打开网易新闻 查看精彩图片

做头脑风暴时，你有没有发现AI给的点子越来越像？不是模型变笨了，是它太会"察言观色"了——你的提示词里藏着太多暗示，LLM会顺着你的语气往下编，最后五版方案长得跟亲兄弟似的。

斯坦福NLP实验室的Julia Kruk想了个损招：往提示词里随机塞点"噪音"。不是改问题本身，而是在开头加段无关的 priming phrase，结尾再丢几个没头没尾的 end words。相当于给AI戴了副有色眼镜，逼它走条陌生的神经通路。

打开网易新闻 查看精彩图片

她在推文里打了个比方：「就像让一个人用方言思考，脑子会自动调用不同的记忆库。」测试下来，创意多样性直接飙到原来的3倍，而质量评分几乎没掉。

具体操作很糙——从维基百科随机抽句子当"药引"，再抓几个高频词当"尾巴"。成本近乎为零，却破解了提示工程里最烦人的同质化陷阱。Kruk把代码开源了，取名「Diversity Prompting」，GitHub星标半天破千。

有个产品经理试完在评论区吐槽：以前花两小时换着法子问同一个问题，现在直接让AI"精神分裂"，省下的时间够喝三杯咖啡。