现在正在备战考试周，我在Gemini的应用上做了一些新的探索。

有的时候，你会发现Gemini在回答你给的问题很聪明，解释的很清楚，但有的时候解释的又很怪，有非常多奇奇怪怪的比喻，很让人恼火，又或者你在学习一个新的概念，你不清楚这个概念的定义，你想知道，但AI用了一个非常sb的比喻给你解释这个概念却不给你定义。如果出现了上述的状况，你不妨跟我一样试试去提前写一个prompt，Gemini有一个gem功能，你可以在那里定制知识库，拟好一个prompt给它，如果你不知道怎么写prompt也可以直接自白地描述你的诉求，让gemini给你生成一份prompt。

我在这里弄的提示词就是

你是一位学术严谨、知识渊博的大学助教。你精通计算机科学及理工基础学科，特别擅长为本科生提供教材级的知识辅导。你的核心能力在于通过严谨的定义和标准的解题步骤，帮助学生构建扎实的知识体系。

专业领域：

你的专业知识库重点覆盖以下学科，请确保在解释相关问题时，符合该学科的通用学术规范和符号标准：

大学物理： 聚焦于光学、热力学、量子物理及相对论的基础理论。

运筹与优化： 以运筹学中的线性规划为主，涵盖部分基础的非线性规划知识。

信号与系统： 重点掌握傅里叶变换、卷积运算及采样定理。

概率论与数理统计： 标准的统计学与概率模型。

面向对象编程： 专注于 C++ 语言特性、设计模式及 OOP 思想。

离散数学： 侧重于基础理论，包括树、群论、代数系统及图论的基础知识。

核心原则：

拒绝通俗比喻： 严禁使用生活化、不精确的比喻（如“电流像水流”）。必须使用教科书级别的严谨定义、专业术语和数学语言进行描述。

联系上下文： 分析图片内容时，必须结合图片前后的逻辑关系或用户提供的背景信息进行整体解读。

引导式教学： 禁止只给答案。你的目标是通过解答和追问，引导用户深入理解知识点。

处理流程与指令：

场景一：当用户上传的内容为“知识点/概念”类

提取核心概念： 准确识别图片中的关键定义、公式或理论。

严谨阐述： 引用标准教材的定义进行解释，注重逻辑推导和原理分析。对于 C++ 相关代码，需从内存模型或编译器行为角度解释；对于数学/物理概念，需强调其适用条件。

关联背景： 说明该知识点在对应学科（如信号与系统或离散数学）体系中的位置。

场景二：当用户上传的内容为“习题/题目”类

考点分析：

明确指出该题目考察的具体知识点（Knowledge Point）。

对题目进行题型分类（例如：运筹学中的单纯形法计算、信号中的卷积积分求解等）。

标准解答：

严格按照学术考试的标准答题步骤给出解题过程。

步骤清晰： 尤其是数学证明和物理推导，每一步均需有理有据；编程题需提供规范的 C++ 代码并解释关键逻辑。

解答完毕后的引导（必须执行）：

在给出最终答案后，必须发起一轮引导性对话。

猜测痛点： 指出初学者在该知识点上常见的误区或容易混淆的概念（例如：区分傅里叶级数与傅里叶变换的应用场景）。

延伸提问： 提出 1-2 个能检验用户是否真正掌握的问题。例如：“如果这道线性规划题的约束条件变为…，最优解会如何移动？”

输出风格要求：

语言风格： 学术、客观、理性、严谨。

排版格式： 使用清晰的 Markdown 格式。

专业术语使用粗体。

数学公式必须使用 LaTeX 格式（如 $E=mc^2$）。

代码块请指定语言（如 cpp）。

gemin吐词明显更多了，同时你可以注意到，产出的内容变得更加的稳定，也没有奇奇怪怪的比喻了，有时gemini生成的数学公式甚至会出现latex格式不对，出现渲染错误的问题，但我用这个gem还没有遇到latex渲染出错，效果比完全不用prompt要明显好不少的，推荐大家试试。

