说实话，我用Gemini已经快一年了。刚开始的时候，我跟大多数人一样——打开对话框，输入一句"帮我写个代码"，然后看着输出结果皱眉头。不是说它写得不好，而是它写出来的东西，跟我想要的完全不是一回事。
后来我开始研究Prompt，看了不少教程，试了几百种写法。慢慢地我发现了一个规律：同一个模型，不同的Prompt，输出质量可以差10倍。 你问"帮我分析一下这段代码"，和你问"你是一名资深后端工程师，请从性能、安全性、可维护性三个维度分析以下Python代码，对每个问题给出具体修复建议和修复后的代码"——得到的结果完全是两个级别。
但问题来了：好的Prompt不是随便就能想出来的。
你需要花时间去试、去调、去总结。很多时候，你明明知道"这个任务应该能得到更好的结果"，但就是不知道怎么组织语言。尤其是当你需要处理的任务类型很多——写代码、做分析、写文案、翻译、数据分析、头脑风暴——你不可能为每种场景都精心打磨一套Prompt。
所以今天这篇文章，我把过去一年里积累的、实测有效的Gemini Prompt模板整理了出来，按场景分类，开箱即用。涵盖编程、写作、数据分析、学习、职场、创意等十几个领域，每个模板都经过实际验证，直接复制就能用。
另外说一点：这些Prompt不只是Gemini能用，换成其他大模型也基本通用。如果你手上有多个模型想对比效果，我个人目前比较推荐 OneAiPlus（h.oneaiplus.cn） ，它把市面上主流的AI大模型都聚合在了一起，国内可直接访问，不用来回切换平台。比如同一个Prompt，你想看看Gemini和Claude的输出差异，直接在上面切换就行，对对比测试来说非常方便。后面讲到具体场景的时候我也会提到这个思路。
好，废话不多说，直接上干货。
一、编程开发类Prompt
编程是我用AI最多的场景，也是Prompt质量影响最大的场景。下面按具体需求拆解。
1.1 代码生成
模板：角色 + 技术栈 + 功能需求 + 约束条件
text
text
你是一名拥有10年经验的[技术栈]高级工程师。
请实现以下功能：[具体功能描述]
技术要求：
- 使用[框架/库]版本[x.x]
- 遵循[编码规范，如PEP8/ESLint]
- 需要包含错误处理和日志记录
- 代码注释使用中文
- 给出关键设计决策的理由
输出格式：
1. 项目结构说明
2. 完整代码
3. 使用示例
4. 注意事项
示例：
text
text
你是一名拥有10年经验的Python高级工程师。
请实现一个支持重试机制的HTTP请求封装类。
技术要求：
- 使用Python 3.10+，依赖仅限requests
- 支持GET/POST/PUT/DELETE方法
- 支持自定义重试次数和指数退避策略
- 支持请求超时设置
- 需要包含完整的类型注解和错误处理
- 代码注释使用中文
输出格式：
1. 项目结构说明
2. 完整代码
3. 使用示例
4. 注意事项
1.2 代码审查
模板：角色 + 审查维度 + 输出格式
text
text
你是一名代码审查专家。请对以下代码进行Code Review。
审查维度：
1. 代码质量：命名规范、代码重复、函数复杂度
2. 性能：时间复杂度、空间复杂度、潜在的性能瓶颈
3. 安全性：SQL注入、XSS、敏感信息泄露等
4. 可维护性：模块化、耦合度、可测试性
5. 边界情况：空值处理、异常处理、并发安全
对每个发现的问题，请给出：
- 问题描述
- 严重等级（高/中/低）
- 具体代码位置
- 修复建议和修复后的代码片段
代码如下：
[粘贴代码]
1.3 Bug调试
模板：问题描述 + 已尝试的方案 + 环境信息
text
text
我在使用[技术栈]时遇到了以下Bug：
环境信息：
- 操作系统：[macOS/Windows/Linux]
- 语言版本：[如Python 3.11]
- 依赖版本：[相关库版本]
错误信息：
[粘贴完整的错误日志]
相关代码：
[粘贴相关代码]
我已经尝试过：
1. [尝试过的方案1]
2. [尝试过的方案2]
请帮我：
1. 分析错误的根本原因
2. 给出修复方案
3. 解释为什么会出这个问题
4. 建议如何避免类似问题
1.4 架构设计
text
text
你是一名系统架构师。请帮我设计以下系统：
项目背景：[简要描述业务场景和目标用户]
核心功能：
1. [功能1]
2. [功能2]
3. [功能3]
技术约束：
- 预期并发量：[QPS]
- 数据量级：[预估数据规模]
