5C 提示合同：一个极简主义、创意友好、令牌高效的设计框 架，适用于个人和中小企业 LLM 使用-计算机科学-大语言模型-提示工程-人 工智能交互.pdf

5C提示合同：一个极简主义、创意友好、令牌高效的设计框

架，适用于个人和中小企业LLM使用

UgurAri

AIResearchStrategistandLLMEcosystemAnalyst

2025年7月18日

DOI：10.5281/zenodo.1234567

摘要

本从传统的提示工程到更严谨的提示设计学科的发展，标志着人与大型语言模型（LLMs）交互方式的

译一个重要转变。随着大型语言模型在关键任务应用中的日益嵌入，出现了对框架的需求，这些框架不仅

中要明确和系统化，还要足够简洁以保持实用性和广泛可访问性。

虽然许多现有方法通过复杂的领域特定语言（DSLs）或多层模板来处理提示结构化问题，但这类方

1法可能会带来显著的标记和认知负担，可能限制模型的创造性能力。

v

5在此背景下，我们提出了5C提示合同框架，将提示设计提炼为五个直观的部分：角色、原因、约束、

4偶然性和校准。

0

7这一简明的认知架构明确集成了回退和输出优化指令，促进了可靠、可解释且富有创造灵活性的人

0工智能交互。

.

7实验结果表明，5C框架在保持丰富和一致的输出的同时，始终能够实现优越的输入标记效率，适用

0

5于多种LLM架构（OpenAI、Anthropic、DeepSeek和Gemini），使其特别适合于个人和中小型企业

2（SMEs）使用有限的人工智能工程资源。

:

v

i

x1介绍

r

a

大型语言模型（LLMs）在多种应用中的迅速发展和普遍集成，要求从非正式的试错提示工程转变为

更加结构化和系统的提示设计方法。对于关键任务对LLMs的日益依赖强调了需要构建不仅系统化的框

架，而且这些框架还需实用且具有普适性。当前的提示结构化方法通常涉及复杂的领域特定语言（DSL）

或详尽的模板。尽管这些方法提供了一定程度的控制，但它们往往会带来显著的标记和认知负担，这可能

会无意中限制LLM的生成创造力，使其‘熵预算’被导向刚性的句法合规性而非广泛的语义探索。此外，

这些技术复杂性可能为非专业用户设置障碍，从而阻碍高级AI能力的广泛民主化。

为应对这些挑战，我们引入了5C提示合同：一个旨在将提示设计简化为五个直观且相互关联的组成

部分的框架：角色、原因、约束、情境和校准。这一极简的认知架构被设计用于明确包含备用行为指令

和输出优化指导，从而促进与AI可靠、可解释且富有创意灵活性的互动。5C方法优先考虑令牌效率和

降低认知负担，确保大型语言模型更多的容量分配给语义理解和创造性生成。这种平衡对于缺乏广泛人

工智能工程技术资源的个人和中小型企业尤为重要，同时该框架也足够稳健以适应更大组织的工作流程。

本文详细阐述了5C框架，展示了其性能与现有提示风格的全面比较分析，并讨论了它对不断演变的提示

素养和系统性AI交互设计领域的深远影响。平衡生成自由度与控制输出之间的挑战是大型语言模型应用

中一个已有记录的方面[1]。

1

2实验设置

为了严格评估5CPromptContract框架的有效性和效率，我们在一系列受控实验中使用了四个不同

的大型语言模型（LLM）系统：OpenAI（GPT系列）、Anthropic（Claude系列）、DeepSeek和Google

的Gemini。每个LLM都接受了三种不同的提示方法：

1.5C提示合同：提示语被精心构建成五个核心组成部分：角色、原因、限制、偶然性和校准。

2.领域特定语言（DSL）：提示使用结构化标记语言制