Gemini Prompt 教學：用 Google 生態與多模態指令省下一半作業時間

這篇解決什麼問題？ 很多人把 Gemini 當成「另一個聊天機器人」，只丟一句問題就期待好結果，白白浪費了它最強的兩個能力：原生多模態與深度整合 Google 生態。這篇文章適合誰讀？ 行銷、客服、營運與企業 IT 導入負責人——只要你的工作每天要處理圖片、PDF、試算表、Gmail 與簡報，就值得看。讀完你會得到什麼？ 一套可直接複製的 Gemini Prompt 範本、一張 Workflow 流程圖，以及把繁瑣作業時間砍半的具體方法。

為什麼要重新學 Gemini 的 Prompt？

大多數 Prompt 教學都是繞著純文字對話打轉，但 Gemini 的設計重點從一開始就不只是文字。它有兩個關鍵差異，會直接改變你下指令的方式：

第一，原生多模態。Gemini 不是「先把圖片轉成文字再處理」，而是同時理解文字、圖片、PDF、表格甚至影片畫面。這代表你可以把一張產品照、一份報價 PDF、一份客戶回饋試算表一起丟給它，要它做跨來源的綜合判斷。如果你想更系統地理解「模型同時看圖讀字」這件事的運作邏輯，建議先讀 多模態 AI 應用指南，再回來看怎麼把它變成可操作的指令。

第二，超長上下文與 Google 生態整合。Gemini 能一次吃下整份合約、整本產品手冊；在 Google Workspace 裡，它還能直接讀你的 Gmail、Docs 與試算表。對台灣中小企業來說，這意味著不必再導入複雜系統，只要把 Prompt 寫好，現有的 Google 帳號就是你的自動化平台。

要強調一個常被忽略的觀念：Prompt 寫法的核心原則跨模型相通，差異在於各家模型的「強項區」。ChatGPT 擅長對話式推理與外掛生態，Claude 擅長長文與嚴謹結構，Gemini 則在多模態與 Google 整合上佔優。與其每換一個工具就重學一次，不如先掌握共通骨架，再針對 Gemini 的強項加碼。想做跨模型對照，可同時參考 ChatGPT Prompt 教學 與 Claude Prompt 教學，你會發現三者的「結構化思維」高度一致。

核心概念：把 Gemini 當成有眼睛的分析師

與其把 Gemini 想成聊天機器人，不如把它想成一位同時有眼睛、會讀檔案、又坐在你 Google 帳號旁邊的分析師。你給這位分析師的指令越清楚、素材越完整，他的產出就越接近交付品質。

下面這張表整理了「隨便問」和「結構化指令」的差別：

掌握這張表，就掌握了 Gemini Prompt 的精髓：角色 → 素材 → 格式 → 限制 → 驗收，五個環節缺一不可。這套骨架其實就是業界常見框架（RTF、CRISPE）的精簡版，如果你想把它擴成更完整、可套不同任務的模板，Prompt 工程框架 有更細的拆解。

實際教學

Step 1：開頭就鎖定角色與輸出格式

不要問「幫我寫產品介紹」，而要說「你是專攻台灣母嬰市場的資深電商文案，請用條列＋一段總結的格式，輸出 3 個版本」。角色與格式越前面講越好，Gemini 會用它來決定整段回答的語氣與結構。若你是在團隊裡反覆使用同一個角色設定，更建議把角色寫進系統層，做法見 System Prompt 教學。

Step 2：一次餵入多模態素材

這是 Gemini 最被低估的能力。把產品照片、競品報價 PDF、客服 Excel 一起上傳，然後下指令：「比對這三份資料，找出我們的價格與賣點差異」。你不需要先自己整理，讓它做跨來源整合，這正是純文字模型做不到的。重點是在文字裡逐一點名每個素材的用途，否則模型可能略過某張圖。

Step 3：給範例與硬性限制

提供 1-2 個你滿意的輸出範例（few-shot），並明確寫出限制：字數上限、必須用台灣用語、禁止出現「優惠」以外的促銷詞、不確定的數據要標註。範例比形容詞有用十倍——與其說「寫得專業一點」，不如貼一段你心中的好範本。這個「給示範」的技巧威力很大，獨立成篇的 Few-shot 範例教學 解釋了為什麼 2-3 個好範例往往勝過一大段抽象描述。

Step 4：串接 Google 生態

在 Google Workspace 的 Docs 或 Gmail 側邊欄打開 Gemini，直接下指令：「總結這封信串的待辦事項，列成表格」或「根據這份試算表的 Q2 數據，幫我寫一段給主管的摘要」。它讀的是你有權限的即時資料，省去複製貼上。想把這一步自動化成固定流程、套用別人驗證過的範本，可到 任務食譜書 找對應的工作流程。