- 部署环境：[云/私有化/混合]
- 预算限制：[可选]
请输出：
1. 整体架构图（用文字描述）
2. 技术选型及理由
3. 核心模块划分
4. 数据库设计（核心表结构）
5. 接口设计（核心API列表）
6. 可能的技术风险和应对方案
7. 分阶段实施计划
1.5 正则表达式
text
text
我需要用正则表达式匹配以下内容：
目标文本示例：
[给出2-3个应该匹配的例子]
[给出2-3个不应该匹配的例子]
请给出：
1. 正则表达式
2. 每个部分的详细解释
3. 在[Python/JavaScript/Go]中的使用示例
4. 边界情况说明
5. 如果目标文本复杂，提供逐步拆解的思路
二、数据分析类Prompt
2.1 数据清洗
text
text
你是一名数据分析师。我有一份需要清洗的数据，请帮我处理。
数据描述：
- 数据来源：[描述数据来源]
- 数据量：[行数和列数]
- 主要字段：[列出关键字段及含义]
已知的数据质量问题：
1. [问题1，如：存在大量空值]
2. [问题2，如：日期格式不统一]
3. [问题3，如：存在异常值]
请用Python（pandas）编写数据清洗脚本，要求：
- 每个清洗步骤都有注释说明理由
- 保留清洗前后的数据对比统计
- 输出清洗后的数据质量报告
2.2 SQL查询
text
text
你是一名数据库专家。请根据以下需求编写SQL查询。
数据库类型：[MySQL/PostgreSQL/ClickHouse等]
表结构：
[粘贴相关表的DDL或描述]
查询需求：[用自然语言描述你想查什么]
要求：
1. 给出查询SQL
2. 解释每一步的逻辑
3. 分析查询性能，给出索引优化建议
4. 如果数据量大，给出分页或分区查询的替代方案
2.3 数据可视化
text
text
我有一份数据，想用[Python/JavaScript]生成可视化图表。
数据概要：[描述数据内容和结构]
我想展示的核心信息：[你想通过图表传达什么]
请帮我：
1. 选择最合适的图表类型，并解释为什么
2. 编写完整的可视化代码（使用matplotlib/echarts/plotly等）
3. 添加标题、标签、图例等标注
4. 给出配色方案和设计建议
5. 如果数据不适合直接可视化，建议预处理方式
2.4 统计分析
text
text
你是一名统计分析专家。请对以下数据进行分析。
数据描述：[描述数据内容]
分析目标：[你想回答什么问题]
请按以下步骤进行：
1. 描述性统计分析
2. 数据分布特征
3. 变量之间的相关性分析
4. [根据需求选择：假设检验/回归分析/聚类分析等]
5. 结论和业务建议
请用Python代码实现分析过程，并对每个统计结果给出通俗易懂的解释。
三、写作与内容类Prompt
3.1 技术博客写作
text
text
你是一名技术博主，擅长用通俗易懂的语言解释复杂的技术概念。
请写一篇关于[技术主题]的文章，要求：
- 目标读者：[有经验的开发者/初学者/技术管理者]
- 文章长度：[约xxx字]
- 风格：[轻松幽默/严谨专业/实操导向]
- 必须包含：原理讲解 + 代码示例 + 实际应用场景
- 避免：[过于学术化的表述/过多术语堆砌]
结构建议：
1. 引入：用一个实际问题或场景引入
2. 原理：用类比或图示解释核心概念
3. 实战：完整的代码示例
4. 深入：进阶用法或性能优化
5. 总结：关键要点回顾
3.2 技术文档
text
text
请为以下代码/项目编写技术文档。
目标读者：[新加入团队的开发者/外部使用者/运维人员]
文档需要包含：
1. 项目简介和核心功能
2. 环境要求和安装步骤
3. 快速开始（最小可运行示例）
4. 详细API参考（参数、返回值、示例）
5. 常见问题和排错指南
6. 贡献指南（如适用）
代码/项目信息：
[粘贴代码或项目描述]
3.3 邮件与沟通
text
text
请帮我写一封[邮件类型]。
发件人身份：[你的职位/角色]
收件人：[对方的职位/角色]
背景：[简要说明背景]
核心目的：[你想达成什么]
语气要求：[正式/半正式/轻松]
关键信息：
1. [信息点1]
2. [信息点2]
3. [信息点3]
请控制在[xxx字]以内，重点突出，逻辑清晰。
3.4 翻译与本地化
text
text
请将以下内容翻译为[目标语言]。
翻译要求：
- 专业领域：[IT/金融/法律/医疗等]
- 风格：[正式/口语化/学术]
