Gemini Deep Research 是 Google Gemini AI 助理中的一項代理功能，目的是自動化處理複雜的研究任務 。它不僅僅是回答簡單問題，而是能夠模擬研究人員的工作流程：首先將使用者提示詞轉化為個人化的多點研究計畫，接著自主搜尋並深度瀏覽數百個網站以查找相關的最新資訊，然後在其內部推理迴圈中批判性地評估、思考和綜合所收集的資訊，最終生成詳盡、富有洞察力的多頁研究報告，並提供來源引用和音訊摘要 。此功能可以將使用者從耗時數小時、需要開啟大量瀏覽器分頁並自行整合資訊的繁瑣研究工作中解放出來 。

Deep Research 的核心是一個多步驟的代理系統，它結合了 Gemini 模型(如 Gemini 2.5 Pro 或更新版本)的先進推理能力、Google Search 的資訊檢索專長以及網路瀏覽技術 。其運作流程包含：  

1. 規劃 ( Planning )： 接收使用者提示詞後，系統會制定一個詳細的研究計畫，將複雜問題分解為一系列可管理的子任務 。使用者可以審閱並修改此計畫，確保研究方向正確 。  
2. 搜尋 ( Searching )： 系統根據計畫，利用搜尋和網路瀏覽工具自主、持續地查找和瀏覽大量(可能超過百個)網路來源，以獲取相關資訊 。  
3. 推理 ( Reasoning )： 模型在迭代過程中評估收集到的資訊，識別關鍵主題、不一致之處和資訊缺口，並在決定下一步行動前進行思考 。此過程可能涉及多次自我批判以提高清晰度和細節 。  
4. 報告 ( Reporting )： 最終，系統將綜合分析的結果，以邏輯清晰、資訊豐富的方式組織成一份詳細的多頁報告，通常包含來源引用，並可匯出至 Google 文件。

鑑於 Deep Research 的自主性和複雜性，提示詞 ( prompt )的品質直接影響其研究計畫的制定、資訊搜尋的相關性、分析的深度以及最終報告的效用。一個精心設計的提示詞能夠清晰地傳達研究目標、範圍和期望的輸出，從而引導 AI 代理更有效地執行任務。

基礎提示詞原則

雖然 Gemini Deep Research 是一個專門的研究工具，但其提示詞設計仍然遵循大型語言模型（LLM）提示工程的通用最佳實踐。這些原則對於確保 AI 能夠充分理解你的意圖。