Step 5：迭代與驗收

第一版幾乎不會完美。用追問修正：「第二版太正式，改口語一點」「把第 3 點的數字來源標出來」。最後加一句驗收指令：「請檢查以上內容有沒有與我提供的檔案矛盾，列出不確定的地方」，讓它自我審查再交付。這個收尾動作能擋掉大部分幻覺。

進階：更深入的一層

掌握五步骤後，多數人會卡在同一個地方：任務一複雜，單一 Prompt 就開始失控。這一節談三個能讓你從「會用」進階到「用得穩」的關鍵手法。

一、把長上下文當「工作記憶」而非「垃圾桶」。 Gemini 能吃下整本手冊不代表你該把所有東西一股腦塞進去。模型對「上下文中段」的注意力通常弱於開頭與結尾（俗稱 lost in the middle）。實務做法是：把最關鍵的指令與最重要的素材放在 Prompt 的最前面或最後面，中段放參考資料，並在結尾重述一次任務目標。對於超長 PDF，先請它「先做一份分頁重點索引」，再針對需要的頁碼追問，效果遠勝一次要它讀完並回答。

二、用「思考步驟外顯」逼出推理品質。 面對需要比對、計算、分類的任務，在 Prompt 加一句「請先一步步列出你的分析過程，再給結論」，會明顯提升正確率。這也方便你檢查它哪一步推錯。若任務涉及多模態比對（看圖＋讀表），更要求它「逐張圖、逐欄位說明依據」。

三、區分「事實型」與「創意型」任務，給不同的限制。 事實型（如財報摘要、合約條款抽取）要把溫度壓低、強制「資料中沒有就標註待確認」；創意型（如廣告標題、貼文）才放寬語氣、要它一次多給幾個版本。把這兩類任務混在同一段 Prompt，產出往往兩頭不到位。

下表整理三家主流模型在實務任務上的取向差異，幫你決定「哪一步該交給 Gemini」：

結論很清楚：多模態與 Google 整合的環節交給 Gemini，其餘步驟視情況分工。這種「依強項分配任務」的做法，本身就是 Prompt 工程框架 強調的設計思維。

範例：Prompt 與 Workflow

下面是一個可直接複製的多模態 Gemini Prompt 範本，用於「看圖＋讀數據，產出電商商品文案」：

# 角色
你是專攻台灣電商的資深商品文案，熟悉蝦皮與官網的轉換寫法。

# 任務
我已上傳：
1. 一張產品主圖
2. 一份競品價格 PDF
3. 一份過去客戶評論的試算表

請依下列步驟產出（每一步先列出依據再給結論）：
(1) 從圖片描述產品的 3 個視覺賣點
(2) 對照 PDF，指出我們相對競品的價格優勢一句話
(3) 從評論試算表萃取顧客最常提到的 2 個好處
(4) 綜合以上，寫出 3 個版本的商品標題（各 ≤ 28 字）與一段 100 字內文

# 限制
- 全程繁體中文台灣用語，禁用簡體與中國慣用詞
- 不得編造規格；資料中沒有的數據標註「待確認」
- 語氣親切但不浮誇，禁用「全網最低」等誇大字眼

# 驗收
最後檢查產出是否與我提供的三份檔案一致，列出任何不確定處。

如果你想把這個範本「角色」抽出來、變成整個對話都生效的設定，可改寫成系統層指令，做法見 System Prompt 教學；想一次生成多個變體範本，則交給 Prompt 產生器。

對應的自動化 Workflow，可以這樣串起來（文字版流程圖）：

收集素材（產品圖＋競品 PDF＋評論表）
        ↓
上傳至 Gemini 並送出多模態 Prompt
        ↓
Gemini 跨來源分析，逐步列依據後產出 3 版文案草稿
        ↓
編輯人工挑版＋微調（追問迭代）
        ↓
Gemini 自我驗收事實一致性，標註待確認項
        ↓
定稿回填至 Google Docs／上架後台

