Gemini 提示詞完整攻略：從四元素公式到進階策略，一篇搞懂 Google 官方的 Prompting 心法

這篇整合了 Google Workspace with Gemini 官方指南和 Gemini 官方 Prompt Engineering 文件的核心內容，濃縮成一份你可以隨時翻閱的實戰手冊。

核心框架：四元素公式

Google 官方在 Workspace 指南中提出的這套邏輯，同樣適用於 Gemini App。一個高品質的 Prompt 應該包含四個元素：

角色（Persona） — 你想讓 Gemini 扮演誰？

你是一位有十年經驗的日本旅遊達人

任務（Task） — 具體要做什麼？

幫我規劃一個五天四夜的東京行程

背景（Context） — 提供必要的細節或限制

兩個大人帶一個三歲小孩，預算中等，不想每天走太多路

格式（Format） — 輸出的樣子

用表格呈現，每天列出景點、交通方式和預估花費

四個元素不一定每次都要齊全，但元素越完整，Gemini 的輸出就越精準。把它想像工作時：你說「寫個電郵」跟說「用專業但友善的語氣，幫我寫一個電郵跟進上星期個的客戶會議訂單，提醒對方週五前回覆報價」，出來的東西完全不同。

輸入類型：不只是「問問題」

Google 官方將 Prompt 的輸入分成四種類型，理解這個分類能幫你更精準地下指令：

問題型（Question）：直接提問，讓 Gemini 回答

花店如果專賣乾燥花，取什麼名字好？列出 5 個選項。

任務型（Task）：指定一個動作讓 Gemini 執行

列出露營必帶的 5 樣物品，用簡單清單呈現。

實體型（Entity）：提供資料讓 Gemini 分類或處理

將以下物品分類為「大」或「小」：大象、老鼠、蝸牛

補全型（Completion）：給出部分內容，讓 Gemini 接續完成

有效欄位：cheeseburger, hamburger, fries, drink。 訂單：給我一個起司漢堡和薯條 輸出：

補全型特別強大 — 你不用寫一堆指令解釋格式，直接用一個範例告訴 Gemini「照這個模式來」，它就會自動對齊。

進階技巧一：Few-shot 範例引導

Zero-shot 就是直接問，不給例子。Few-shot 則是在 Prompt 中附上幾個範例，讓 Gemini 從中學習模式。

Google 官方的建議是：永遠都附上 few-shot 範例。 有時候幾個好例子甚至比寫一堆指令更有效。

舉個例子：你想讓 Gemini 選出「比較簡潔」的那個解釋。如果直接問，它可能選比較詳細的。但如果你先給兩組「問題 → 解釋 → 答案」的範例，每次都選簡短版，Gemini 就會抓到模式，自動選簡短的。

注意事項：

• 範例格式要一致（XML tag、空格、換行都算）
• 不要塞太多，避免 overfitting
• 範例要多元，不要都是同一種情境

實例：讓 Gemini 幫產品寫一句標語

Zero-shot（直接問）：

幫這個產品寫一句廣告標語：一款專為遠端工作者設計的降噪耳機

Gemini 可能回你一句很長、很正式的句子，像是「為遠端工作者量身打造的極致降噪體驗，讓您專注不受干擾」。不是不對，但不是你要的風格。

Few-shot（附上範例）：

幫產品寫一句廣告標語，風格參考以下範例：

產品：一款給登山客用的輕量水壺
標語：少一克負擔，多一步山路。

產品：一款幫自由工作者管帳的 App
標語：記帳不再是你的加班。

產品：一款專為遠端工作者設計的降噪耳機
標語：

這次 Gemini 會抓到模式 — 短句、對比、有記憶點 — 輸出可能變成「世界靜音，工作開麥」。同一個任務，差的不是一個形容詞，是整個輸出方向。

進階技巧二：加入 Context

很多人以為 Gemini 什麼都知道。它知道很多，但不知道你的情境。提供 context 是讓輸出從「通用」變「精準」的關鍵。

Google 官方的範例很直白：問「WiFi 斷了怎麼辦」，Gemini 給你一般性建議。但如果你把路由器的故障排除指南貼進去，再加上「根據以下文字回答」的指令，輸出就會完全對準你的實際狀況。

