我拆解了谷歌最新论文里的Prompt技巧，发现仅靠Ctrl C+Ctrl V就能大幅提高AI的准确率

过去两年，随着大模型越来越火，写提示词（Prompt）这件事逐渐变得越来越高深莫测。大家总觉得好的提示词必须结构清晰、层层递进，要有 Role（角色）、Rule（规则）、Context（背景）等。但谷歌发表的新论文（《Prompt Repetition Improves Non-Reasoning LLMs》），里面提出了一个特别简单且特别经典的技巧：把你的问题，直接复制粘贴重复一遍。没错，就是传说中的 Ctrl C + Ctrl V（简称CV大法），不需要加“Please”，不需要加“Think step by step”，直接重复。

惊人的实验结果：“大力出奇迹”

• 原始提问格式：<问题>
• 优化提问格式：<问题><问题>

原始提问效果截图：

优化提问效果截图：

底层逻辑：为什么“废话”能让AI变聪明？

这听起来就像个段子，但背后其实是有严密的工程逻辑支撑的。大模型训练时采用的是“因果语言模型”——它们只能从左往右，从前向后一个词一个词地看内容，没法从后往前看内容。举个例子，假设你给 AI 出了一道情境选择题：选项 A：把蓝方块放红方块左边。 选项 B：把红方块放蓝方块左边。 场景说明：现在红在左，蓝在右。哪项能改变画面？当它看到选项 A 和 B 时，它脑子里是空的，因为它还不知道背景条件是什么。等它读到后面的场景说明时，前面的选项已经一闪而过了，它没法回头重新读一遍选项。但如果你按照谷歌的方法，把题目完整复制一遍：在第一遍读完后，AI 脑子里已经存下了“红在左蓝在右”的背景信息。当它读到第二遍的选项 A 和 B 时，它就能带着完整的条件去理解这个问题。准确率自然直线飙升。这就像我们看《盗梦空间》一样，看第二遍的时候，一定比第一遍领悟得更透彻。重复，其实就是给了 AI 一次“回头看、再思考”的机会。

避坑指南：哪些模型不适用？

这个技巧目前主要针对的是非推理模型（那些不带“深度思考/思维链”功能的模型）。如果你用的是像 DeepSeek R1 这种推理模型，这个技巧就会失效。因为这些通过强化学习训练出来的模型，自己已经学会了这招。你在用它们的时候就会发现，它们思考的第一步，通常就是先把你的问题复述一遍，然后它们就会在自己的脑子里排版。

个人感悟

我们一直以来都对提示词充满了偏见。总以为必须用复杂的提示词才能控制模型。但很多纯粹的问答场景下，最有效的方法反而就是简单的重复一次。这就是所谓的：“高山流水，大道至简“。