大型语言模型（LLMs）在处理长文本时存在显著缺陷，推理成本与序列长度呈二次关系。为解决这些问题，提出了一种新的RAG提示方法，超级叠加提示，可应用于预训练的基于Transformer的LLMs。该方法提高了多个预训练LLMs在问答基准测试中的时间效率，并在检索到的上下文较大时显著提高准确性。在NaturalQuestions-Open数据集上，使用MPT-7B指令调整模型，相对于朴素的RAG方法，我们的方法在计算时间上减少了93倍，准确性提高了43%。