[论文阅读] 人工智能 | 5C提示词框架的研究

5C Prompt Contracts: A Minimalist, Creative-Friendly, Token-Efficient Design Framework for Individual and SME LLM Usage

arXiv:2507.07045
5C Prompt Contracts: A Minimalist, Creative-Friendly, Token-Efficient Design Framework for Individual and SME LLM Usage
Ugur Ari
Comments: 5 pages, 5 tables. Includes comparative experimental results across OpenAI, Anthropic, DeepSeek, and Gemini LLMs
Subjects: Software Engineering (cs.SE); Social and Information Networks (cs.SI)

1. 一段话总结：本文介绍了5C Prompt Contract这一提示设计框架，它将提示设计简化为Character、Cause、Constraint、Contingency和Calibration五个直观且相互关联的组件，旨在实现令牌效率和低认知负荷，特别适合个人和中小企业。通过在OpenAI、Anthropic、DeepSeek和Gemini四个大型语言模型系统上与Domain-Specific Language（DSL）和非结构化自由形式两种提示方法进行对比实验，结果显示5C框架在输入令牌效率方面表现出色，同时能在创造力与控制之间取得平衡，产出丰富且一致的输出。

2. 思维导图：
   

3. 详细总结：

• 研究背景与目的：随着大型语言模型（LLMs）在关键任务应用中的日益普及，需要一种既明确系统又简洁实用、易于广泛使用的提示设计框架。现有许多方法通过复杂的领域特定语言（DSLs）或多层模板来构建提示，存在较大的令牌和认知开销，还会限制LLM的生成创造力，且对非专业用户构成障碍。为此，提出5C Prompt Contract框架，以解决这些问题，满足个人和中小企业等的需求。
• 5C Prompt Contract框架：该框架将提示设计简化为五个直观且相互关联的组件，即Character、Cause、Constraint、Contingency和Calibration。其设计注重令牌效率和降低认知负荷，使LLM能将更多能力用于语义理解和创造性生成。
• 实验设置：
  • 实验对象：选取了OpenAI（GPT系列）、Anthropic（Claude系列）、DeepSeek和Google的Gemini四个不同的大型语言模型系统。
  • 对比方法：包括5C Prompt Contract、Domain-Specific Language（DSL）（使用类似XML的标签来明确描述提示元素）、非结构化自由形式（自然语言，格式和结构提示少）。
  • 实验内容：收集每种交互的输入令牌数、输出令牌数、总令牌使用量等数据，所有实验的基础提示内容均为生成关于未来主义赛博朋克城市中调查操纵政治的秘密社团的侦探的短篇电影叙事，并在适用处施加特定约束。
• 实验结果：
  • 各模型表现：

    模型	5C平均输入令牌	DSL平均输入令牌	非结构化平均输入令牌	5C平均输出令牌	DSL平均输出令牌	非结构化平均输出令牌
    OpenAI	57.0	59.0	28.0	581.67	446.00	750.00
    Anthropic	54.0	62.0	21.0	377.67	300.33	375.67
    DeepSeek	54.0	62.0	21.0	356.00	304.67	412.00
    Gemini	54.0	1212.0	1315.0	1795.00	1795.00	1795.00

  • 跨模型平均表现：5C平均输入令牌为54.75，平均输出令牌为777.58，平均总令牌为832.33；DSL平均输入令牌348.75，平均输出令牌711.50，平均总令牌1060.25；非结构化形式平均输入令牌346.25，平均输出令牌833.17，平均总令牌1179.42。
  • 定性评估：5C在各模型中均能在创造力与结构化叙事间取得平衡，产出丰富且符合指令的内容；DSL输出简洁、一致性高但创造性和长度不足；非结构化形式创造性强但一致性差、重点不突出。
• 讨论：
  • 令牌成本影响：5C框架在所有评估的LLM系统中始终需要最低的平均输入令牌，这对管理API成本、减少推理延迟等具有重要意义，尤其适合预算有限的用户和中小企业。
  • 创造性多样性和输出丰富性：非结构化提示虽有时输出令牌数最高，但总令牌使用量高且对指令的遵循性不可预测；DSL控制严格、一致性高但输出较简洁、创造性不足；5C框架则在两者间取得平衡，以较低的输入开销产出丰富详细的内容。
  • 5C的平衡：5C在令牌经济性、创造性多样性和结构化控制之间取得了最佳平衡，其简约设计降低了提示设计的入门门槛。
• 结论与未来工作：
  • 结论：5C Prompt Contract框架在令牌效率、创造性和可靠性方面表现出色，适合广泛用户，包括资源有限的环境。
  • 未来工作：开发5C提示的精确YAML/JSON规范；创建自动化 linting 工具；进行更多关于创造力的实证基准测试；探索其在更大组织工作流中的可扩展性和与其他高级提示技术的集成。

4. 关键问题：

• 问题1：5C Prompt Contract框架相比其他两种提示方法（DSL和非结构化自由形式），在令牌使用方面有何显著优势？
  答案：5C Prompt Contract框架在输入令牌效率上表现显著优于其他两种方法。在所有评估的LLM系统中，5C的平均输入令牌为54.75，而DSL为348.75，非结构化自由形式为346.25，5C所需的输入令牌量大幅低于后两者，这有助于降低API成本、减少推理延迟并最大化有效上下文窗口。
• 问题2：在不同的大型语言模型系统中，5C Prompt Contract框架生成的输出在定性方面有哪些共同特点？
  答案：在OpenAI、Anthropic、DeepSeek和Gemini四个LLM系统中，5C Prompt Contract框架生成的输出均表现出在创造力与结构化叙事之间的良好平衡，能够很好地遵循所定义的组件和指令，产出丰富、详细且一致性高的内容，如在生成未来主义赛博朋克城市侦探相关电影叙事时，既有丰富的细节和场景深度，又能保持叙事的连贯性和对约束条件的遵守。
• 问题3：5C Prompt Contract框架的提出对非专业用户和中小企业有何重要意义？
  答案：5C框架的简约设计显著降低了提示设计的入门门槛，使非专业用户更容易掌握和使用，有助于促进提示素养在更广泛用户群体中的培养。同时，其出色的令牌效率能够帮助中小企业等资源有限的用户降低API成本，且能保证生成内容的质量，使他们也能有效地利用先进的AI能力，推动先进AI能力的更广泛民主化。