上週測試做 AI 自動化發文，前後發了兩篇，一篇是搭配 Raven 這個腳色 ，一篇是搭配真人與3D動畫錄影。所有的剪輯、字幕、動畫製作、發布流程，全部幾乎都是在 Claude 桌面 App 完成，不需要離開。 可以想像此技術會快速推廣，UI 介面將會盡可能濃縮，最好一頁畫面完成。 本周會再優化既有流程，精進原本拍片的過程，預計在兩三周以內也許就能分享給大家這個方法

我自認為課程是非常基礎的，但是可能有很多細節我沒說到。 如果有疑問，哪裡不懂，還請各位反饋。 我可能會以文字或之後在影片內容中說明。

Google 的研究團隊最近提出一篇論文在講一個超簡單、但對 AI 模型很好用的小技巧： 把同一個提示「原封不動貼兩次」，可以大幅提升很多主流程式（Gemini、GPT、Claude、Deepseek 等）的答題準確率，尤其是在不需要模型一步一步推理、只要它直接給出答案的任務上。 核心概念：提示重複是什麼 - 所謂「提示重複」（Prompt Repetition），就是把原本的 <QUERY> 變成 <QUERY><QUERY>，也就是把同一段提示連續放兩次。 - 這樣做的目的，是讓提示裡的每一個 token，在注意力機制中都能看到更多相關內容，減少因為「文字順序」導致模型理解不完整的問題。 為什麼會有效 - 多數大型語言模型是「因果式」模型，只能從左讀到右，前面的字看不到後面的字，導致提示前半段在計算時資訊比較少。 - 把提示重複一次後，前半段 token 就可以「注意」到後半段的一模一樣內容，等於幫模型再讀一遍指令，內部對齊與參照會更完整。 實驗結果裡的關鍵數字 - 在關掉「推理」要求（不叫模型一步一步想，只要求直接回答）的情況下，提示重複在 70 組「模型 × 測試」組合裡，贏了 47 組，而且沒有任何一組表現變差。 - Gemini 2.0 Flash-Lite 的準確率從 21.33% 直接拉到 97.33%，顯示這種「很吃對齊」的任務特別受惠於提示重複。 什麼情境特別適合用 - 特別適合「不太需要長推理」的工作型提示，例如：分類、資訊抽取、比對、填空、多選題選字母、固定格式輸出等。 - 研究也測了問題在前、選項在前這兩種多選題擺法，發現不管順序如何，提示重複都能穩定帶來正向效果，尤其是「選項在前」這種原本比較吃虧的擺法。 實作方式與注意事項 - 實作方法非常直覺：把你原本要丟給模型的提示，原封不動再貼一次，例如：請只回覆 A/B/C/D：...（題目與選項）... 變成同一句話連續出現兩遍。 - 整體來說，這樣做並不會明顯拉長輸出長度或回應延遲，因為多出來的計算主要發生在可以平行化的 prefill 階段，不過在極長提示或某些模型（像 Anthropic 的長重複變體）上，延遲可能會上升一些。

例如 Windsurf、Cursor 或者是 Google Anti-gravity這種 AI 程式編輯器，不管是用來寫程式或知識管理

原本打算採付費制，後來想一想還是直接提供給社群內的人都可以觀看，畢竟是基礎版。 課程影片將採 Lv2 制，請努力與社群互動，晉升 2 級。 影片更新時程請見 https://www.skool.com/decode-ai-ai-2667/classroom/afaf661a?md=197a30779e714ed5bb8dfc7d3323214b PS: 請注意影片更新時程可能會修改。