Gemini 是粗心学生

9 个示例 + 量化指标

一、原理：Few-shot 与 zero-shot 的本质差别

如果说 Claude 的病是"价值观偏差"、GPT 的病是"行为习惯"，Gemini 的病更像"学习方式不同"。

Gemini 在很多评测里表现都不错——它的"硬实力"（推理、知识、长上下文）在 Google 持续迭代下不输 Claude 和 GPT。但 Gemini 在 Agent 场景里有一种特殊的"粗心"——它经常在细节上出错，不是因为不会，是因为"没真的看"。

具体表现：

• 你说"用 absolute path"，Gemini 第一次用相对路径
• 你说"按 5 步流程"，Gemini 经常跳过第 3 步
• 你说"先 read 再 edit"，Gemini 经常直接 edit
• 你说"输出 JSON"，Gemini 给的 JSON 有时少个引号

这些都不是 Gemini 的能力问题——给它讲一遍它都懂。但它的执行经常"抄近路"——按它对你意图的猜测来做，而不是按你的字面指令做。这是个 SFT 数据问题：Gemini 的训练数据里可能大量"灵活理解用户意图"的样本，导致它学会了"猜意图比按字面执行更受奖励"。

但这个学习方式在 Agent 场景里是灾难。Agent 的工具调用是精确的——参数错了工具就 fail。"灵活理解"等于"经常出错"。

那怎么治这种病？这就引出了 prompt engineering 里一个根本性的话题：few-shot 和 zero-shot 的差别。

Zero-shot——你直接告诉模型规则，让它按规则执行。"输出 JSON、用 absolute path、5 步流程"。规则是抽象的，模型需要"理解 + 执行"两步。

Few-shot——你给模型几个具体例子，让它从例子里学规则。"看，这种问题应该这样回答（例 1）、这种应该这样（例 2）……" 模型只需要"模仿"，不需要"理解抽象"。

这两种方式哪个效果好？取决于模型。对于擅长抽象推理的模型（Claude），zero-shot 通常够用——它能从规则推到执行。对于"擅长模仿但不擅长抽象"的模型（早期 GPT-3、Gemini），few-shot 显著优于 zero-shot——给例子能让它知道"具体应该长什么样"。

Gemini 是 few-shot 学习者。它能模仿例子里的行为，但单看抽象规则就经常"放松要求"。这是为什么 opencode 的 gemini.txt 是 5 张脸里唯一一份大量用 in-context examples 的 prompt。

二、案例：gemini.txt 的 9 个示例 + 量化指标

打开 packages/opencode/src/session/prompt/gemini.txt，扫一遍你会注意到一个特别的现象——它有 9 个完整的对话示例。

其他几张脸的示例数量：

• anthropic.txt：2 个（嵌在 TodoWrite 段落里）
• gpt.txt：0 个独立示例
• beast.txt：0 个独立示例
• default.txt：4 个简短示例（"what is 2+2"→"4" 这种）

