去年有个数据挺有意思：用对大模型提示词的人，工作效率平均提升34%。但多数人还在用"帮我写个邮件"这种幼儿园水平的问法。
Medium博主Waheb统计了自己高频使用的50条Gemini指令，每条都经过实战检验。我把它们按场景重新分类，挑了最有用的给你。
一、把Gemini变成你的专职秘书
写邮件是职场高频痛点。但别再说"写封正式的辞职信"了，试试这个结构：
「扮演一位有10年经验的HR总监，用专业但不过于冰冷的语气，写一封因职业发展原因离职的邮件。收件人是直属领导，需包含：感谢具体项目经历、30天交接期承诺、保持联系的意愿。」
关键不是让它写，是让它代入角色。Waheb发现，加上具体年限和身份，输出质量提升明显。
会议纪要同理。粘贴录音转文字后，用这个指令：
「提取以下会议记录中的行动项，按负责人分组，标注截止日期。用表格输出，优先级列放最前。」
比你自己逐行扫快10倍。
二、代码相关：别让AI替你写，让它帮你读
Waheb是开发者出身，他的用法和新手完全不同。
遇到报错信息，直接粘贴完整Traceback，然后问：
「解释这个错误的根本原因，给出3种修复方案，按实施难度排序。每种方案说明可能引入的新风险。」
这比"帮我修bug"强在哪？它逼AI做风险评估，而不是给出一个看似能跑、实则埋雷的解法。
读 legacy 代码（遗留代码）时更有用：
「这段代码实现了什么功能？用自然语言描述输入输出。标出3个最可能出问题的边界条件，以及原作者可能省略的注释意图。」
Waheb说，最后那个"省略的注释意图"经常能猜中——老代码里的魔法数字、奇怪变量名，AI反而比人更容易还原上下文。
三、学习与研究：对抗信息过载
读论文是科技从业者的日常。但摘要往往写得像天书。
Waheb的解法：
「用初中生能听懂的话解释这篇论文的核心贡献。限制在3句话内，每句话对应一个具体问题：解决了什么、怎么解决的、为什么重要。」
三句话是硬约束。AI会被迫砍掉冗余术语，留下真正关键的信息。
做竞品分析时，这个指令被Waheb标记为"每周必用"：
「对比A产品和B产品的[具体功能]，列出5个差异点。每个差异点说明：对用户意味着什么、对技术架构意味着什么、哪一方更可能在未来6个月扩大这个差距。」
最后那个"未来6个月"的预测，Waheb承认准确率一般，但强迫自己做时间维度的思考，比单纯罗列功能点有价值得多。
四、创意与决策：把模糊变具体
产品经理常陷入"我觉得用户需要"的陷阱。Waheb用Gemini做压力测试：
「我要设计一个[功能]，目标用户是[画像]。列出这个功能可能失败的5种方式，每种方式给出早期预警信号和最低成本的验证方法。」
不是让它夸你的想法，是让它找死法。这个思维翻转，省了他至少两次方向性错误。
做决策时，这个指令结构被多次复用：
「我在A和B之间选择，核心考量是[列出3个]。为每个选项生成决策矩阵，权重我自己填。然后模拟一个反对者，用最强论据攻击我的倾向性选择。」
那个"反对者"角色是精髓。Waheb发现，人对自己偏爱的选项会主动弱化反面证据，AI没有这个问题。
五、Waheb的3条元规则
50条指令背后，有3个共通原则。
第一，永远给格式。 "用表格""限制3句话""按难度排序"——格式约束逼AI结构化输出，也逼你自己想清楚要什么。
第二，角色扮演要具体。 "专家"太泛，"有10年SaaS经验的客户成功总监"才好用。年限、领域、具体场景，缺一不可。
第三，要求它质疑你。 多数指令里都有"列出风险""模拟反对者""可能失败的方式"这类表述。Waheb的原话是：「让AI当你的杠精，比当它当你的粉丝有用。」
最后提一个细节。Waheb在原文评论区回复读者时提到，他每周会花15分钟回顾哪些指令失效了——不是AI变笨了，是他的需求变精确了，旧指令需要迭代。
这50条里，你目前能直接用的有多少条？还是多数都需要先改三遍才能跑通？
热门跟贴