ARTICLE · 1065380
简单的技巧,准确率便暴涨76%:我们对AI的用法,可能从根本上就错了
精英们的“完美主义”正在失效，而“野路子”们的“暴力美学”正在封神。
如果我告诉你，通往AGI（通用人工智能）的钥匙，不是什么复杂的数学公式，也不是价值连城的算力，而仅仅是“把话说两遍”和“死皮赖脸地试错”，你敢信吗？
最近，硅谷发生了三件看似毫不相关，实则草蛇灰线、伏脉千里的事。
它们正在向我们揭示同一个残酷而兴奋的真相：在这个时代，精英们的“完美主义”正在失效，而“野路子”们的“暴力美学”正在封神。
01Google的发现：人类的复读机，AI的强心剂
第一件事，发生在全球最顶尖的Google Research实验室。
一群拥有顶级大脑的研究员，最近发现了一条让大模型准确率飙升的“神级技巧”。大家本以为这会是什么复杂的算法调整，结果论文发出来，所有人都沉默了。
这个技巧简单到令人发指：把你的问题复制粘贴，再说一遍。
没错，就是字面意思。
比如，原本你问：“这道数学题怎么解？”现在的Prompt变成了：“这道数学题怎么解？这道数学题怎么解？”
就这么一个看似像“结巴”一样的操作，让大模型在不启用复杂推理设置的情况下，把准确率从惨不忍睹的21.33%，直接干到了97.33%！
为什么？因为对于AI来说，“重复”不等于“废话”。当你把问题说两遍，实际上是在强迫模型给予双倍的注意力，进行自我确认。这就像我们在做决定前，心里默念的那句：“再想一遍，真的对吗？”
原来，大力真的能出奇迹，复读机也能变神机。
025行代码的“虐待狂”：只要没通过，就别想下班
如果说Google的发现是“复读机”，那Geoffrey Huntley写出的脚本就是“奴隶主”。
2025年底，这位老哥在铲羊粪的间隙（是的，他在农场干活），随手写了5行Bash代码，取名为 Ralph Loop。
while :; do cat PROMPT.md | claude-code ; done
这几行代码翻译成人话，就是对AI说：
“请完成这个任务！测试没通过，就别想退出！报错了？自己看报错信息，自己改！改不对？那就再改！我要的是结果，过程你试一万次我也不管！”
这简直是职场PUA的最高境界。但令人震惊的是，AI吃这一套。
以前我们用AI，追求“One-shot”，希望它一次写出完美代码，结果往往是改Bug改到头秃。
而Ralph Loop的核心逻辑是：默认你第一次写不对。
但它把“报错信息”变成了金矿。每一次报错，都是一次精准的导航，告诉AI哪里走偏了。于是，AI在几百次“写代码-报错-修正”的死循环中，竟然真的在大彻大悟后，交出了完美运行的代码。
如今，这个逻辑已经被Anthropic官方收编。它告诉我们：失败本身就是有价值的数据，是成功的燃料，只要反馈闭环足够快，总能完成任务。
03高中辍学生的逆袭：像拼乐高一样学习
第三个故事，关于人。
22岁的瑞典小伙Gabriel Petersson，高中辍学，没上过一天大学计算机课，却闯进了OpenAI的核心研究团队。
凭什么？凭他是AI时代的“原生学习者”。
传统精英的学习路径是线性的：小学 -> 中学 -> 大学 -> 读博 -> 掌握原理 -> 动手做项目。
Gabriel的路子是“倒着来”的：我想做个推荐系统（定目标） -> 发现不会写代码 -> 问ChatGPT -> 报错了 -> 问ChatGPT为什么错 -> 懂了 -> 继续做。
他把这称为“递归式补洞”。
他不需要先背诵微积分，也不需要先学完《计算机原理》。他像拼乐高一样，缺哪块积木，就去现找哪块。
在这个过程中，最关键的不是“记住知识”，而是“听见咔哒声”——那是当你不断追问AI，直到某个瞬间，脑子里突然理解了某个概念时，发出的思维咬合的声音。
启示：线性思维的崩塌，循环思维的胜利
把这三个故事放在一起，你发现了什么？
Google在重复输入，Ralph Loop在循环测试，Gabriel在递归学习。
它们共同宣告了“线性思维”的死刑。在旧时代，我们崇尚“深思熟虑，一击必中”。我们总想着写出最完美的Prompt，设计最完美的架构，制定最完美的学习计划。
但在AI时代，这种“完美主义”是效率的毒药。
这三个故事给我们的启示，价值千金：
1. 哪怕是最笨的“暴力美学”，也胜过精致的“纸上谈兵”Google和Ralph Loop证明了，与其绞尽脑汁想一个完美的指令，不如让AI跑100次，让它自己在错误中撞出一条路。数量本身，就是一种质量。
2. 哪怕是“报错”，也是最宝贵的财富不要害怕看到红色的Error，不要害怕觉得自己“什么都不懂”。在Ralph Loop和Gabriel眼里，每一个错误信息，都是通往正确答案的路标。没有错误，就没有修正，就没有智能的涌现。
3. 把AI当成“耐操的实习生”，而不是“搜索引擎”以前我们问AI，是把它当百度用。现在我们要学Geoffrey Huntley，把它当员工用。你的核心能力不再是“解答”，而是“设计闭环”。只要你能设计出一个“能检测结果”的闭环，你就可以驾驭无限的算力为你工作。
4. 像Gabriel一样“倒着活”别再准备了。别再想着“等我学完这个课就开始做项目”。现在就出发。找一个你搞不定的难题，然后用AI疯狂地填补你的认知漏洞。
结语
在这个算力爆炸的时代，“试错成本”已经无限趋近于零。
既然如此，为什么还要小心翼翼？
像Google一样复读，像Ralph Loop一样死磕，像Gabriel一样倒着学。只要你跑得足够快，错误就追不上你；只要你循环得足够多，平庸的起点也能跑出天才的终点。
“打破认知的下一步，是重构行动。
如何让 AI 从‘玩具’变成真正的‘生产力工具’？
真正的变革，往往发生在具体的业务细节里——是生产线上的效率提升，是财务报表的自动化处理，也是市场营销的创意爆发。
为了帮助大家少走弯路，真正掌握 AI 在各行各业的‘正确打开方式’，我们精选了一系列实战课程。与其在错误的道路上狂奔，不如停下来，掌握这些经过验证的实战方法论：
【通用效能与管理】
【智能制造与供应链】
【财务与数据决策】
【营销与创意】
更多商务合作咨询
扫码加微立即对接
推荐阅读
①先就业再付费？抢占AI漫剧赛道！大专以上学历，年薪保底10万起
分享、在看与点赞
