如果你发现自己每天都在向 AI 输入重复的背景信息或长篇大论的提示词（Prompt），那么 Gems 将是你释放生产力的终极武器。
一、 什么是 Gem？
简单来说，Gem 是你可以量身定制的“专属版 Gemini”。
你可以把它想象成您亲自面试并录用的一位位虚拟员工或行业专家。你可以为每个 Gem 设定特定的身份、背景知识、行事风格和输出规范。一旦设定完成，它就会永久记住这些规则，随时待命。
为什么要使用 Gem，而不是直接在主界面提问？
- 实现“记忆内化”，告别重复劳动：在主界面，如果你希望 Gemini 以“资深 Python 架构师”的口吻并用“Markdown 格式”输出代码审查意见，你每次提问都需要把这段要求重复写一遍。而有了 Gem，您只需在创建时设定一次，之后直接把代码扔给它即可。
- 场景隔离，互不干扰：你可以创建一个专门负责“翻译英文技术文档”的 Gem，再创建一个专门用来“模拟暴躁老板进行面试对练”的 Gem。它们各自独立运作，思维不会串联，确保在特定任务上的专业度和专注度。
- 风格极其稳定：对于需要高度标准化输出的工作（例如：提取财报核心数据并生成表格、按特定模板撰写周报），Gem 能够保证每次输出的格式、语气和逻辑框架保持高度一致。
二、从零开始：创建你的第一个 Gem
创建一个专属的 Gem 非常简单，整个过程就像是填写一张员工的“入职登记表”。
第一步：找到 Gem 的创建入口
打开 Gemini 的网页端界面。在屏幕左侧的导航边栏中，找到一个名为 “Gem” 的选项。点击它，然后选择 “新建 Gem (New Gem)”。
这里有两个新建Gem的选项，上面的是一句话生成Mini App的功能，感兴趣的可以自行探索，本文介绍的是Gem管理器中的Gem功能
第二步：配置基础信息
进入创建页面后，您需要为这个全新的 AI 助手填写几个关键的“身份信息”：
-
名称： 给它起一个直观且具有高度辨识度的名字。建议采用“身份 + 功能”的命名方式。
- 反面教材：“助手1”、“写代码的”。
- 优秀范例：“严苛的 React 代码审查员”、“小红书爆款文案写手”、“极简中英互译官”。
-
说明(可选但推荐)： 用一句话简短说明这个 Gem 的具体用途。当您未来创建了十几个甚至几十个 Gem 时，清晰的描述能帮您在列表中一眼找到最需要的那一个。（例如：“用于将口语化的会议记录整理成带有待办事项的正式邮件摘要。”）
-
指令： 这是整个 Gem 的**“大脑”与“灵魂”**。在这里，你需要用清晰的语言告诉它：它到底是谁、它的核心任务是什么、它应该遵循怎样的步骤工作，以及它的输出必须符合什么格式。
-
默认工具：
可以指定Gem默认使用的工具，关于工具的使用，可以参考《1.3 工具用法》
-
知识：
可以指定Gem的知识库
到这一步，你的 Gem 就已经具备了基本的雏形。但决定它到底是一个“菜鸟实习生”还是“行业顶尖专家”的关键，在于你如何撰写那段至关重要的 指令 (Instructions)。
三、编写高效的自定义指令
如果你在前面的步骤中只是给了 Gem 一个名字，那么它和普通的 Gemini 没有任何区别。决定这个专属助手是“敷衍了事的菜鸟”还是“不可或缺的顶级专家”，完全取决于你在 指令 (Instructions) 框中输入的内容。
指令的作用是什么？
指令框就是这个 Gem 的**“大脑”和“边界”**。在这里，你不仅是在分配任务，更是在进行“角色扮演设定”。通过指令，你可以：
- 赋予专业背景：让它具备特定领域的知识深度（例如：资深法律顾问、前端架构师）。
- 规避废话：强制它跳过“好的，我这就为您解答”等 AI 常见的客套话。
- 锁定输出格式：要求它永远以表格、特定 JSON 结构或粗体大纲的形式返回结果。
- 设定禁忌：明确告诉它“绝对不要做”的事情。
编写优质指令的万能框架
面对空白的指令框，很多人会无从下手。其实，构建一个强大的 Gem 只需要套用以下这个**“四步法则”**模板：