• A. 清晰明確：避免模糊性
  • 核心要求： 提示詞必須清晰、具體且無歧義 。模糊或過於寬泛的指令會導致 AI 產出不相關或淺層次的結果。  
  • 具體作法：
    • 定義任務： 明確說明希望 AI 執行的具體任務（例如，「分析」、「比較」、「綜合」、「評估」）。  
    • 精確用詞： 使用精確的術語，避免使用可能有多種解釋的詞語 。  
    • 量化要求： 如果可能，量化你的需求（例如，「找出排名前 5 的競爭對手」、「分析過去 3 年的趨勢」）。  
  • 應用於深度研究： 與其說「告訴我關於人工智能的資訊」，不如說「分析人工智能在未來十年對醫療保健產業的潛在影響，重點關注診斷工具和個性化治療」。這種明確性有助於 Deep Research 制定更具針對性的研究計畫。  
• B. 提供充足的背景資訊
  • 核心要求： 為 AI 提供必要的背景資訊，幫助其理解請求的脈絡和目的 。  
  • 具體作法：
    • 說明目的： 解釋你為什麼需要這項研究或資訊將如何被使用 。例如，「為即將到來的投資者會議準備一份關於 [產業] 市場趨勢的報告」。  
    • 定義範圍： 明確研究的界限，如時間範圍、地理區域、特定產業或主題 。  
    • 目標受眾： 指明報告的讀者是誰（例如，「高階主管」、「技術團隊」、「普通消費者」），這有助於 AI 調整內容的深度和語氣 。  
    • 包含關鍵術語定義： 如果涉及專業術語或縮寫，提供簡要定義 。  
    • 提及專業水平： 告知 AI 你對主題的了解程度（例如，「假設我是該領域的初學者」或「以專家級別進行分析」）有助於 AI 提供適當深度的回應 。  
  • 應用於深度研究： 提供充足的背景資訊，能讓 Deep Research 在規劃階段更好地理解研究的核心問題，篩選更相關的資訊來源，並進行更深入的分析。例如，在請求競爭分析時，提供自己公司的簡介和市場定位，能讓 AI 的分析更具比較價值。
• C. 結構化提示詞以提高清晰度
  • 核心要求： 將複雜的請求分解為有組織的結構，使 AI 更容易理解和處理 。  
  • 具體作法：
    • 使用分隔符： 使用如 ### 或 """ 等符號將指令、背景資訊和具體問題分開 。  
    • 條列式或編號： 將多個問題或研究面向以條列或編號形式列出 。  
    • 標題/副標題： 對於非常複雜的研究，可以在提示詞內部使用標題來組織不同的部分 。  
    • PTCF 框架： Google 官方推薦使用 Persona(角色)、Task(任務)、Context(背景)、Format(格式)框架來結構化提示詞 。  
  • 應用於深度研究： Deep Research 的第一步是根據提示詞制定研究計畫 。一個結構化的提示詞，例如遵循 PTCF 框架或使用清晰的條列，能讓 AI 在規劃階段更容易解析請求的各個組成部分，減少歧義，從而生成一個邏輯清晰、涵蓋所有必要面向的研究計畫。這反過來又提高了最終報告滿足所有明示和暗示需求的機會。  
• D. 有效利用自然語言
  • 核心要求： 使用自然、完整的句子進行提問，就像與同事或助理交談一樣 。避免僅使用關鍵字堆砌。  
  • 具體作法：
    • 完整表達： 用完整的句子表達完整的想法 。  
    • 簡潔與細節的平衡： 雖然要使用自然語言，但也要力求簡潔，避免不必要的術語或冗長描述 。在提供足夠細節與保持清晰簡潔之間取得平衡。Google 指出，有效的提示詞平均約 21 個詞，而使用者常嘗試少於 9 個詞 。  
    • 肯定式指令： 專注於告知 AI 應該 做什麼，而不是 不應該 做什麼 。例如，使用「專注於同儕審查的來源」，而不是「不要使用部落格」。  
  • 應用於深度研究： Deep Research 被設計來理解自然語言的目標 。雖然在定義範圍和任務時需要技術上的精確性，但將其框定在清晰的自然語言句子中有助於 AI 理解。關鍵在於找到對話式清晰度與無歧義指令之間的平衡點。

