Gemini 多模态提示设计：把文本、图片、音频和视频放进同一套结构

Gemini 的提示设计建议把多模态输入当作一等材料。只要图片、音频或视频参与任务，就要明确指出每种模态承担什么证据角色。

处理长上下文时，先放材料，再放约束，最后放输出格式。这样模型更容易被材料约束，团队成员复核时也更清楚。