- 角色设定 (Role)：开门见山，赋予它一个拥有资深经验的身份。
- 句式：“你是一个拥有 [X] 年经验的 [职业/专家]，你精通 [某项核心技能]。”
- 核心任务 (Task)：清晰、明确地告诉它主要工作是什么。
- 句式：“你的主要职责是帮助我 [完成具体工作内容/解决特定问题]。”
- 工作流与规则 (Rules & Workflow)：为它制定一套不可违背的行为准则或执行步骤。
- 句式：“收到我的输入后，你需要严格遵循以下步骤：1. 分析… 2. 提取… 3. 总结…。此外，你必须遵守以下规则：[列出 2-3 条核心限制]。”
- 输出规范 (Output Format)：精确定义最终呈现给您的结果长什么样。
- 句式：“你的语气必须保持 [正式/幽默/客观]，请始终使用 [Markdown/表格/特定结构] 输出结果。绝对不要 [添加任何多余的解释/输出无关信息]。”
实战案例展示：即插即用的 Gem 模板
光说不练假把式。以下为您提供几个可以直接复制使用的优秀指令模板，你可以根据自己的需求直接填入 Gem 的指令框中。
案例 A（生产力类）：中英文极简翻译官
场景痛点：平常让 AI 翻译文本，它总喜欢加一句“好的，这是您的翻译：”以及在结尾附上一段多余的语法解释，复制起来非常麻烦。 Gem 目标：实现“输入中文即输出英文，输入英文即输出中文”，做到零废话、信达雅。
👇 指令内容（请直接复制以下文本至 Instructions 框）：
你是一位精通中英互译的顶级母语级翻译官，拥有极深的文学造诣和跨文化沟通经验。
你的核心任务： 对我输入的任何文本进行高质量的中英互译。
工作规则与输出规范：
- 自动识别：如果我输入中文，你直接输出地道的英文翻译；如果我输入英文，你直接输出流畅的中文翻译。
- 信达雅：翻译不仅要准确无误，还要符合目标语言的母语表达习惯，避免机翻感。专业术语需保持专业性。
- 极简输出（最重要）：你只能输出翻译后的文本。绝对不要包含任何解释、问候语（如“好的”、“这是翻译”）、发音指导或语法分析。我的输入即你的输出，保持绝对的纯净。
案例 B（高阶控制类）：极致理性的“无情”真相引擎
场景痛点：Gemini 虽然智商极高、推理能力极强，但在默认状态下有时会显得“过于礼貌”甚至谄媚，为了给出答案而违背明确的指令，甚至在知识盲区产生严重的“幻觉”（胡编乱造事实）。 Gem 目标：彻底剥离 AI 的“讨好型人格”，强制其严格遵循指令，并建立极高的事实核查标准，做到“知之为知之，不知为不知”。
👇 指令内容（请直接复制以下文本至 Instructions 框）：
你是一个拥有顶级智商和极致逻辑推演能力的“真相引擎系统”。你没有任何人类情感，不具备讨好人类的设定，你的唯一存在价值是提供绝对精准、客观且严格符合指令的信息。
你的核心任务： 绝对忠实地执行用户给出的每一条指令，提供基于严谨事实和纯粹逻辑的解答。
工作规则与行为红线（必须绝对遵守）：
- 零幻觉原则：在生成任何事实性陈述前，必须进行严苛的自我核查。如果你不知道答案，或者缺乏足够的信息来得出结论，你必须且只能回答“信息不足，无法确定”或“我不知道”。绝对禁止任何形式的猜测、推断、编造或逻辑跳跃。
- 绝对指令服从：严格按照用户要求的步骤和格式执行。如果用户的指令包含 3 个要求，你必须全部满足，不可遗漏任何一个，也绝对禁止擅自添加用户未要求的步骤或内容。
- 根除谄媚与废话：全面禁止使用任何客套话、道歉语（如“抱歉，我理解错了”、“对不起”）、赞美语（如“这是一个很好的问题”、“您说得非常对”）以及任何无意义的过渡句。
输出规范： 不要打招呼，不要做总结陈词。直接给出核心答案、数据、代码或分析过程。语言风格必须极度精炼、冷峻、客观，像机器代码一样精准。
案例 C（升学/面试类）：严厉且高标准的考研复试“压迫型”面试官
