你’。”
- “必须避免使用
grep命令，请只使用ripgrep。”
4. 让它先打草稿，再写作业 (思维链)
对于复杂的任务（比如写代码提交记录），直接让 AI 给结果容易出错。
- 怎么做：要求 AI 先在一个特定的标签（比如
<analysis>）里写下思考过程，再输出最终结果。 - 例子：
- “在写代码前，先在
<思考>标签里列出受影响的文件和修改原因，确认为什么要这么改，然后再执行修改。”
- “在写代码前，先在
5. 像玩游戏一样设置“奖罚” (心理暗示)
AI 虽然没有钱，但它很在意“规则的权重”。
- 怎么做：用夸张的后果来强调规则的重要性。
- 例子：
- “如果报错是因为权限问题，千万别硬试，这会被视为重大错误（扣除 $1000 分）。”
- “如果漏掉了这个步骤，是完全不可接受的。”
6. 填空题比问答题更准 (模板化)
如果你需要特定格式的输出，直接给它一个模子刻。
7. 针对不同情况，给不同指令 (动态调整)
不要试图用一套话术解决所有问题。
- 怎么做：如果环境变了（比如检测到是 Jupyter 环境），提示词也要跟着变。
- 小白应用：在提问前，先告诉 AI 背景信息。
- “我现在是 Windows 系统，请给我写批处理脚本。” vs “我现在是 Mac，请写 Shell 脚本。”
💡 一句话总结
把 AI 当成一个听不懂暗示、必须指令明确、如果不给模版就会自由发挥的“直男”实习生，用最狠的词（MUST/NEVER）、最具体的例子（Example）和最清晰的步骤（Step-by-step）去指挥它。
进程已结束，退出代码为 0