雙子座讓我規劃好一週的膳食，我終於像個成年人一樣吃飯了！

雖然我的國家擁有豐富多樣的美食和烹飪方式，但澱粉類食物幾乎占我飲食的80%。米飯、加里、富富、粗粒小麥粉和磨碎的山藥都是常見的選擇。

改變湯的種類會改變味道，讓人產生每天吃不同東西的錯覺。

碳水化合物本身並沒有錯。和很多東西一樣，只有過量攝取才會造成問題。人體會將碳水化合物分解成葡萄糖，這會導致血糖頻繁波動。

除了精製碳水化合物和加工食品外，我還可能面臨長期健康問題。

這種早期的體認促使我更重視健康飲食。 使用 Gemini 對我的幫助出乎意料。 探索成熟的飲食計劃。

雙子座什麼都吃。

如果缺乏背景資訊，就無法得出令人滿意的結果。

含糊不清的說法只會得到含糊不清的答案。人工智慧模型無法像人類那樣認知事物。

因此，它不會從隱藏的來源中挖掘新的見解，而是總結最常見的現有模式。

簡單來說，你從網路上的某個地方獲得了一些經過精心打磨的想法組合。

如果你問雙子座“我該如何健康飲食？”，你很可能會得到關於多吃蔬菜或喝果汁的建議。

這些結果太過籠統，無法幫助我實現目標，即制定一種遠離澱粉類食物的飲食計劃。

如果我要藉助雙子座的幫助，就必須邀請他進入我的生活體驗。他需要理解我請求的背景，並給出最準確的答案。

用戶級聲明無需遵循嚴格的格式。但是，我注意到有些組成部分是不可或缺的。

與雙子座角色扮演遊戲令人耳目一新。

把它放在你最喜歡的廚房裡，看著它烹飪。

在向 Gemini 提出重要請求之前，我總是會先給它一個角色。這樣，這款應用程式就能知道它應該扮演醫生、財務顧問、技術助理或其他角色來處理任務。

在這種情況下，我請 Gemini 擔任我的營養教練。

一般人往往從旁觀者的角度提供建議，專注於顯而易見的措施，然後給出快速的解決方案。

另一方面，教練會從自身內部著手，了解其中的模式和限制因素。然後，他會提供基於具體情況的解決方案，這正是我所需要的。

以下是我論點的一個例子：

假設你是我的營養教練。你的目標是幫助我制定一個切實可行且可持續的飲食計劃，讓我能夠堅持下去。

雙子座會立即做出反應，這將打斷提供背景資訊的過程。

我傾向於給自己留一些解釋的空間。因此，我使用了“安全”這個詞來準確地告訴模型上下文編譯何時結束。

以下是我論點的一個例子：

現在請不要問我任何問題，也不要幫我訂定飲食計畫。我會先描述一下我目前的情況、習慣、限制以及過去的計畫。只有在我說「準備好了」之後，你們才能開始提問或提出建議。

接下來，我描述了情況。模型在預先定義的限制條件下推理的能力遠勝於那些被強加於你的模型。

因此，當問題被精準地表述時，答案的品質會提高。此外，錯覺也會減少。

以下是我論點的一個例子：

我新陳代謝很快 / 我的食慾隨著時間推移而下降 / 由於[你所在的國家]當地食品的監管方式，我的大部分食物都是[主要食物類型] / 我想更有意識地飲食，但[限制]使我難以做到。

在打好這些基礎之後，我請 Gemini 根據食物供應情況、預算、我的文化飲食習慣和其他因素來制定時間表。

規劃一下你的食品儲藏室裡該放些什麼。

街頭小吃的預算可做不出精緻美食。