想把這類流程接成可重複套用的標準作業，任務食譜書 裡有現成的多模態工作流可以照抄。

常見錯誤

• 把多模態當成裝飾：只上傳圖片卻沒在 Prompt 裡明確要它「分析圖片」，Gemini 可能略過。一定要用文字點名素材，圖像描述的細節寫法見 AI 生圖 Prompt 教學。
• 一次問太多又沒結構：把十件事塞進一句話，回答會雜亂。改用編號步驟拆解任務。
• 把關鍵指令埋在超長上下文中段：模型容易在中段失焦，重要指令請放開頭或結尾並重述一次。
• 不給範例只給形容詞：「寫得有質感一點」這種指令幾乎無效，貼一個範本比形容詞精準得多。
• 完全相信輸出不複核：Gemini 仍會產生幻覺，財務、法律、醫療相關內容務必人工查證。
• 忽略台灣用語：不加限制時模型容易冒出「視頻」「質量」「信息」等中國慣用詞，要在 Prompt 明確禁止。

最佳實務

• 角色與格式放最前面：開頭就定錨，後續回答品質明顯提升。
• 善用長上下文但別塞滿：一次餵入完整資料讓它通盤理解，但把最重要的指令放頭尾。
• 多模態要明確點名：清楚說「根據第 2 張圖」「依這份 PDF 第 3 頁」。
• 要求外顯推理：複雜任務加一句「先列分析過程再給結論」，正確率與可檢查性都上升。
• 建立可重複的 Prompt 範本：把成功的指令存成模板，讓全團隊共用，可搭配 Prompt 產生器 快速產出。
• 加上自我驗收環節：每個重要產出都要求 Gemini 自查事實與格式。
• 在 Workspace 內整合：能直接讀 Google 檔案就不要複製貼上，減少出錯。

實際案例：台中某電商品牌的商品上架流程

一家台中經營母嬰用品的電商團隊，過去每上架一支新品，要由一位編輯手動比對競品價格、翻評論、寫文案，整套流程耗時且容易遺漏。

導入前：

• 每支商品文案製作約需 6 小時（找競品、讀評論、寫稿、校對）
• 每週只能上架約 8 支新品
• 文案常出現中國慣用詞，需主管二次校對

導入後（採用上述多模態 Gemini Prompt 範本＋Google Workspace 流程）：

• 每支商品文案製作降到約 2.5 小時，時間省下約 58%
• 每週上架量提升到約 18 支
• 在 Prompt 內鎖定台灣用語後，二次校對需求下降約 70%

關鍵不在「用了 Gemini」，而在於團隊把多模態素材整合與結構化指令＋驗收環節標準化成可重複的範本。

第二個案例：台北 B2B 客服信件分流

另一個值得參考的情境，是台北一家做工業設備的 B2B 公司。他們的客服信箱每天湧入上百封詢價、報修與規格詢問信，過去靠一位專員逐封分類、轉派給對應業務，平均每封處理約 4 分鐘，且常因人力波動而積壓。

導入做法很單純：在 Gmail 側邊欄用 Gemini，搭配一段固定的系統層指令，要它「讀取信件內容與附件 PDF，判斷類別（詢價／報修／規格／其他）、抽取客戶公司與聯絡人、給出建議轉派對象，輸出成固定欄位表格」。因為涉及機密客戶資料，他們特別在系統指令裡鎖定「只依信件內容判斷、不得臆測、敏感資訊不外流」，這套邊界寫法正是 System Prompt 教學 的核心。

成效：

這個案例的啟示是：Gemini 在 Google 生態裡的最大價值，往往不是「寫得多漂亮」，而是把原本卡在人力的分流與整理環節自動化。想把這類流程模組化、串成完整管線，可到 任務食譜書 取用現成範本。

免責聲明：本文涉及財務、法律與醫療等內容僅供流程示範，不構成投資、法律或醫療建議，實際應用請諮詢專業人士並人工複核。

結論

Gemini 的價值不在於「會聊天」，而在於它能同時看圖、讀檔、串接你既有的 Google 工作環境。只要把指令寫成「角色 → 素材 → 格式 → 限制 → 驗收」五步結構，再善用多模態與長上下文、把關鍵指令放在頭尾、複雜任務要求外顯推理，就能把過去半天的作業壓縮到一兩小時。

下一步建議：先拿本文的 Prompt 範本套用到你最常做的一項重複工作，跑通後存成團隊模板。接著用 Prompt 工程框架 把這套結構擴成可套不同任務的模板，做 ChatGPT Prompt 教學 的跨模型對照找出各步該交給誰，最後到 任務食譜書 找現成流程直接套用。把 Prompt 寫對，現有的 Google 帳號就是你最低成本的 AI 自動化平台。

常見問題 FAQ

延伸閱讀

• ChatGPT Prompt 教學
• Claude Prompt 教學
• 多模態 AI 應用指南
• Prompt 工程框架
• Prompt 產生器