告別「正確的廢話」：掌握 Gemini 3 的三大進階核心技巧
許多人使用 Gemini 3 的方式仍停留在兩年前的搜尋框模式，僅輸入零散指令，導致 AI 只能回覆泛泛而談的內容。為了真正發揮這款最新一代推理模型的潛力，我們需要從系統指令、交互禁忌與幻覺規避三個維度進行深度優化。
一、 編寫系統指令：打造「量身定制」的專屬 AI
**系統指令（System Instruction）**或 Gemini 官網的 Gems 功能，能定義大模型的基礎行為準則，並在全局對話中生效。
• 用戶畫像與偏好： 讓 AI 了解您的硬體環境（如 Windows 11 或特定顯卡）、身份背景（如無法註冊公司、所在地點）甚至是健康狀況。例如，若設定了高血脂背景，AI 在推薦美食時會自動避開不合適的選項。
• 行為與人設： 您可以要求 AI 禁止諂媚，必須一針見血地指出錯誤，並在遇到不確定的資訊時直接承認「查不到」，而非胡編亂造。
• 輸出規格： 指定特定的輸出格式（如 Markdown）或語言習慣（如術語需中英雙語並行），確保回覆內容能直接用於筆記軟體或商務文案。
二、 交互禁忌：避免降低模型效率的錯誤行為
根據 Google 官方文檔，Gemini 3 作為原生推理模型，有些傳統的提示詞技巧反而會適得其反：
• 不要調整溫度（Temperature）與 Top P： Gemini 3 內建的思維鏈推理機制依賴高熵值進行路徑探索，調低溫度會破壞推理鏈。
• 不再需要「請一步步思考」： 這類指令會讓原生推理模型感到困惑，正確做法是給予具體的約束條件，引導其檢查特定邏輯。
• 拒絕情緒勒索與贅字： 現代模型已能識別「越獄」技巧或低質量提示詞，過多廢話會稀釋關鍵詞權重。建議使用 XML 或 Markdown 格式的結構化指令，且不要混合使用不同格式以免解析混亂。
三、 幻覺規避：確保答案的準確性
AI 為了得分往往傾向於「猜測」而非承認無知，Gemini 3 Pro 的幻覺率甚至高於部分輕量模型，因為它更敢於推測複雜問題。
• 引入 RAG（檢索增強生成）： 利用最新更新的 NotebookLM 功能，將參考資料上傳，讓 AI 結合您提供的文檔與網絡搜尋來回答，能大幅降低幻覺。
• 交叉驗證法： 讓一個 AI 生成內容後，交給另一個 AI 進行教驗。
• 質疑前提： 在系統指令中要求 AI 優先審視用戶假設。若用戶給出的前提錯誤，AI 應主動反駁而非順著錯誤邏輯發展。
Leave a Reply