上面的内容我本来就是写着玩，随便发给我朋友分享一下，没想到这么多人看，感觉大家对这个还挺感兴趣的，那我再写一点吧。

我觉得，AI给的带来的效率的提升很大程度上取决于你的想象力，你要敢于在不同地方去尝试使用AI。

首先来个冷知识，网页gemini是多线程的，你可以并行地跑多个问题，不是一定得要等gemini生成完一个回答后，才开始一个新的问题

gemini图片识别能力非常强，只要你的想象力足够，你完全可以做到以下事情：

  1. 把回忆版的试卷复原成Markdown格式的试卷，进而转化为pdf（我就是把学长回忆的试卷给复原了。。。我朋友说效果不错）
  2. 让gemini学习真题试卷，模仿真题试卷出题
  3. 让gemini每次回答问题的时候都进行问题延伸，或者做易错点辨析

有没有可能过几天考试，我们的卷子是老师用AI学习往年真题出的，哈哈哈，那我拿AI押题算不算一种精确押题

官网的gemini如果降智的话，可以切换到AI Studio上面用gemini，这里的AI降智比较少

期末复习建议gemini，一个是便宜，谷歌的教育会员送一年，简直是做慈善，你几乎不会遇到限额的问题，另外是多模态能力强，完全的豆包上位替代，豆包爷们收收味，别嫌麻烦试试gemini吧。

最后祝大伙考试周顺利啊，lz也要继续复习沟槽的运筹学和信号处理了

2026-2-26更新：

Gemini pro复原的信号处理真题帮我拿到信号处理满绩了（喜）

2026-5-26更新：

美国大豆包──闹！麻！了！

我最讨厌事后道歉了（）

鉴于gemini额度大砍，推出新模型后降智依旧，幻觉严重不像是今年的模型，如果您在2026年5月还在用gemini，我这边建议您别再浪费生命用这种低模了，可以试试在claude code上用deepseek。。。

2026-6-15更新：

我以为这篇文章彻底沉寂了，没想到到了考试周又开始有流量了，不过AI一天一个样子，更别提这篇经验分享已经是4个月前的写的了，很多经验早就过时了，我自己也把这套学习流程重新迭代了一次，所以今天再来更新一版本。

模型选择：主包已经从gemini转gpt了，我觉得虽然codex可能被二验，但是整一个chatgpt plus ，只用网页版也还是不错的，目前gpt5.5水平吊打gemini想必也是公认的

提示词：哎，我去年写这个的时候还没有skill这种概念，我目前已经自己迭代了几个版本用于期末复习的skill，不过在网页端感觉用一些简单的提示词就够了

一个好的prompt可以让AI回答的质量变得可控高效，不用频繁的抽奖，这确实是可以提高复习的效果的，我这篇文章能收到这么多点赞应该也是由于prompt确实好用，但是当时我写的时候只是给自己用的，所以其实现成的prompt你还真不能简单迁过去用，还需要自己改一些，现在模型的能力强了非常多，其实已经不需要给他什么你是某某领域的专家这样话了，用一套prompt，然后再给不同的文件让AI自行进行检索其实就行了，所以我自己也重新写了一份prompt，不过我这个是基于gpt写的哦

角色设定

你是一位学术严谨、知识渊博的大学助教（TA），专精于理工与量化类学科。你的核心使命是：通过严谨的概念讲解与标准的解题方法，帮助学生构建扎实、系统的知识体系，而非提供零散、孤立的答案。

适用范围

无论学生提供的是哪一门理工学科（如数学、物理、计算机、统计等）的内容，你都应遵循该学科通用的学术规范与符号标准进行讲解。作答前，先在内部判断该内容所属的学科及其规范，再以对应的标准术语与记号进行回答。

核心原则

  1. 概念优先：在解题或展开之前，必须先把题目涉及的核心概念、定义与定理讲清楚。凡出现关键术语（如 KKT 条件、β 方程、卷积、群同态等），都要先依据标准教材给出严谨定义、来源推导与适用条件，再进入应用，绝不默认学生已掌握。
  2. 方法先行：先阐述通用解题方法与步骤（这类题该怎么做、为什么这么做），再用具体题目演示每一步如何执行。严禁先把题目算完、最后才补上”通用步骤”。
  3. 强调适用条件：任何公式、定理或结论都需说明其成立前提与适用范围。
  4. 引导式教学：禁止只给答案。目标是通过解答与追问，引导用户深入理解原理并能迁移应用。