針對深度研究任務的核心策略

為了充分發揮 Gemini Deep Research 在分析、綜合、比較、評估和探索不同觀點方面的能力，需要採用超越基本原則的特定提示詞策略。

• A. 促使進行分析與綜合的提示詞
  • 分析指令： 要求 Gemini 進行超越資訊總結的分析。使用諸如「分析 X 對 Y 的影響」、「識別 [主題/數據] 中的關鍵主題/模式」、「評估 [概念/產品] 的優缺點」、「確定 [問題] 的根本原因」等提示詞（基於 中描述的能力所構建的概念性範例）。  
  • 綜合指令： 明確要求進行綜合。「綜合近期關於 [主題] 的研究發現」、「提供一份整合了 A、B 和 C 資訊的全面概述」、「為 [產品] 制定一份結合了市場趨勢、競爭分析和客戶回饋的報告」。  
  • 指定分析框架： 如果適用，建議使用特定的分析框架（例如，「進行 SWOT 分析」、「使用波特五力模型分析該產業」）。  
  • 應用考量： Deep Research 的核心優勢在於其處理大量來源的能力 。有效的提示詞應利用這一點，要求執行需要整合多個資訊點的高階任務，如分析和綜合，而不僅僅是檢索事實。  
• B. 設計用於比較與評估的提示詞
  • 比較指令： 清晰說明要比較的項目以及比較標準。「基於效率、成本和準確性，比較並對比 [方法 A] 和 在 [任務] 上的表現。」「根據功能、性能、價格和客戶評論評估不同型號的 [產品類型]。」「比較 [競爭對手 1] 和 [競爭對手 2] 的市場策略，重點關注目標受眾、定價和分銷管道。」。  
  • 評估指令： 定義何為「好」或「有效」。「引用案例研究證據，評估 [政策/策略] 在實現 [既定目標] 方面的有效性。」「基於市場增長、盈利能力和風險因素，評估 [公司/行業] 的投資潛力。」。  
  • 結構化輸出： 要求以表格形式呈現比較或評估結果可能非常有效 。「創建一個表格，比較放射學領域排名前 3 的 AI 診斷工具……」。  
  • 應用考量： 比較和評估不僅要求 Gemini 收集資訊，還要求其應用標準並根據綜合數據做出判斷。提示詞必須清晰定義比較/評估的主體以及要使用的具體標準。
• C. 引導探索不同觀點的提示詞
  • 明確指令： 要求模型考慮多種視角。「從 [利害關係人 A]、 和 [利害關係人 C] 的角度分析 [主題]。」「探討支持和反對 [政策/決策] 的論點。」「識別專家們在 [爭議性主題] 上的主要共識點和分歧點。」。  
  • 來源多樣性(間接引導)： 雖然直接控制來源有限，但可以透過廣泛設定研究問題或在提示詞中提及需要涵蓋不同觀點，來間接鼓勵視角的多樣性，這可能會影響規劃階段。
  • 處理衝突資訊： 承認可能存在衝突資訊，並要求模型標示出這些區域。「識別並討論文獻中關於 [主題] 的任何衝突性發現或解釋。」。  
  • 應用考量： Deep Research 能夠識別不一致之處 。提示詞可以利用這一點，明確要求探索和報告不同的觀點或衝突數據，將綜合分析推向單一敘事之外的層次。  
• D. 要求特定資訊類型（事實、趨勢、案例研究）
  • 明確說明： 清晰陳述所需的資訊類型。「識別關於……的關鍵事實數據點。」「分析……的新興趨勢。」「提供說明……的案例研究。」「提取關於……的統計數據。」。  
  • 組合類型： 提示詞可以要求多種類型。「提供一份報告，包含近期統計數據、關鍵趨勢以及 2-3 個關於遠端工作技術採用的說明性案例研究。」。
  • 影響搜尋： 指定資訊類型可以指導規劃和搜尋階段，幫助 Gemini 優先考慮可能包含該類型數據的來源(例如，統計數據庫用於統計數據，新聞文章用於趨勢，學術論文用於案例研究)。
  • 應用考量： 針對特定資訊類型調整提示詞有助於聚焦研究過程，並確保最終報告包含對使用者目的最相關的證據類型。