在 Workspace 場景中，這個優勢更明顯 — Gmail 裡的 Gemini 能直接讀到你的信件內容，Docs 裡的 Gemini 看得到整份文件。它已經有你的 context，你只需要告訴它「拿這些 context 做什麼」。
實例：讓 Gemini 回覆一封客戶投訴信

沒有 Context：

幫我回覆一封客戶投訴信，語氣要專業但有同理心。

Gemini 只能給你一封泛用模板：「感謝您的來信，我們非常重視您的意見⋯⋯」。正確，但毫無針對性。

附上 Context：

以下是一封客戶投訴信，請幫我寫一封回覆。
語氣要專業但有同理心，並提供具體的解決方案。
[客戶投訴信內容]
我在 3/15 下單了訂單編號 #TW-20250315，商品是藍色 M 號外套，
但 3/22 收到的是紅色 L 號。我已經等了一週，客服電話都打不通。
這是我第二次遇到出貨錯誤，非常失望。

這次 Gemini 的回覆會直接提到訂單編號、具體出錯的商品、針對「客服打不通」道歉，並提出換貨或退款方案。同樣一個「回覆投訴信」的任務，有沒有 Context 的差距不是 10%，是能不能直接拿去用的差別。

進階技巧三：拆解複雜任務

碰到複雜需求，不要一個 Prompt 塞到底。Google 官方建議三種拆法：

拆指令：每個步驟獨立成一個 Prompt，根據情境選擇執行哪個。

串聯 Prompt：把任務拆成連續步驟，前一步的輸出當下一步的輸入。像工廠流水線，每個環節專注做一件事。

聚合回應：對不同部分的資料分別處理，最後彙整結果。例如先分析上半年數據，再分析下半年，最後合併成完整報告。

實例：幫公司寫一份季度業績報告

一個 Prompt 塞到底（常見做法）：

幫我寫一份 Q1 業績報告，包含營收分析、跟去年同期比較、
各產品線表現、客戶滿意度變化、下季度展望，
用專業語氣，附上圖表建議，控制在 2000 字內。

Gemini 不是做不到，但塞太多需求在一個 Prompt，它只能每個部分都蜻蜓點水。營收分析可能只有兩句話，展望部分變成空泛的「我們將持續努力」。

拆法一：拆指令 — 根據情境選執行哪個

把不同用途的版本拆成獨立 Prompt，需要哪個就執行哪個：

Prompt A（給管理層）：用這份數據寫一段 200 字的業績摘要，重點放在 YoY 成長率和利潤率變化
Prompt B（給全公司）：用這份數據寫一封 All-hands 公告，語氣正面，強調團隊成果
Prompt C（給投資人）：用這份數據寫一段 IR 簡報的開場白，強調市場定位和成長動能

同一份數據，不同受眾，不同 Prompt。不用每次都從頭寫一個萬用版。

拆法二：串聯 Prompt — 流水線接力

前一步的輸出直接餵給下一步：

Prompt 1：以下是 Q1 的原始銷售數據。請整理成一份結構化的數據摘要，
包含各產品線營收、MoM 變化、top 3 和 bottom 3 產品。
Prompt 2：根據以下數據摘要 [貼上 Prompt 1 的輸出]，
寫出「營收分析」和「產品線表現」兩個段落，語氣專業。
Prompt 3：根據以下分析內容 [貼上 Prompt 2 的輸出]，
寫一段 300 字的「下季度展望」，
基於數據趨勢提出 2-3 個具體建議。

每一步只做一件事，品質比一次塞到底高很多。

拆法三：聚合回應 — 分頭處理再合併
不同部分各自處理，最後彙整：

Prompt A：分析這份 Q1 營收數據，產出 300 字的營收分析段落
Prompt B：分析這份客戶滿意度調查結果，產出 300 字的客戶分析段落
Prompt C：分析這份市場競爭資料，產出 300 字的市場趨勢段落
最終 Prompt：以下是三段分析 [貼上 A+B+C 的輸出]，
請整合成一份完整的 Q1 業績報告，
確保段落之間邏輯連貫，並補上一段總結。

