谷歌68页提示词圣经+老金原创元提示词，直接复制就能用
周五凌晨刷论坛，看到谷歌放出了一份68页的提示词工程白皮书。
作者是Lee Boonstra，Gemini团队的AI工程师，在谷歌待了8年。
我花了两天扒完，结合自己用AI 3年的经验，整理成了一份可直接复制使用的元提示词。
啥是元提示词？
简单说，就是"写提示词的提示词"。
普通提示词是让AI帮你干活的指令。
元提示词是一份检查清单，教你怎么写出好的提示词。
就像写作文有"总分总"的套路，写提示词也有套路。
我把这套路整理成了5个任务，照着做就行。
先讲原理，后面放完整版元提示词，拿走就能用。
有个比喻特别准：AI就像一个博学但刚入职、还有点健忘的超级实习生。
它啥都知道一点，但不了解你的背景，没有记忆，需要你手把手教。
大多数人的提示词长这样：
帮我写一篇文章
总结一下这个内容
给我一些建议
然后抱怨AI回答得一塌糊涂。
说实话，这能怪AI吗？
你连需求都说不清楚，AI又不是你肚子里的蛔虫。
任务一：搭地基
99%的烂回答，都是因为提示词写得像谜语。
谷歌给了个公式，我把它优化成CTF黄金公式。
C是Context，背景。
指定身份，要具体。
差：你是一个助手
好：你是一个有10年经验的SaaS产品经理
告诉AI你在干嘛、为什么要干、给谁看。
我在准备给投资人的产品Demo，需要突出增长数据
T是Task，任务。
用强动词：分析、拆解、重写、对比。
量化要求：3个点、150字、表格形式。
F是Format，格式。
明确告诉AI你要什么格式。
返回格式：Markdown表格
返回格式：JSON
返回格式：分点列表
不指定格式，AI就会自由发挥，发挥得你头疼。
举个完整例子。
烂提示词：
帮我写一篇关于AI的文章
好提示词：
你是一个资深科技自媒体作者，文风接地气。
我在运营一个AI工具评测的公众号，读者是不懂技术的普通用户。
请写一篇介绍ChatGPT的文章：
- 1500字左右
- 分3个部分：是什么、能干嘛、怎么用
- 用比喻解释技术概念
- 结尾给出3个实用建议
差距就这么大。
还有一点很重要：区分System和User提示词。
System Prompt是AI的"宪法"，定义它是谁，保持不变。
User Prompt是具体"指令"，告诉它做什么，动态变化。
任务二：选策略
不同任务，用不同套路。
谷歌白皮书给了个策略决策树：
简单问答，用Zero-Shot，直接问，不给例子。
特定格式，用Few-Shot，给1到3个范例让AI照猫画虎。
逻辑推理，用CoT（思维链），让AI一步步思考。
复杂决策，用ToT（思维树），让AI模拟多个专家辩论。
抽象难题，用Step-Back，先问原理再解决问题。
最厉害的是CoT，思维链。
一句话就能激活：
Let's think step by step
或者中文版：
请一步步分析这个问题
我昨晚测了个数学题。
不用CoT的时候，问商品原价100元打8折再用满80减10的券最终多少钱。
AI可能直接蒙一个答案。
用CoT的时候，AI会这样推理：
1. 原价100元
2. 打8折：100 × 0.8 = 80元
3. 满80减10：80 - 10 = 70元
最终价格：70元
过程清清楚楚，你能检查每一步对不对。
遇到更复杂的问题，这个差距会被放大10倍。
任务三：让AI听话
AI最烦人的就是回答不稳定。
同样的提示词，问10次能给你10种不同的回答。
谷歌的解法是参数调教加格式锁定。
先说Temperature参数，这个最重要。
0.0 - 0.3：稳定、事实性、可重复（写代码、做分析用这个）
0.5 - 0.7：平衡、适度创意（日常写作用这个）
0.9 - 1.0：放飞自我、可能跑偏（头脑风暴用这个）
谷歌推荐的默认配置：
temperature: 0.2top_p: 0.95top_k: 30
