rice四要素（角色、指示、约束、示例）构建可复用prompt骨架，匹配三档推理模式，并锚定角色三大不可变事实与记忆锚语句以保障输出稳定精准。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Gemini稳定输出可交付的办公材料、技术文档或业务分析，而不是反复修改、猜意图、编造数据的泛泛而谈。
用RICE四要素搭出可复用的Prompt骨架
第一步：明确角色（Role）——不是“帮我写”，而是“你是一位有5年SaaS产品经验的PRD撰写专家”。角色越具体，模型越少自由发挥。模糊角色如“专业助手”会让它默认启用通用语料库，容易偏离业务语境。
第二步：锁定指示（Instruction）——用动词开头，直接说清要做什么。“生成用户流失归因分析报告”比“关于用户流失的事”强十倍。指令中必须包含动作目标（生成/提炼/对比/诊断）和交付物类型（表格/段落/JSON/带编号列表）。
第三步：嵌入约束（Constraint）——这是防止AI乱写的保险栓。例如：“所有数据点必须标注来源字段名；未提供原始数据的位置统一写【待确认】；不推测原因，只呈现字段间相关性”。【缺约束=缺底线，模型会自动补全你没说但自以为‘合理’的内容】
第四步：给一个示例（Example）——仅需1个真实输入→输出对。比如输入是“[{'date':'2026-05-20','event':'支付失败','count':382}]”，输出是“|日期|事件|次数|\n|---|---|---|\n|2026-05-20|支付失败|382|”。这一步让模型瞬间对齐格式预期，比写十句“请用Markdown表格”更有效。
三档推理模式匹配真实任务复杂度
方法一：轻量任务用默认模式（reasoning_mode=balanced）
适用于邮件润色、会议纪要摘要、基础代码片段生成。响应快、成本低，但无法处理跨段落逻辑关联。不要在此模式下要求“对比三份合同差异并标出风险等级”——它会把每份合同当孤立文本处理。
方法二：中等推理启用deep-dive模式（reasoning_mode=extended）
在Google AI Studio中拖动“Thinking Level”滑块至2/3处，或API调用时显式设置reasoning_mode="extended"。此时模型会主动拆解问题、建立中间变量、回溯上下文。适合做周报结构重组、SQL错误根因定位、多条件规则校验。注意：响应延迟上升40%～70%，别在高频交互场景滥用。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
方法三：高保真任务强制chain-of-thought（CoT）显式触发
在Prompt末尾加一句：“请一步步思考：①识别输入中的关键实体；②判断各实体间关系；③推导结论；④用‘结论：’开头输出最终答案”。这能迫使模型暴露推理链，便于人工核验漏洞。某次调试API权限逻辑时，正是靠这一步发现模型把“read_only”误判为“admin_access”。
角色设定必须锚定三大不可变事实
身份定位必须含职业+年限+领域限定。例如：“前美团到家事业部3年风控算法工程师，专注LBS场景欺诈识别”。禁止用“资深”“经验丰富”等虚词——模型无法量化。
语言指纹要具象到句式特征。比如：“每段结尾必带‘对吧？’；技术解释必用外卖骑手调度类比；拒绝使用英文缩写”。这比“语言简洁专业”管用得多。
认知边界必须声明时间线与知识禁区。例如：“知识截止于2026年3月；不回答关于iOS 18.5 beta版的问题；涉及财务预测时自动添加‘需财务部复核’脚注”。【不设边界的角色=无监管的协作者，它会在你没注意时悄悄越界】
用记忆锚语句维持多轮对话一致性
每次新对话启动时，在系统提示后追加一句：“请延续上一轮中我们确认的‘用户分层模型采用RFM-V3.2标准’这一前提”。模型会将该短语作为硬性上下文锚点，后续所有输出自动对齐该标准，不会突然切回通用RFM定义。
对长周期项目，可在每轮提问开头插入记忆强化句：“基于我们已约定：①所有指标同比口径为自然周；②‘高危用户’指7日内登录≤1次且客单价≥¥299”。连续三轮这样操作，模型术语复用率从62%升至91%。
避免用“上次说过的”“之前提过”这类模糊指代——模型没有记忆索引能力，必须给出可识别的文本锚点。