進階提示詞技術

除了核心策略外，一些進階技術可以進一步優化 Gemini Deep Research 的提示詞，以獲得更精確、深入和可靠的研究結果。

• A. 思維鏈( Chain-of-Thought, CoT )及相關推理技術
  • 概念： CoT 涉及提示模型「逐步思考」或向其展示推理過程的範例，以提高其在需要邏輯推導或多步驟問題解決的複雜任務上的表現 。  
  • 在 Deep Research 中的應用： 雖然 Deep Research 擁有其內部的推理迴圈 ，但 CoT 原則可以應用於提示詞內部以邏輯地結構化請求，或在後續提示詞中用於分析報告。
    • 結構化複雜提示詞： 在提示詞本身中將主要研究問題分解為邏輯子問題，從而指導預期報告的結構 。範例：「1. 識別 [產品] 的主要競爭對手。2. 分析他們的定價策略。3. 總結他們的關鍵行銷訊息。4. 將這些發現綜合為競爭格局概述。」  
    • 後續分析： 收到報告後，使用 CoT 風格的提示詞要求 Gemini 對發現進行推理：「根據提供的報告，讓我們逐步思考競爭對手 A 的定價策略對我們自己產品發布的影響。」
    • 自我修正/批判提示詞： 透過要求模型批判其自身的發現或考慮替代方案，鼓勵更深入的分析。「批判性地評估報告中為 [發現 X] 提供的證據。是否存在替代解釋？」  
  • 應用考量： 儘管 Deep Research 會執行自己的推理，但在提示詞中明確結構化邏輯步驟或在後續互動中使用 CoT，可以提高請求的清晰度和最終分析或後續互動的深度。這有助於確保複雜查詢的各個方面都得到系統性的處理。
• B. 設定角色( Persona Setting )：扮演專家角色以進行針對性研究
  • 技術： 指示 AI 扮演特定的角色或身份(例如，「扮演經驗豐富的金融分析師」、「你是一位專攻……的歷史學家」)。  
  • 對 Deep Research 的益處：
    • 量身定制的視角： 透過特定的專業視角聚焦研究和分析，可能(間接地)影響潛在優先考慮的來源類型以及對發現的解釋。
    • 適當的語氣和語言： 確保報告使用適合目標受眾或領域的術語和詳細程度 。  
    • 隱性指導： 角色設定可以隱性地指導 AI 哪些方面最重要(例如，「市場研究員」角色意味著關注趨勢、競爭對手、客戶)。  
  • 範例： 「扮演生物醫學研究員的角色。對用於治療遺傳性血液疾病的 CRISPR 基因編輯技術的最新進展(過去3年)進行深度研究分析。重點關注同儕審查文獻中報導的治療效果、遞送機制和安全性問題。」。  
  • 應用考量： 角色設定為代理程式提供了研究任務的特定背景，可能產生更相關的分析和以更適當風格撰寫的報告，即使核心的 Deep Research 流程保持不變。
• C. 提供詳細背景和上下文數據
  • 超越基本背景： 對於高度專業化的研究，提供的內容應超越基本範圍。如果可能，包含具體的數據點、理論框架、已知的爭議，甚至關鍵的初步發現摘要 。  
  • 利用文件(間接)： 雖然 Deep Research 主要搜尋網路，但您可以將來自文件的資訊整合到提示詞的背景中。例如，「根據我們內部報告 [簡要總結關鍵發現] 中總結的發現，進行深度研究分析，以在近期的市場研究中尋找外部驗證或矛盾之處。」(概念性範例)。在 Workspace 中使用「@」提及檔案的能力 可能最終會更直接地整合，但目前的 Deep Research 側重於網路搜尋。  
  • 應用考量： 豐富的背景資訊使 Deep Research 能夠執行更細緻的分析。透過將研究請求建立在特定的現有知識或數據基礎上，AI 可以生成更有針對性、更有見地的報告，這些報告是在已知資訊的基礎上進行建構，而不僅僅是複製。
• D. 明確要求引用和來源驗證
  • 重要性： 對於學術和專業可信度不可或缺。Deep Research 被設計為提供引用 。  
  • 提示策略： 不要僅僅假設引用會是完美的。明確要求引用，並在必要時指定所需的格式(儘管格式控制可能有限)。「確保所有事實性聲明和數據點都透過內文引用歸屬於其來源。」「提供所有參考來源的參考文獻列表。」要求 APA 風格。  
  • 驗證指導： 鑑於潛在的不一致性 ，考慮使用指導驗證的提示詞（儘管直接控制有限）。「優先考慮由多個信譽良好來源證實的資訊。」「識別並報告在不同來源中發現的任何衝突資訊。」
  • 應用考量： 雖然 Deep Research 旨在進行引用和驗證，但使用者報告顯示其存在變異性。明確要求嚴格的引用，並指示模型如何報告來源的一致性或分歧(即使只是要求其標註衝突)，可以推動更高品質的參考和關於資訊確定性的透明度。使用者仍必須執行最終驗證。要求嚴格的引用和來源處理標準，是確保研究可信度的關鍵步驟，尤其是在處理可能存在爭議或不確定性的資訊時。  
• E. 指定期望的輸出格式(報告、表格、摘要)
  • 控制輸出結構： 指示 Gemini 最終報告所需的結構和格式 。  
  • 範例： 「生成一份綜合報告，包括執行摘要、方法論部分、關鍵發現（包含 [主題 1]、[主題 2] 的子部分）和結論。」（基於 ）。「以表格形式呈現 [X] 和 [Y] 的比較，包含 [標準 1]、[標準 2]、[標準 3] 的欄位。」（基於 ）。「以條列式清單提供輸出。」「以 JSON 格式回應。」。  
  • 影響綜合： 指定格式會影響 Gemini 在報告階段如何綜合和組織資訊。要求表格會強制進行結構化比較，而要求執行摘要則需要高層次的綜合。
  • 應用考量： 在提示詞中清晰定義輸出格式，對於確保最終報告不僅資訊豐富，而且對使用者的特定需求(例如，簡報、進一步分析、簡報文件)具有可用性。

