stanfordnlp/dspy

解决的问题

DSPy 用系统化的编程方法取代了脆弱且繁琐的“提示工程”过程。它消除了手动不断调整文本提示的需求，使开发人员能够构建能够自动优化自身性能的模块化 AI 系统。

工作原理

你无需编写静态提示词，而是使用组合式 Python 代码定义你的 AI 系统。DSPy 充当编译器，接收你的代码并“教会”语言模型如何提供高质量的输出。无论你是在构建简单的分类器、复杂的检索系统 (RAG) 还是智能体循环，它都会使用算法自动优化你流水线中的提示词和权重。

适用人群

它专为构建模块化 AI 应用的开发人员和研究人员设计，旨在摆脱试错式的提示工程，转向更可靠、程序化的语言模型流水线开发方式。

亮点

• 用于 AI 流水线的声明式编程模型。
• 提示词和模型权重的自动化优化。
• 支持 RAG 和智能体循环等复杂架构。
• 模块化设计，鼓励代码复用和快速迭代。
• 内置对计算约束的支持，以实现输出的自我完善。