- 特殊要求：[如：保留代码不翻译/保留专有名词原文]
需要翻译的内容：
[粘贴原文]
请在翻译后，列出你做翻译决策的关键取舍（如某些术语的翻译选择）。
四、学习与知识类Prompt
4.1 概念学习
text
text
我想学习[技术概念/知识点]。
我的背景：
- 当前水平：[初学者/有一定基础/高级]
- 已了解的相关知识：[列出你知道的]
- 学习目标：[你想用这个知识做什么]
请按以下方式帮我学习：
1. 用一个日常生活的类比来解释核心概念
2. 给出严谨的技术定义
3. 画出概念关系图（用文字描述）
4. 给出3个由浅入深的代码示例
5. 列出常见的误解和纠正
6. 推荐下一步学习方向
4.2 费曼学习法
text
text
我正在学习[主题]，请用费曼学习法帮我理解。
具体来说：
1. 用最简单的语言解释这个概念（假设听众是12岁的孩子）
2. 用一个生活中的比喻来类比
3. 指出这个概念中最容易被误解的部分
4. 给出3个"如果……那么……"的推理练习
5. 最后用一段话总结核心要义
4.3 知识体系梳理
text
text
我想系统学习[领域/技术栈]，请帮我梳理知识体系。
我的现状：[描述你当前的水平和已掌握的内容]
学习目标：[你想达到什么水平/想做什么项目]
可用时间：[每天/每周可以投入多少时间]
请输出：
1. 完整的知识树（分层级）
2. 每个知识点的优先级（核心/重要/扩展）
3. 推荐的学习顺序和里程碑
4. 每个阶段的实践项目建议
5. 推荐的学习资源（书籍/课程/开源项目）
五、职场效率类Prompt
5.1 周报/日报
text
text
请帮我写一份本周的工作周报。
本周完成的工作：
1. [工作内容1，包含关键数据/成果]
2. [工作内容2]
3. [工作内容3]
遇到的问题：
- [问题描述及解决方式/当前状态]
下周计划：
1. [计划1]
2. [计划2]
要求：
- 格式简洁，重点突出
- 用数据量化成果
- 体现思考深度，不要流水账
- 控制在[xxx字]以内
5.2 需求分析
text
text
我收到了一个产品需求，请帮我分析。
需求描述：[粘贴需求文档或描述]
请从技术角度分析：
1. 需求的核心目标是什么？
2. 涉及哪些技术模块？
3. 预估的工作量（人天）
4. 技术风险点
5. 与现有系统的兼容性
6. 你认为需求中模糊或缺失的部分（需要和产品确认的）
7. 初步的技术方案思路
5.3 面试准备
text
text
我正在准备[公司名]的[职位]面试。
我的背景：[简述你的技术栈和工作经历]
目标岗位要求：[粘贴岗位JD]
请帮我：
1. 分析这个岗位的核心技术要求
2. 针对每个要求，列出可能的面试题（每个3-5题）
3. 给出每道题的参考回答思路
4. 指出我背景中可能的薄弱环节
5. 推荐面试前的重点复习方向
六、创意与头脑风暴类Prompt
6.1 头脑风暴
text
text
我在做一个[项目/产品]，需要围绕[主题]进行头脑风暴。
背景信息：[简要描述项目背景和约束]
目标：[你想解决什么问题/达成什么效果]
请从以下角度帮我发散思维：
1. 给出10个常规方案
2. 给出5个非常规/创新方案
3. 对每个方案评估：可行性、创新度、成本
4. 挑出你最推荐的3个方案，详细展开
5. 提出你认为我可能忽略的角度
6.2 产品设计
text
text
我想设计一个[产品类型]的[功能/模块]。
目标用户：[用户画像]
核心场景：[用户在什么情况下使用]
现有方案：[目前的解决方案及其不足]
请帮我：
1. 分析用户的核心痛点
2. 提出3种不同的设计方案
3. 每种方案的优缺点对比
4. 推荐方案的详细交互流程
5. 需要特别注意的体验细节
七、Gemini专属技巧
7.1 利用Gemini的超长上下文
Gemini的上下文窗口是目前主流模型中最大的之一，可以利用这个优势：
text
text
我会给你一份[文档/代码库/数据集]，内容较长，请先阅读并理解全部内容，然后回答以下问题：
[问题]
在回答时，请：
1. 引用文档中的具体段落或行号
2. 如果文档中有矛盾或不一致的地方，请指出
3. 基于文档内容给出你的分析，不要编造文档中没有的信息
7.2 多轮深度对话
Gemini在多轮对话中表现不错，可以利用这个特点进行深度探讨：
text
text
我想深入探讨[话题]。请先给出你的初始观点，然后我会提出质疑和追问，请你：