再说格式锁定，有三个实用技巧。
给Schema，告诉AI你要JSON格式回复：
{
"title": "标题",
"summary": "摘要（50字以内）",
"key_points": ["要点1", "要点2", "要点3"]
}
预填充开头，在API调用时，assistant消息预填一个左大括号，AI就会自动补全JSON。
还有肯定式指令。
说"请用专业语气"，别说"不要用口语"。
为啥？
这叫粉色大象效应。
你跟AI说"不要做X"，它反而会去关注X。
就像有人说"别想粉色大象"，你脑子里立马就是粉色大象。
差：不要写没有注释的代码
好：请编写包含详细注释的代码
差：不要太正式
好：请使用亲切自然的语气
处理长文档还有个技巧，叫指令后置。
AI有个毛病叫"迷失中间"，就是长文档的中间部分容易被忽略。
解决方法是把核心指令放在最后面，让AI先看完所有材料，最后再看你要它干嘛。
任务四：玩高级
前面3个任务是基础。
这个任务是进阶，让AI像个Agent一样工作。
先说ReAct模式，推理加行动。
让AI先想，再做，再观察结果，再继续想。
谷歌白皮书里有个例子。
问Metallica乐队成员一共有多少个孩子。
普通AI可能瞎编一个数字。
ReAct模式的AI会这样：
思考：我需要知道Metallica有几个成员
行动：搜索Metallica乐队成员
观察：4个成员——James、Lars、Kirk、Robert
思考：我需要查每个人有几个孩子
行动：分别搜索每个人的孩子数量
观察：James 3个、Lars 2个、Kirk 0个、Robert 3个
最终答案：8个
这就是Agent的雏形。
再说Self-Consistency，自洽性检验。
同一个问题，让AI用高Temperature回答5次。
然后数哪个答案出现最多。
多数投票机制，能大幅降低幻觉。
最后说Tree of Thoughts，思维树。
不是一条线往下推理，而是让AI同时探索多个分支。
适合那种有多个解法的复杂问题。
请从3个不同角度分析这个问题：
1. 用户体验优先的方案
2. 成本控制优先的方案
3. 快速上线优先的方案
然后评估每个方案的优缺点，给出最终推荐。
还有个提示词链的玩法。
复杂任务不要试图用一个超级长的提示词搞定，那样会让AI认知过载。
正确的做法是拆成流水线：
搜集者AI（搜集信息）
↓
分析师AI（处理数据）
↓
作家AI（生成报告）
每个环节只做一件事，上一个环节的结果喂给下一个环节。
任务五：迭代优化
一个提示词写完不是结束，是开始。
强制自我修正这招特别好用。
在提示词里植入Review环节：
请先生成草稿。
然后列出这个草稿的3个问题。
最后根据问题生成修正版。
AI自己给自己找茬，效果出奇的好。
版本管理也很重要。
好的提示词要像代码一样管理：
# Prompt v1.0
- 初版# Prompt v1.1
- 修复XX问题# Prompt v2.0
- 重构结构
我现在写提示词都会在开头加版本号。
还有A/B测试。
同样的任务，写2到3个不同的提示词，跑10次，看哪个回复质量更稳定。
这才是科学玩AI的方式。
老金原创：5任务元提示词（可直接复制）
前面讲了那么多原理，现在给你整理好的工具。
下面是我基于谷歌白皮书+3年实战经验整理的元提示词。
直接复制到你的提示词库里，以后写提示词照着这个清单检查就行。
# 老金的5任务元提示词 v1.0
这是一份实战行动清单，剔除了所有理论废话，直接告诉你怎么干。
## 任务一：构建提示词地基
目标：消除歧义，确保AI听懂人话。
[ ] 遵循CTF黄金公式
- C (Context)：指定身份（如"资深CFO"而非"财务助手"）、受众、目标
- T (Task)：使用强动词（分析、拆解、重写），量化要求（3个点、150字）