有效提示詞範例

以下是針對常見深度研究任務的提示詞範例結構，結合前述原則與策略。

• A. 範例：設計文獻回顧提示詞
  • 目標： 獲取關於特定主題的近期學術文獻的結構化概述。
  • 關鍵要素：
    • 角色( Persona )： 「扮演 [領域] 的學術研究員。」
    • 任務 ( Task )： 「針對 [特定主題] 進行深度研究文獻回顧。」
    • 背景 ( Context )： 「重點關注過去 [數字] 年(例如3-5年)發表的同儕審查文章。」「識別文獻中的關鍵主題、使用的方法、主要發現以及已報告的研究空白。」
    • 格式 ( Format )： 「報告結構應包含：1. 引言/範圍，2. 關鍵主題/發現(每個主題設子標題)，3. 觀察到的方法論途徑，4. 已識別的研究空白/未來方向，5. 結論，6. 參考文獻列表(APA 風格)。」「確保所有主張都有具體來源佐證。」
  • 應用考量： 有效的文獻回顧提示詞應指定主題、時間範圍、來源類型(同儕審查)、期望的分析組成部分(主題、方法、空白)以及清晰的報告結構(包含參考文獻列表)。
• B. 範例：設計市場分析提示詞
  • 目標： 了解某產品/服務的市場規模、趨勢、客戶群體和機會。
  • 關鍵要素：
    • 角色 ( Persona )： 「扮演專精於 [產業] 領域的資深市場研究分析師。」  
    • 任務 ( Task )： 「針對 [產品/服務] 在 [地理位置/人口統計] 市場進行深度研究市場分析。」
    • 背景 ( Context )： 「重點關注市場規模與增長預測(未來3-5 年)、關鍵客戶群體及其需求/偏好、新興趨勢(技術、消費者行為)、潛在機會以及進入市場的挑戰/壁壘。」「利用來自信譽良好的產業報告、市場研究公司和近期新聞來源的數據。」
    • 格式 ( Format )： 「生成一份報告，包含：1. 執行摘要，2. 市場規模與增長預測，3. 關鍵客戶群體與畫像 ，4. 市場趨勢與驅動因素，5. 機會與挑戰，6. 市場進入/增長策略建議。」「在適當處包含數據視覺化(表格/圖表)。」  
  • 應用考量： 市場分析提示詞應清晰定義產品/服務、目標市場以及具體的分析維度(規模、趨勢、客戶、機會)。要求特定的輸出，如客戶畫像或數據視覺化，能增強報告的實用性。
• C. 範例：設計競爭分析提示詞
  • 目標： 識別主要競爭對手並分析其策略、優勢和劣勢。
  • 關鍵要素：
    • 角色 ( Persona )： 「扮演專注於 [產業] 行業的競爭情報分析師。」
    • 任務 ( Task )： 「為我方公司 [貴公司/產品] 進入 [市場區隔] 市場進行深度研究競爭分析。」
    • 背景 ( Context )： 「識別排名前 [數字] 的直接和間接競爭對手。針對每個競爭對手，分析其：產品組合、定價策略、目標受眾、關鍵行銷訊息、分銷管道、已報告的市場份額(若有)以及感知的優勢和劣勢。」「重點關注過去2年的資訊。」
    • 格式 ( Format )： 「以報告形式呈現研究結果，包含：1. 競爭格局概述，2. 每個關鍵競爭對手的詳細檔案(使用上述標準)，3. 比較分析(可使用表格)突顯關鍵差異與相似之處，4. 識別 [貴公司/產品] 的潛在競爭優勢，5. 策略建議。」  
  • 應用考量： 競爭分析提示詞需要清晰地識別基準（貴公司/產品）以及針對每個競爭對手要分析的具體因素。要求使用比較表格對於此類研究特別有效。
• D. 提示詞結構與關鍵成功因素分析
  • 共同要素： 這些成功範例中的提示詞通常包含：清晰的任務定義、具體的範圍(主題、時間、地理、產業)、定義的背景/角色、對分析/綜合(而不僅是數據檢索)的要求，以及通常指定的輸出結構。
  • 量身定制： 每個要素內的具體細節(背景、格式、分析維度)都根據研究類型(文獻回顧 vs. 市場分析 vs. 競爭分析)進行了調整。
  • 隱含迭代： 雖然範例展示了初始提示詞，但成功往往依賴於後續對計畫的完善或使用後續提問。
  • 成功關鍵： Deep Research 提示詞的成功取決於能否將複雜的研究需求轉化為一套清晰、結構化的指令，代理系統可以利用這些指令來建立和執行有效的研究計畫。PTCF 框架為此提供了堅實的基礎。

