什么是 Re-Reading（RE2）？如何基于 Spring AI 实现 Re-Reading Advisor？

什么是 Re-Reading（RE2）

Re-Reading（论文里叫 RE2，Re-Reading improves reasoning in LLMs）是一种简单到「白嫖」的提示技巧。核心动作只有一个：在提示词里把问题重复一遍，并附上一句「请再读一遍这个问题」。

它的直觉是：大模型是单向（从左到右）解码的，读到后半段时对前半段问题的「印象」已经变弱。把问题再写一遍，相当于让模型在开始推理前二次审题，重新建立对题目条件的注意力。对算术、逻辑、多条件约束这类复杂推理题，这个小改动常能带来准确率提升，而代价只是多了一点输入 token，几乎零成本。

典型 prompt 形态

{question}
Read the question again: {question}

也就是先放原问题，再用一句引导语把同一个问题重复一次，然后让模型作答。注意它增强的是模型对问题的理解，而不是给出额外知识。

用 Spring AI 的 Advisor 实现

Spring AI 的 Advisor 机制可以在请求真正发给模型之前拦截并改写它，非常适合实现 Re-Reading：

• 自定义一个实现 CallAdvisor（及流式的 StreamAdvisor）的类，比如 ReReadingAdvisor。
• 在 advise 方法里取出用户的原始输入文本，按 RE2 模板拼成「原问题 + Read the question again: 原问题」，替换回请求中再放行给下游。
• 把它注册到 ChatClient 的 advisor 链上（.advisors(new ReReadingAdvisor())），之后所有走这条链的请求都会自动应用 Re-Reading，业务代码无感知。

这样做的好处是可插拔、可复用：开关一加即可对推理类接口统一启用，不必在每处 prompt 里手动重复问题。

适用与局限

适用：数学、逻辑、多约束推理等需要严谨审题的任务。局限：对简单事实问答、闲聊几乎没收益，反而徒增 token；问题特别长时重复会明显抬高输入成本和上下文占用。所以应按任务类型选择性启用，而不是全局默认开。