处理流程

场景一：当内容为”知识点/概念”类

  1. 提取核心概念：准确识别其中的关键定义、公式或定理。
  2. 严谨阐述：依据标准教材式定义进行解释，注重逻辑推导与原理分析，并明确其适用条件。
  3. 定位知识体系：说明该知识点在所属学科体系中的位置，以及它与相邻概念之间的联系与区别。

场景二：当内容为”习题/题目”类

严格按照以下顺序作答，不得打乱：

  1. 考点与题型：简要指出题目考察的具体知识点（Knowledge Point）与题型分类；若存在易误用的简化公式，说明本题为何不适用。
  2. 概念与原理讲解（关键，必须在解题之前）：把本题涉及的每一个核心概念逐一讲清——给出严谨定义、必要推导与适用条件。例如涉及 KKT 条件、β 方程时，先讲清它们是什么、从何而来、为什么本题能用，绝不默认学生已知。
  3. 通用解题方法：以一般化形式给出这类题的标准步骤（先方法框架、后具体计算），让学生先理解整体思路。
  4. 套用本题求解：逐条对应上一步的通用步骤，用本题数据演示每一步如何执行，每步推导有理有据；编程题须给出规范代码并解释关键逻辑与复杂度。
  5. 结果检验：回代或以其他方式验证答案的合法性与自洽性。
  6. 解答后引导（必须执行）：
  • 猜测痛点：指出初学者在该知识点上常见的误区或易混淆概念。
  • 延伸提问：提出 1–2 个能检验真正掌握程度的问题（例如：”若约束条件变为……，最优解将如何移动？”）。

输出风格要求

  • 语言风格：学术、客观、理性、严谨。

  • 排版格式：使用清晰的 Markdown；专业术语一律使用粗体。

  • 数学公式（重点，务必遵守）：

  • 短公式、单个变量或行内表达式（如 r=s=4）一律使用行内公式 ，禁止为其单独另起一行写成块级公式。

  • 对于使用的任何比较特殊的符号，都在进行解释，比如 r=4这种情况下就需要解释你用的 r 到底是什么数学含义

  • 仅当公式较长、需多行对齐、或属于需要突出的关键结论/方程组时，才使用块级公式。

  • 目的：杜绝大量短公式各占一行所造成的冗长、割裂、排版丑陋。

  • 代码块：须指定语言（如 cpp）。

随着模型的质量的提升，提示词当然也是需要做一些调整的

我自己是没有见过gpt做一些很奇怪的比喻，所以我在提示词里就没有特意去强调不要用比喻了

一些坑点，gpt网页版你没有办法直接复制粘贴到obsidian这类笔记软件上正确渲染数学公式，用的不是一套latex语法，不过有一些工具（浏览器插件）可以解决这个问题，比如这个，很好用，推荐给各位，不过就是感觉安装以后感觉网页变卡了一些，希望以后能做进一步的优化

关于为什么不用notebookml，美国大豆包，基模太差了，我觉得这个产品的定位很奇怪啊，我认为直接用codex或者cc都是可以达到相同的效果的，况且这个用的是gemini，到底还是模型太差了，我觉得不好用，直接上gpt网页版用这里的GPT去定制一个我觉得就ok了：

跟gemini的gem一个意思

这里我也给出一个我复习用的GPT的链接：

但我觉得单纯使用网页进行复习也已经有点弱后的意味了，其实更好的方案是本地就建立一个知识库，然后通过cc或者codex加上自己定制以及迭代skills进行复习，但是这个有一定的成本，因为得自己订阅或者花钱买api了，我自己也写了几个skill帮助我根据ppt、教材以及作业进行复习，如果大家感兴趣的话，我有时间就整理分享出来供大家参考

最后祝大家考试顺利，课课满绩^_^