透過迭代與優化提升品質

由於研究任務的複雜性和 AI 回應的可變性，一次性獲得完美結果的情況很少見。迭代測試和逐步優化提示詞是提高 Gemini Deep Research 回應品質與準確性的關鍵環節。

• A. 迭代式提示詞優化的重要性
  • 核心理念： 提示工程很少是一蹴可幾的過程 。獲得最佳結果通常需要多次測試、評估輸出並調整提示詞 。  
  • 對 Deep Research 的意義： 其自主過程的複雜性意味著初始提示詞可能無法完美捕捉意圖或引導至理想的研究路徑。迭代允許進行路線修正。
  • 優化技巧：
    • 重新措辭： 為同一目標嘗試不同的措辭 。  
    • 改變順序： 修改指令或背景資訊的順序 。  
    • 調整具體性： 使提示詞更詳細或更簡略 。  
    • 增減限制： 修改長度、格式或範圍等限制條件 。  
  • 應用考量： 應將第一個 Deep Research 提示詞視為對話的開端。準備好根據初步計畫或報告來完善請求。  
• B. 利用 Deep Research 的計畫編輯功能
  • 功能： 在 Deep Research 開始廣泛的網路搜尋之前，它會根據初始提示詞呈現一個研究計畫。使用者可以選擇「編輯計畫」。  
  • 使用方法： 審查建議的步驟。如果某一步驟看似不相關、方向錯誤或有所遺漏，使用自然語言請求更改 。例如：「增加一個專注於監管挑戰的部分。」「優先考慮來自學術期刊的來源。」「移除分析社群媒體情緒的步驟。」  
  • 益處： 這是 Deep Research 特有的一個關鍵的早期控制點 。在耗時的研究開始之前完善計畫，可以顯著提高最終報告的相關性和焦點，相比生成完整報告後再要求重大修改，更能節省時間。  
  • 應用考量： 計畫編輯功能是一個關鍵的差異化因素和重要的優化工具。使用者應始終審查建議的計畫，而不應立即點擊「開始研究」，特別是對於複雜或細微的主題。它允許在主要工作開始之前進行提示詞迭代。
• C. 透過後續提問完善報告
  • 生成後互動： 報告生成後，使用者可以在聊天視窗中提出後續問題 。  
  • 能力： Gemini 可以根據已進行的研究回答問題，或者返回網路查找新資訊 。使用者可以要求澄清、深入探討特定點，或請求對報告進行補充/修改(例如，「將營隊費用細節添加到我的報告中」)。  
  • 迭代完善： 這允許在初始自動生成後，對報告內容進行迭代完善。
  • 應用考量： 研究過程並非在第一份報告產生後就結束。後續聊天提供了一種基於初步綜合發現進行互動式完善和探索的機制，使過程更具動態性。
• D. 評估回應品質與準確性
  • 使用者責任： 儘管 Deep Research 功能強大，但最終輸出的準確性和相關性必須由使用者審查 。生成式 AI 仍可能產生錯誤或帶有偏見的資訊 。  
  • 事實核查： 利用提供的引用，透過檢查原始來源來驗證關鍵資訊 。Deep Research 旨在使此過程更容易 。  
  • 評估相關性與完整性： 報告是否完全回應了提示詞？分析是否合理？是否存在明顯的遺漏？
  • 回饋迴圈： 利用此評估來指導未來的提示詞迭代或後續問題。如果來源看似薄弱，未來的提示詞可能會強調來源類型或要求更明確的驗證討論。  
  • 應用考量： 評估是迭代迴圈中的關鍵步驟。Deep Research 提供了輔助評估的工具(引用、推理步驟)，但人類判斷仍然不能省略，特別是考慮到報導中提到的來源品質和分析深度的變異性 。

