stanfordnlp/dspy

解决的问题

DSPy 消除了手动、脆弱的提示工程需求。开发者无需手动调整提示以获得特定输出，而是可以程序化地定义 AI 系统的逻辑，让框架自动优化提示和权重。

工作原理

DSPy（声明式自我优化 Python）将语言模型调用视为编程模块。它允许用户编写组合式 Python 代码来构建模块化 AI 系统——如 RAG 流水线或代理循环——然后使用算法通过优化提供给语言模型的指令和示例，来“教导”模型输出高质量结果。

适用人群

希望以更稳定、模块化方式构建基础模型应用的开发者，包括简单分类器、RAG 流水线和 AI 代理等复杂 AI 系统。

主要亮点

• 使用组合式 Python 代码构建自己的模块化 AI 系统。
• 自动优化提示和权重。
• 支持从简单分类器到复杂 RAG 和代理循环的广泛应用场景。
• 基于将声明式 LM 调用编译为自我优化流水线的研究。