- F (Format)：明确返回结构（Markdown表格、JSON、列表）
[ ] 区分System与User
- System Prompt：写"宪法"（核心人设、底层规则、语言风格），保持不变
- User Prompt：写"指令"（具体任务、输入数据），动态变化
[ ] 结构化输入
- 使用分隔符（###, ---）或XML标签（<context>, <data>）隔离不同类型的信息
- 防止AI混淆指令与内容
[ ] 采用肯定性指令
- Do："请使用专业、客观的语气"
- Don't："不要使用口语"（避免粉色大象效应）
## 任务二：激活深度推理
目标：让AI处理复杂逻辑，减少胡言乱语。
[ ] 策略选择决策树
- 简单任务 → Zero-Shot（直接问）
- 特定格式/风格 → Few-Shot（给1-3个完美范例）
- 逻辑/数学题 → CoT（加一句"让我们一步步思考"）
- 复杂决策 → ToT（让AI模拟三个专家辩论）
- 抽象难题 → Step-Back（先问核心原理，再解决具体问题）
[ ] 强制自我修正
- 在提示词中植入Review环节
- "先生成草稿，再列出3个缺点，最后根据缺点生成修正版"
## 任务三：掌控回答与行为
目标：让AI的回答可控、机器可读、风格稳定。
[ ] 强制结构化回答
- 提供Schema（如JSON键值对示例）
- 使用Prefilling技巧：在API的assistant回复开头预填 { 或特定前缀
[ ] 调节参数
- 0.0-0.2：清洗数据、提取事实、代码生成（严谨）
- 0.7-1.0：创意写作、头脑风暴（发散）
[ ] 处理长文档
- 指令后置：把核心指令放在Prompt的最后面（对抗"迷失中间"现象）
- 主动检索：先让AI"提取所有相关原文引用"，再基于引用回答
## 任务四：架构自动化工作流
目标：解决单次Prompt搞不定的复杂项目。
[ ] 拒绝"超级提示词"
- 不要试图用一段话搞定一切
- 将任务拆解为流水线
[ ] 搭建提示词链
- 搜集者AI（搜集信息）→ 分析师AI（处理数据）→ 作家AI（生成报告）
- 每个环节只做一件事，上下文互不污染
[ ] 多智能体协作
- 角色分解：PM、架构师、测试、开发
- 上下文隔离：每个智能体在独立的对话窗口中运行
## 任务五：持续优化与维护
目标：把好用的提示词变成可复用的资产。
[ ] 版本管理
- 记录：版本号、模型型号、参数、黄金回复样本
- 像管理代码一样用Git管理提示词文件
[ ] A/B测试
- 同样的任务，写2-3个不同的提示词
- 跑10次，看哪个回复质量更稳定
[ ] 建立提示词库
- 按场景分类：写作、分析、代码、翻译
- 定期更新迭代
老金总结
谷歌这68页白皮书，核心就5件事：
1. 搭地基：CTF黄金公式（背景+任务+格式）
2. 选策略：Zero-Shot、Few-Shot、CoT、ToT按需选
3. 让AI听话：Temperature调低、格式锁死、用肯定句
4. 玩高级：ReAct、Self-Consistency、提示词链
5. 迭代优化：自我修正、版本管理、A/B测试
别把提示词当玄学。
它就是一门沟通技巧。
你越会说人话，AI就越会说人话。
反过来，你自己都说不清楚想要什么，AI怎么可能给你好答案？
上面那份元提示词，收藏起来，下次写提示词之前拿出来对照一下。
参考来源
谷歌提示工程白皮书原文。链接：kaggle.com/whitepaper-prompt-engineering
CoT思维链论文。链接：research.google（搜索chain-of-thought）。
Self-Consistency论文。链接：research.google（搜索self-consistency）。