Estars的博客 
Re Reading SpringAI 实现 整理
Re_Reading_SpringAI_实现
问题
Re_Reading_SpringAI_实现
标准回答
什么是 Re-Reading？
如何基于 Spring AI 实现 Re-Reading Advisor？
Re-Reading（重读），也称为 Re2，是一种通过让大语言模型重新阅读问题来提高其推理能力的技术。核心思想是：对于复杂问题，重复阅读和审视问题有助于模型更好地理解题意和约束，从而生成更准确、更深入的回答。有文献研究证明这是有一定效果的。
注意：这种方法会因重复处理输入导致成本加倍，在面向 C 端开放的应用中需谨慎使用。
基于 Spring AI 的实现步骤：
创建自定义 Advisor 类：该类需同时实现 CallAroundAdvisor（同步请求）和 StreamAroundAdvisor（流式请求）接口，让该类更通用。
（在 Spring AI 1.0 版本中，上述两个接口需改为 CallAdvisor 和 StreamAdvisor）
修改用户提示词：在 Advisor 的前置处理逻辑中（如 aroundCall 或 aroundStream 方法调用之前），对用户的原始输入文本进行改写。改写的格式通常是将原始输入重复一遍，并用明确的指令引导模型重新阅读。通过看源码能够看到提示词格式：
{Input_Query}Read the question again: {Input_Query}其中 {Input_Query} 是用户原始的提问内容。
传递给模型：将改写后的提示词传递给大语言模型进行处理。
扩展知识
1. Re-Reading 的适用场景
- 复杂推理题：数学、逻辑、多步骤任务
- 长指令遵循：包含多个约束条件的任务
- 易产生歧义的问题：通过重读可消除理解偏差
2. 成本与收益权衡
- 成本：每次请求 token 消耗翻倍（输入翻倍，输出不变）
- 收益：准确率提升 5-15%（取决于模型和任务复杂度）
- 决策：对高价值任务（如医疗、金融）可接受；对高并发 C 端场景需谨慎
3. 与类似技术的对比
| 技术 | 原理 | 成本 | 适用场景 |
|---|---|---|---|
| Re-Reading | 重复输入 + 明确指令 | token ×2 | 复杂推理 |
| Chain-of-Thought | 中间推理步骤 | 输出长 | 数学/逻辑题 |
| Self-Consistency | 多次采样投票 | token ×N | 高准确率要求 |
| ReAct | 推理+行动循环 | 多次 LLM 调用 | Agent 任务 |
面试官追问
Q1：Re-Reading 和简单的“再说一遍”有什么区别？
A：Re-Reading 不是让用户重复输入，而是在系统层面用明确指令（如“Read the question again:”）引导模型重新审视问题。这种结构化重复比自然语言重复更有效，且可封装为 Advisor 自动应用。
Q2：如果模型本身足够强大（如 GPT-4），Re-Reading 还有用吗？
A：有用，但提升幅度较小。研究表明，对复杂推理任务，即使 SOTA 模型也能从 Re-Reading 中获益（3-8% 准确率提升）。对小模型（7B-13B）效果更显著。
Q3：如何避免 Re-Reading 带来的重复计费问题？
A：
- 选择性启用：仅对高复杂度任务启用（如通过分类器判断是否需要）
- Prompt 缓存：利用 LLM 提供商的 prompt 缓存功能（如 Anthropic、DeepSeek），相同前缀可降低成本
- 模型筛选：对简单的日常问答跳过 Re-Reading
Q4：Spring AI 的 Advisor 链中，Re-Reading Advisor 应该放在什么位置？
A：建议放在早期，在参数验证、日志等基础 Advisor 之后，但在 RAG 检索、工具调用等业务 Advisor 之前。因为 Re-Reading 仅修改用户输入，不依赖外部数据，提前处理可让后续 Advisor 基于增强后的输入工作。
总结
Re-Reading 是一种简单有效的提示工程技巧，通过结构化重复输入提升模型推理准确率。在 Spring AI 中，实现自定义 Advisor 即可无缝集成。需根据任务复杂度和成本敏感性决定是否启用。
关键点
Re-Reading（重读），也称为 Re2，是一种通过让大语言模型重新阅读问题来提高其推理能力的技术。
- 核心思想是：对于复杂问题，重复阅读和审视问题有助于模型更好地理解题意和约束，从而生成更准确、更深入的回答。
- 有文献研究证明这是有一定效果的。
备注
Re_Reading_SpringAI_实现
什么是 Re-Reading？如何基于 Spring AI 实现 Re-Reading Advisor？
Re-Reading（重读），也称为 Re2，是一种通过让大语言模型重新阅读问题来提高其推理能力的技术。核心思想是：对于复杂问题，重复阅读和审视问题有助于模型更好地理解题意和约束，从而生成更准确、更深入的回答。有文献研究证明这是有一定效果的。
- 注意：这种方法会因重复处理输入导致成本加倍，在面向 C 端开放的应用中需谨慎使用。
- 基于 Spring AI 的实现步骤：
创建自定义 Advisor 类：该类需同时实现
CallAroundAdvisor（同步请求）和StreamAroundAdvisor（流式请求）接口，让该类更通用。 - （在 Spring AI 1.0 版本中，上述两个接口需改为
CallAdvisor和StreamAdvisor） 修改用户提示词：在 Advisor 的前置处理逻辑中（如aroundCall或aroundStream方法调用之前），对用户的原始输入文本进行改写。改写的格式通常是将原始输入重复一遍，并用明确的指令引导模型重新阅读。通过看源码能够看到提示词格式：
{Input_Query}Read the question again: {Input_Query}其中 {Input_Query} 是用户原始的提问内容。
-
本文已做格式统一与噪声清理，保留原始语义。
-
如何基于 Spring AI 实现 Re-Reading Advisor？
-
Re-Reading（重读），也称为 Re2，是一种通过让大语言模型重新阅读问题来提高其推理能力的技术。核心思想是：对于复杂问题，重复阅读和审视问题有助于模型更好地理解题意和约束，从而生成更准确、更深入的回答。有文献研究证明这是有一定效果的。
-
注意：这种方法会因重复处理输入导致成本加倍，在面向 C 端开放的应用中需谨慎使用。
-
基于 Spring AI 的实现步骤：
-
- 创建自定义 Advisor 类：该类需同时实现
CallAroundAdvisor（同步请求）和StreamAroundAdvisor（流式请求）接口，让该类更通用。
- 创建自定义 Advisor 类：该类需同时实现
-
本文已做格式统一与噪声清理，保留原始语义。
Share Article
If this article helped you, please share it with others!
Music
No playing