写Prompt别再拽高级词汇了，用大白话效果反而更好
先说个真实的实验案例。
有人把同一个指令用两种方式写给AI。一种版本是“请对以下问题进行深入分析并给出详尽的解答”，另一种是“帮我分析一下这个问题”。猜猜哪种效果更好？答案是后者，准确率高了整整8个百分点。
第一次看到这个数据时的反应，大概和屏幕前的你一样：这不可能吧？写得越专业不是效果越好吗？但这篇论文讲的正相反。它出自一项名为
Adam's Law
坦白说，这个发现确实让人震惊。先前写Claude Code的prompt时，很多人都喜欢拽词。比如想让AI检查代码，会写“请对以下代码段进行深入的逻辑审查和潜在缺陷识别，并给出具体的修复建议”。听起来很专业、很严谨，AI应该会更认真对待。直到看到这篇论文才意识到，那些花里胡哨的表述，可能一直在帮倒忙。
Adam's Law说了什么
这个研究做的事相当扎实：用100种语言、4类核心任务——数学推理、机器翻译、常识推理、Agentic工具调用——做了大规模实验。四个完全不同的任务类型，得出的结论惊人一致：把prompt里的低频词换成高频词，准确率就能显著提升。而且这不是某个模型的bug，他们测了DeepSeek-V3、GPT-4o-mini、LLaMA-3.3-70B，还有Qwen-2.5系列从0.5B到72B的所有变体，全部有效。
数学推理的数据最直观。GSM8K是一个标准的数学推理测试集，同一道题用两种方式写prompt：一种是常见表达，另一种是比较书面、高级的表达。结果如何？
DeepSeek-V3从63.55%涨到了71.54%。
GPT-4o-mini从60.70%涨到了68.70%。
LLaMA-3.3-70B从80.49%涨到了88.75%。
三个模型，涨了差不多8个百分点。想想这概念：很多论文花几十页论证0.5%的提升，这里一个“换个说法”就搞定了8%。
机器翻译那边更夸张。在FLORES-200数据集上测了100个语言对，用DeepSeek-V3做翻译。把prompt换成高频表达后，100个语言对里99个的BLEU分数都上升了——99个！只有1个轻微退化，不到1分，基本可以忽略。其中63个语言对改善超过1分，31个超过3分，12个超过5分。用COMET指标看，37种语言全部改善，一个都没掉。
最令人震惊的一个发现
实验里有一个结果反复看了三遍。他们测试了微调场景：用高频词改写过的数据去微调模型，效果居然超过了用原始标注数据微调的模型。这代表了什么？你花大量人力标注的数据，如果用词不够“常见”，效果可能反而不如用高频词改写过的版本。标注数据是AI行业最贵的成本之一，很多公司花几百万去标注数据，结果可能因为标注员用了太多专业术语，效果还不如用大白话重写一遍。
还有一个发现同样重要：高频输入能纠正原本答错的样本，但不会让原本答对的样本变错。这是一个“只赢不亏”的效果——你用高频表达重写prompt，答对的还是对，答错的有可能被纠正过来。稳赚不赔。
为什么会这样
论文给出了基于Zipf定律的数学证明，但用人话解释也很简单。大模型是怎么学会说话的？读互联网。它读了海量的文本，学会了“什么样的文字长什么样”。高频词就是那些在互联网上出现次数特别多的词：“帮我”“分析”“总结”这些词，模型见过无数次，内部已经形成了非常精准的概率分布。但“精炼”“阐释”“辨析”这些词，虽然意思差不多，出现频率低得多，模型对它们的内部表征就没那么“精准”。
打个比方。你去一个陌生城市，跟路人问路：“你好，请问最近的地铁站怎么走？”对方立马给你指方向。但如果你说“敢问阁下，此地左近之轨道交通车站位于何方？”对方可能直接报警。模型也是一样的：高频表达就是它的“母语”。你在它的母语范围内沟通，它理解得最准确。你拽一堆它不怎么见过的表达，它就得花更多“精力”去理解你在说什么，留给真正任务的“算力”就少了。
论文里有一个细节特别有意思：他们发现频率和文本复杂度的相关系数接近0。什么意思呢？就是用简单词不等于内容变简单。你可以用大白话讨论量子力学，也可以用术语讨论天气。词的频率和内容的深度是两个独立的维度。最朴素的语言可以表达最复杂的思想，而模型恰好更喜欢朴素的语言。
对实际使用的影响
第一，改掉“越专业越好”的习惯。很多人写prompt的时候，恨不得把每个词都换成术语。“基于RAG架构的知识库检索增强系统”，不如说“能搜索文档回答问题的AI助手”。意思完全一样，但后者可能效果更好。
第二，建立“频率意识”。每次写完prompt，问自己一个问题：这个词日常跟朋友聊天会用吗？如果不会，换一个。比如“请对以下代码进行深入审查”改成“帮我看看这段代码有没有问题”；“请生成一份详尽的分析报告”改成“帮我写个分析，详细点”；“请对上述内容进行精炼概括”改成“帮我总结一下”。每一组的意思完全一样，但右边的版本大概率效果更好。
第三，句子结构也要简化。不只是单个词的问题，复杂句式本身就包含更多低频词组。“鉴于当前的市场环境，我建议我们对产品策略进行相应的调整”改成“市场变了，咱们产品策略也得跟着改”。后者不光词频高，句式也是模型更常见的结构。
论文里提到他们建了一个叫TFPD的数据集，专门用来配对“同一个意思的高频和低频表达”。这说明未来可能会有工具自动帮你优化prompt的用词频率。但在那之前，最简单的办法就是写完prompt读一遍，想象自己在跟朋友说话，把所有“书面腔”的地方改成“口语腔”。
更深层的事
聊到这，值得思考一个更深层的问题：为什么我们这么执着于把prompt写得“高级”？这背后可能是从小写作文就被教育要用“好词好句”的习惯。语文老师说“请对上述内容进行精炼概括”比“帮我总结一下”更有文采，这种思维定式延伸到了写prompt上。但AI模型不是语文老师，它不需要你展示词汇量，它需要的是准确理解你的意图。在AI面前，朴素才是真正的力量。
而且这个发现的影响范围远不止写prompt。训练数据的清洗标准，以后可能要加入“频率”这个维度；微调数据的构建方式，可能要重新设计；翻译系统、搜索引擎、对话系统，都可能因为这个规律而优化。论文里说他们用高频词数据做微调，效果超过了原始标注数据。可以说，整个AI行业的数据工程，可能都需要重新审视“频率”这个被忽略的维度。
经济学以前只看“供给和需求”，后来加入了“预期”这个新维度，整个理论体系都不一样了。Adam's Law做的事情有点类似，在“质量、规模、难度”三个维度之外，补上了“频率”这第四个维度。
写到这里还是挺感慨的。一直以为prompt写得越专业越好，结果发现那些花里胡哨的表述一直在帮倒忙。就像花了很大力气去装饰一把锤子，结果发现朴素的锤子敲钉子更准。论文里那个“只赢不亏”的发现让人印象最深——高频输入能纠正错误但不会引入新错误。这种稳赚不赔的事儿，在AI领域真的不多见。