只有 gemini.txt 有 9 个明确的、完整的示例。每个示例长这样：

<example>
user: 1 + 2
model: 3
</example>

<example>
user: How do I read a file in Python?
model: Use open() with a context manager:
```python
with open('file.txt', 'r') as f:
    content = f.read()

9 个示例覆盖：简单算术、代码片段问答、CLI 命令、工具调用、错误处理、多步骤任务、长上下文、格式遵守、拒绝执行——基本覆盖了 Gemini 在 Agent 场景里会遇到的所有情形。

这种"9 个示例"的策略本质上是用模仿替代规则。Gemini 不再需要"理解我们说的 concise"，它看到示例就知道"哦 concise 就是这种样子的"。

gemini.txt 还有第二个特征——量化指标比其他脸更密。

对比同一件事在三张脸里的表述：

gpt.txt 关于简洁：

Keep responses to the minimum length needed to convey the answer. Brevity is professional.

anthropic.txt 关于简洁：

Be direct and concise.

gemini.txt 关于简洁：

Aim for fewer than 3 lines of text output. Reserve longer responses for genuinely complex topics.

注意区别——gpt 和 anthropic 用形容词（"minimum", "professional", "direct", "concise"），gemini 用具体数字（"fewer than 3 lines"）。

为什么 gemini.txt 要量化？因为形容词是抽象的，Gemini 对抽象遵守度低。"3 行"是具体的，没解释空间——少于 3 行就是少于 3 行，多了就是违反指令。

gemini.txt 里这种量化指标到处都是：

• "fewer than 3 lines of text output"
• "use at most 5 lines for complex explanations"
• "complete the task in fewer than 10 steps when possible"
• "respond within 200 tokens for simple questions"

这种量化是给 Gemini 的"标尺"。它有了具体的数字，遵守起来比"应该简洁"容易得多。

gemini.txt 还有第三个特征——5 步工作流的强制结构。

For tasks involving code modification, follow this 5-step workflow:
1. Understand - Read the relevant files
2. Plan - Outline the changes  
3. Implement - Make the modifications
4. Verify (Tests) - Run tests if applicable
5. Verify (Standards) - Check lint, format, type-check

这个 5 步流程是给 Gemini 的"步骤刻度尺"。没有这个流程，Gemini 经常会跳过其中某些步骤（比如不 verify 直接结束）。有了明确的编号步骤，它会按顺序走。

这种强制结构对 Claude 可能反而限制——Claude 自己能判断什么时候跳过哪步。但对 Gemini 是必要的——它不会主动按合理顺序做事，需要明确的步骤指引。

把这三个特征合起来——9 个示例 + 量化指标 + 5 步工作流——gemini.txt 形成一种独特的"教科书"风格。它不像 anthropic.txt 那么"姿态化"，也不像 gpt.txt 那么"压迫式"，它更像一份新员工培训手册：先看例子、再按数字、再按流程。

这正是 Gemini 需要的——一个粗心的学生需要的不是哲学说教（anthropic），不是禁令清单（gpt），是清晰的范例 + 可执行的步骤。

三、设计启示：什么时候用示例胜过规则

这一章的核心论点：模型的"学习方式"决定了 prompt 的策略——规则型 vs 示例型不能互换。

如果你做 AI 产品，下面的判断框架有用：

判断 1：这个模型对抽象规则的遵守度高吗？给它 5 条抽象规则，它能不能正确执行？如果失败率 < 10%，它是规则型学习者（Claude 倾向）。如果失败率 > 20%，它是示例型学习者（Gemini 倾向、早期 GPT 倾向）。

判断 2：你的指令本身是抽象的吗？"输出 JSON" 是抽象（什么算 JSON？严格语法？带注释的？）。"输出符合 schema X 的 JSON，例如 {a: 1, b: 'hello'}" 是具体。如果指令本身能写得具体，规则型也能用；如果指令本身就抽象，示例型几乎必需。

判断 3：你的产品是长上下文还是短上下文？示例占 token。9 个示例可能占 1K-2K tokens。在短上下文场景这不算什么，在长上下文场景每 1K token 都很贵。如果是 cost-sensitive 的产品，用规则；不 cost-sensitive 的用示例。

判断 4：你的产品要求严格遵守还是创造性输出？严格遵守的场景示例更有效——示例给了"标杆"。创造性场景示例反而有害——它会限制模型的发挥。

把这些判断用到不同场景：

写代码场景——通常要严格遵守格式和约定，所以示例有效。但如果场景是"按用户需求自由发挥"，示例反而限制创意。

问答场景——通常需要根据问题灵活回答，规则更合适。但如果是"按特定格式问答"（比如客服），示例更合适。

多步骤 Agent 场景——通常需要严格按工作流执行，所以"5 步工作流"+ 示例都有效。

翻译场景——通常需要保持原文语义、调整目标语言风格，示例（特别是"原文 → 译文"对照）效果远好于规则。

最后一个观察。Gemini 对示例的依赖在某些场景下是优势。一个产品如果能给 Gemini 提供清晰的示例库，Gemini 的"模仿质量"可以非常高——比 Claude 在同样示例下的输出更稳定（因为 Claude 会"创造性发挥"，不严格模仿）。

这意味着模型选择不是简单的"谁更好"，是"谁适合你的场景"：

• 需要稳定输出 → Gemini + 示例
• 需要创造性 + 自主判断 → Claude
• 需要快速 + 简洁 → 配 prompt 紧的 GPT
• 需要持续探索 → Beast Mode（详见 1.3 章已讲过）

每个模型都有自己的"最佳搭配 prompt 类型"。理解这一点，你才能把多模型 AI 产品做到位。

下一章 1.7 我们看 default.txt——没有特定模型适配时的兜底，背后藏着的是"最小特化集合"的产品哲学。