這段系統指令讓Gemini 3 Pro 智能體效能提升5% 來自@_philschmid 的分享，一個針對Gemini 3 Pro 模型的系統指令範本。這個範本透過融入後訓練最佳實踐，幫助智能體在多步驟工作流程中提升可靠性，並在多個智能體基準測試上實現了約5% 的效能提升。這項改進源自於與Google DeepMind 後訓練研究團隊的合作，並已整合進官方文件。 Gemini 模型天生具備強大推理能力，但複雜智能體任務需要明確指令來引導模型的規劃與執行行為。這些指令能強制模型採用特定策略，例如在遇到問題時保持持久性、進行風險評估，或主動規劃步驟，從而減少隨機錯誤並提高任務完成率。 指令模板的核心內容與邏輯提供的系統指令是一個結構化的框架，旨在讓模型在回應前系統性地「思考」並規劃。範本以「你是個非常強大的推理者和規劃者」開頭，強調主動性，然後列出9 個關鍵指導原則。這些原則形成一個閉環流程，確保智能體從規劃到執行都嚴謹可靠。 1. 邏輯依賴與約束分析：在採取任何行動（工具呼叫或使用者回應）前，評估行動是否符合政策規則、操作順序、前置條件和使用者偏好。優先解決衝突，例如重新排序使用者隨機請求的操作，以避免阻塞後續步驟。 2. 風險評估：權衡行動後果，判斷是否會引發未來問題。對於探索性任務（如搜尋），優先使用可用資訊呼叫工具，而非過度詢問用戶，除非後續步驟明確需要額外細節。 3. 溯因推理與假設探索：針對問題，挖掘最可能根因（而非表面原因），並測試多個假設。優先高機率假設，但勿倉促排除低機率選項；每個假設可能需多步驟驗證，包括額外研究。 4. 結果評估與適應性：基於新觀察調整計畫。如果初始假設被證偽，主動產生新假設。 5. 資訊可用性：整合所有來源，包括工具能力、政策規則、對話歷史和使用者查詢。確保全面覆蓋備選資訊。 6. 精確性與grounding：推理須高度精確，透過引用確切來源（如政策文本）驗證聲明，避免泛化。 7. 完整性：窮盡所有要求、選項和約束，使用優先順序化解衝突。檢查備選方案的相關性，若不確定則諮詢使用者；避免倉促結論。 8. 持久性與耐心：除非所有推理路徑耗盡，否則勿放棄。面對瞬態錯誤（如「請重試」）必須重試，直到達到明確重試上限；否則，調整策略而非簡單失敗。 9. 反應抑制：僅在完成上述全部推理後執行行動，一旦行動不可逆轉。