綜合最佳實踐與建議

以下總結了為 Gemini Deep Research 設計高效提示詞的關鍵方法、注意事項與最佳實踐建議。

• A. 設計有效 Deep Research 提示詞的關鍵要點
  • 框架定位為研究任務： 定義清晰的目標、範圍和期望的報告結構，而不僅是一個簡單的問題。利用 PTCF (角色、任務、背景、格式)框架。
  • 明確性： 提供詳細指令，定義術語，設定界限（時間、地理等），並指定所需的分析類型（比較、綜合、趨勢分析）。
  • 善用計畫編輯階段： 在執行前務必審查並完善建議的研究計畫。這是最有效的控制點。
  • 擁抱迭代： 從清晰的提示詞開始，但準備好根據結果完善計畫、提出後續問題並進行迭代。
  • 引導而非僅提問： 使用進階技術，如角色設定和明確的引用/驗證要求，來引導代理的焦點和標準。
  • 指定輸出格式： 清晰定義最終報告的結構(章節、表格、摘要)，以確保可用性。
• B. 高品質提示詞製作檢查清單
  • [ ] 是否定義了角色 ( Persona )？ （例如，「扮演 [角色]」）
  • [ ] 是否清晰陳述了任務 ( Task )？ （使用如分析、比較、綜合等行動動詞）
  • [ ] 核心研究問題/目標是否精確？
  • [ ] 是否定義了範圍 ( Scope )？ (主題、時間範圍、地理、產業)
  • [ ] 是否提供了充足的背景資訊 ( Context )？ (背景、受眾、關鍵術語)
  • [ ] 是否要求了特定的資訊類型？ (事實、趨勢、案例研究、分析)
  • [ ] 是否要求了特定的分析？ (比較、評估、綜合、SWOT)
  • [ ] 是否指定了輸出格式 ( Format )？(報告結構、表格、摘要、引用風格)
  • [ ] 是否包含了限制條件 ( Constraints )？ (長度、排除項、來源偏好)
  • [ ] 指令是否清晰無歧義？
  • [ ] 是否使用了自然語言(完整句子)？
  • [ ] 是否審查了提示詞的簡潔性(避免術語/冗詞贅字)？
• C. 處理潛在限制的考量
  • 來源品質變異性： Deep Research 可能混合使用來源；報告指出其有時依賴較不嚴謹的網路內容以及學術或產業報告 。緩解策略： 雖然直接控制來源有限，但在背景/任務中提示特定來源類型(例如，「同儕審查」、「產業報告」)，批判性地審查提供的引用，並進行手動驗證。  
  • 處理衝突資訊： Gemini 可能會標註衝突，但其解決方式可能較為表面 。緩解策略：提示 Gemini 明確識別並報告衝突發現，而不必強求解決，交由使用者判斷。使用驗證提示詞 要求結構化地報告一致性與衝突。  
  • 深度 vs. 廣度： 部分使用者認為研究範圍廣泛但可能深度不足 。緩解策略： 使用高度具體的提示詞，分解複雜主題，利用計畫編輯功能聚焦研究方向，並針對報告的特定領域提出深入的後續問題。  
  • 潛在偏見/幻覺： 與所有 LLM 一樣，輸出需要批判性審查 。緩解策略： 利用提供的來源進行嚴格的事實核查，意識到網路來源的潛在偏見，並與其他工具或專家知識進行交叉參照。  
  • 成本/可及性： Deep Research 最初與付費層級(Gemini Advanced/Workspace)綁定 ，儘管更廣泛的免費存取(帶有限制)已經推出，但存在使用限制 。緩解策略：注意使用限制。判斷任務的複雜性是否值得使用 Deep Research 而非標準 Gemini 或其他工具 。  
  • 應用考量： Deep Research 是一個強大的工具，但並非完美無缺。有效使用需要理解其局限性，並運用提示策略和批判性評估來降低與來源品質、深度和準確性相關的風險。提示詞本身可以用來設定 AI 應如何處理不確定性和衝突數據的期望。

進一步閱讀

1. Google Gemini 多模態提示詞指南
2. Gemini Prompt 專家指南
3. Gemini Prompt 入門指南