1. 认真考虑我的质疑，不要简单重复之前的观点
2. 如果我的质疑有道理，坦诚承认并修正你的观点
3. 如果你坚持原观点，请给出更有力的论据
4. 最终给出你经过多轮思考后的结论
7.3 格式化输出
Gemini对结构化输出的遵循度不错，可以明确指定输出格式：
text
text
请严格按照以下JSON格式输出结果，不要添加任何额外文字：
{
"summary": "一句话总结",
"key_points": ["要点1", "要点2", "要点3"],
"action_items": [
{"task": "任务描述", "priority": "high/medium/low", "deadline": "建议时间"}
],
"risks": ["风险1", "风险2"]
}
输入内容：
[你的内容]
八、Prompt优化的通用原则
用了这么久，我总结了几个通用的Prompt优化原则，不管用哪个模型都适用：
原则一：明确角色
告诉AI"你是谁"。这不是玄学，而是帮AI进入正确的"思维模式"。一个"你是一名资深架构师"和一个"你是一个AI助手"，在回答架构问题时的质量差距是明显的。
原则二：给出上下文
AI不知道你的项目背景、技术栈、团队规范。你不说，它就只能猜。上下文越充分，输出越精准。
原则三：指定输出格式
"帮我分析一下"和"请从X、Y、Z三个维度分析，每个维度给出3个要点，最后用一段话总结"——后者的输出质量一定更好，因为目标更明确。
原则四：给出示例
如果你想要特定风格或格式的输出，给一个Few-shot示例是最有效的方式。AI会"模仿"你给的示例风格。
原则五：迭代优化
第一次的输出不满意？不要放弃，继续追问。 告诉AI哪里不好、你期望什么，让它修正。多轮迭代后的结果通常远好于第一轮。
原则六：对比验证
同一个Prompt在不同模型上的表现可能差异很大。比如有些Prompt在Gemini上效果很好，但换到Claude上就需要调整。如果条件允许，建议在多个模型上对比测试，找到当前任务的最优模型。这也是为什么我前面提到 OneAiPlus（h.oneaiplus.cn） 的原因——多模型对比测试的效率确实高很多。
九、不同场景的模型选择建议
最后，既然讲到了Prompt，顺便聊聊不同任务场景下，怎么选模型。这不是绝对的，但基于我的实际使用经验，有一个大致的规律：
| 任务类型 | 推荐首选 | 备选 | 原因 |
|---|---|---|---|
| 长文档分析 | Gemini | Claude | Gemini上下文窗口最大 |
| 代码生成 | Claude | GPT | Claude代码质量稳定性高 |
| 代码审查 | Claude | GPT | 审查深度和准确度领先 |
| 创意写作 | GPT | Claude | GPT的创意发散能力突出 |
| 数据分析 | Gemini | GPT | 长上下文+结构化输出 |
| 多语言翻译 | GPT | Gemini | 多语言覆盖和质量 |
| 技术问答 | Claude | GPT | 技术深度和准确性 |
| 复杂推理 | GPT | Claude | 推理链条更完整 |
| 本地部署 | Gemma 4 | 其他开源 | 开源+可本地运行 |
注意： 这个表格是基于2026年4月的情况，模型更新很快，建议大家自己实际测试对比。用 OneAiPlus（h.oneaiplus.cn） 这类多模型聚合平台来对比会很方便——同一个Prompt丢给不同模型，高下立判。
写在最后
Prompt工程说到底，就是一门"如何跟AI高效沟通"的手艺。
它不需要你有多高的技术门槛，但需要你愿意花时间去试、去总结、去迭代。上面这些模板是我过去一年反复打磨的结果，覆盖了大部分常见的使用场景。你可以直接拿去用，也可以根据自己的需求进一步调整。
我的建议是：不要试图一次性记住所有模板，而是根据你的实际工作场景，先从最常用的3-5个开始用起来。 用熟了之后，自然就会形成自己的Prompt习惯和风格。
最后再安利一下：如果你想找到一个顺手的AI工具平台，特别是需要在不同模型之间切换对比的场景，目前我比较推荐 OneAiPlus 。主流模型一站覆盖，国内可直接使用，省去了来回注册多个平台的麻烦。对于需要经常做多模型对比测试的人来说，这种"一站式"的体验确实能省不少时间。
好了，这篇文章到这里就结束了。如果觉得有帮助，建议收藏起来当工具书用——下次遇到具体的任务场景，直接翻到对应章节复制模板就好。