適合資料來源不同、需要各自分析的情境。先拆開做到最好，再合在一起。

Gemini App 專屬功能技巧

除了文字 Prompt，Gemini App 有幾個獨特功能值得善用：

多模態輸入（Multimodal） — 直接上傳圖片讓 Gemini 分析，這是純文字做不到的事。幾個日常場景：

拍下餐廳菜單，搭配 Prompt：

這份菜單有哪些素食選項？幫我推薦兩道適合不吃辣的人的菜

拍下家電的錯誤代碼畫面：

這台洗衣機顯示的錯誤碼是什麼意思？我應該怎麼處理？

截圖一封看不太懂的英文信件：

這封 email 在說什麼？對方的語氣是友善還是在抱怨？

圖片生成方面，官方建議用「描述性敘述」而非關鍵字堆砌。與其寫「貓、太空、賽博龐克」，不如寫「一隻戴著太空頭盔的橘貓漂浮在霓虹紫的星際空間中」。

Gemini Live（語音模式） — 語音互動不需要像文字那樣嚴謹結構化，反而更適合對話式引導：

我現在有個想法，你幫我腦力激盪一下，我說一句你反駁一句

這種「即興對打」的用法，在 brainstorming 階段特別有效。

Prompt 迭代：寫不好很正常

Google 官方直接告訴你：Prompt engineering 是迭代的過程。第一版寫不好是常態。

三個迭代方向：

換說法 — 同一個意思，不同的措辭會得到不同結果。「怎麼做派？」和「給我一份派的食譜」和「推薦一個好的派食譜」，三句話意思一樣但結果可能差很多。

換任務類型 — 如果 Gemini 不聽你的分類指令，試試改成選擇題格式。從開放式改成封閉式，模型的回應會更受控。

換內容順序 — 把範例、context、指令的排列順序調一調。有時候把指令放最後反而比放最前面效果好。

Gemini 3 的結構化 Prompt

Gemini 3 對結構化指令的理解更好。Google 官方推薦用 XML 標籤或 Markdown 標題來組織 Prompt：

XML 風格：

<role>
你是一位有幫助的助手。
</role>

<constraints>
1. 保持客觀
2. 引用來源
</constraints>

<context>
[在這裡放入背景資料]
</context>

<task>
[在這裡放入具體需求]
</task>

Markdown 風格：

# 身份
你是一位資深解決方案架構師。

# 限制
- 不使用外部套件
- 僅限 Python 3.11+ 語法

# 輸出格式
回傳一個程式碼區塊。

結構化的好處是讓模型清楚區分「哪些是指令」「哪些是資料」「哪些是任務」，不會搞混。

隨身小抄：CLEAR 原則

最後附上一套 Google 內部推薦的記憶口訣，方便你隨時對照：

C — Concise（簡潔有力） 不要寫廢話。每一句都應該有存在的理由。

L — Logical（邏輯清晰） 指令的順序要合理，不要跳來跳去。

E — Explicit（指令明確） 不要讓 Gemini 猜。你想要表格就說表格，想要三點就說三點。

A — Adaptive（持續調整） 看到輸出不滿意？改 Prompt 再來一次。Prompt Engineering 的核心就是迭代。

R — Relevant（提供相關背景） Context 越具體，輸出越精準。

總結

寫好 Prompt 不需要什麼天賦，需要的是方法論和持續迭代。記住四元素公式（角色、任務、背景、格式）作為起點，善用 few-shot 範例引導輸出，碰到複雜任務就拆解，然後不斷根據結果調整。

最重要的一點：Prompt 寫得好不好，差的不是一個形容詞，是整個思考框架。希望這篇能成為你隨時翻閱的參考手冊。

本文整合自 Google 官方 Prompt Design Strategies 文件及 Google Workspace with Gemini 提示詞指南。