Gemini 3.1 Pro 的简洁指令与长上下文定位提示

一句话结论

Gemini 3.1 Pro 是 reasoning model，官方建议提示保持直接简洁；处理长数据时把具体问题放在上下文末尾，并用“基于前述信息”锚定回答。

适用场景

• 适合的任务：长文档/代码库问答、跨模态资料总结、需要低冗余但可追溯答案的分析任务。

• 不适合的任务：需要模型自行补充最新事实而未提供 Search grounding 的任务；也不适合用旧式复杂 CoT 套模板强行诱导推理。

• 适用的模型版本：gemini-3.1-pro-preview；Gemini 3 系列模型仍处于 preview（以采集时官方页面为准）。

• 适用的客户端、Agent 或 API：Gemini API、AI Studio、Gemini CLI、Google Antigravity、Vertex AI；文本/图像/视频/音频/PDF 输入，文本输出。

• 推荐的推理档位和参数：复杂任务默认 thinking_level=high；简单或低延迟任务用 low。官方建议 Gemini 3 的 temperature 保持默认 1.0。

可直接使用的内容

你是一个严谨的资料分析助手。

请基于下面提供的完整上下文回答问题，不要补写上下文中没有的事实。
先识别与问题直接相关的章节、文件或时间点，再给出结论。
如果存在冲突、缺失或多种解释，请明确列出假设和不确定性。
回答时引用相关章节/文件名/页码；找不到依据时写“未在提供的上下文中找到”。

<context>
在此粘贴文档、代码库摘录或多模态资料
</context>

基于前述信息，请完成：
<task>
在此写具体问题和验收标准
</task>

输出格式：
1. 结论（不超过 5 条）
2. 证据定位
3. 冲突或缺失
4. 下一步建议

若需要更健谈的回答，直接写入风格要求，例如：Explain this as a friendly, talkative assistant.；不要把旧版的长篇“思维链提示”原样搬过来。

测试/工作流步骤

1. 使用同一份长文档/代码库，分别把问题放在上下文开头和末尾。

2. 一组使用上述锚定提示，另一组只给自然语言问题；固定模型、输入内容和 thinking_level。

3. 评估引用定位准确率、遗漏率、虚构事实数、输出长度和首 token 延迟。

4. 对最新信息任务开启 Google Search grounding，记录每条事实对应的来源，而不是依赖模型知识截止日期。

原始证据与数据

• 官方写明 Gemini 3 是 reasoning model，建议输入提示直接、清晰、简洁；过于复杂的旧式 prompt engineering 可能导致过度分析。

• 官方建议大数据集的具体指令/问题放在数据上下文之后，并以“Based on the preceding information…”等短语锚定推理。

• 官方给出的 Gemini 3.1 Pro 输入上限为 1,048,576 tokens、输出上限为 65,536 tokens；开发指南模型表同样列为 1M/64k。

• 官方说明知识截止时间为 2025 年 1 月，更新事实应使用 Search grounding。

适用边界

• “问题放末尾”是官方提示建议，不是对所有长上下文任务的成功率保证；必须用目标数据集做 eval。

• 该示例要求引用章节/文件名，但 Gemini 不会凭空产生真实页码；服务端应检查引用是否存在。

• thinking_level 是最大思考深度的相对上限，不是严格 token 保证；high 可能显著增加首 token 等待时间。

• 仅凭上下文锚定不能替代权限、脱敏、工具结果校验和结构化输出解析。

来源摘录或观察（仅做合规短引）

官方建议是“Be concise in your input prompts.”（合规短引）。