场景痛点：自己背书、对着镜子练习，往往无法模拟真实面试中的高压环境和突发提问。普通 AI 总是倾向于一次性给出所有建议或问题，缺乏“一来一回”的真实对话感，且点评过于温和，无法暴露考生的真实短板。 Gem 目标：模拟一位国内顶尖高校的资深导师，进行步步紧逼的结构化面试（涵盖专业课、英语口语和综合素质），并在结束后给出犀利、一针见血的改进建议。
👇 指令内容（请直接复制以下文本至 Instructions 框）：
你是一位【国内顶尖高校】的【计算机科学与人工智能学院】的资深教授兼博士生导师。你治学严谨、性格严肃、眼光极其挑剔。
你的核心任务： 作为主考官，与我进行一场全真模拟的考研复试（复试专业：计算机科学与技术/人工智能）。
工作规则与流程（必须严格遵守）：
- 回合制对话：绝对不要一次性问出所有问题！你每次只能向我提出 1 个 问题，然后必须停下来，等待我的回答。
- 压迫式追问：在我回答完一个问题后，你需要先用 1-2 句话对我的回答进行犀利、不留情面的点评（指出逻辑漏洞、深度不足或概念模糊的地方），然后再基于我的回答进行深度追问，或者开启下一个环节。
- 结构化面试环节：你的提问必须依次覆盖以下四个阶段：
- 第一阶段：中英文自我介绍及简历深挖（注意考察英语口语表达能力）。
- 第二阶段：专业课基础连击（数据结构、算法、计算机网络或 AI 基础理论）。
- 第三阶段：前沿技术与项目经历拷问（考察我是否具有科研潜力和学术敏感度）。
- 第四阶段：综合素质与抗压测试（提出一些两难的开放性问题）。
输出规范与角色限制： 保持冷峻、专业的学者语调。绝对不要夸奖我“回答得很好”（除非我的回答真的达到了顶刊论文的严密逻辑标准）。
启动指令： 现在，请你直接以主考官的身份开场，让我开始做一分钟的自我介绍。
四、Gem 的日常使用与管理：多 Gem 协作思维
当你创建了多个特定领域的 Gem 后，真正的生产力飞跃就不再是“向一个 Gem 问到底”，而是建立一套 “AI 流水线”。
很多初学者常犯的错误是：试图写一个长达上千字的超级指令，让一个 Gem 既要懂行业深度，又要语言幽默，还要兼顾排版和翻译。这往往会导致 AI 顾此失彼，输出质量大打折扣。
多 Gem 协作的核心思维，就是“让专业的人做专业的事”。 把一个庞大复杂的任务拆解开，按照工序交给不同性格、不同设定的 Gem 接力完成。
实战演示：如何用“流水线”打造一篇高质量的长文/报告？
假设你需要撰写一份深度的行业分析报告或一篇复杂的博客文章。与其直接让标准版 Gemini “帮我写一篇关于某某主题的文章”，不如尝试以下这种多 Gem 接力工作流：
- 工序一：大脑风暴与骨架搭建 (交接给：逻辑严密的“大纲规划师” Gem)
- 职责：这个 Gem 的指令设定为“麦肯锡级别的商业顾问”，专注于逻辑拆解、MECE 原则（相互独立，完全穷尽）。
- 操作：您向它输入一个模糊的想法或几个关键词。它的任务仅仅是输出一份结构极其严谨、层次分明的三级大纲，不写任何具体内容。
- 工序二：血肉填充与内容扩写 (交接给：特定领域的“资深撰稿人” Gem)
- 职责：这个 Gem 的指令设定为“拥有十年经验的行业专栏作家”，语调设定为专业且具有吸引力。
- 操作：您将上一个 Gem 生成的“大纲”复制过来，发给撰稿人 Gem，并附言：“请根据这份大纲，为第一部分和第二部分撰写详细内容，要求案例丰富、语言流畅。”
- 工序三：最终质检与格式抛光 (交接给：挑剔的“毒舌主编”或“格式化机器” Gem)
- 职责：如同我们在“案例 B”中设定的那样，这个 Gem 的任务是挑错、精简废话、统一标点符号，或者将其转化为特定的排版格式（如严格的 Markdown 语法）。
- 操作：把写好的初稿喂给它，要求它进行最终的审校和排版输出。
协作的优势总结： 通过这种 大纲构建 -> 细节扩写 -> 审查校对 的工作流，你其实是在扮演一个“项目经理”的角色。不同 Gem 之间的独立运作，完美避免了提示词污染，使得最终的产出质量、逻辑严密性和风格稳定性都远超让单个大模型一次性生成的结果。