应用介绍
做过 LLM 应用的都懂：一段提示词调了半天终于稳定，换个模型全崩；流水线里串了三四步，改一处就得把每段 prompt 重新手搓一遍，谁也说不清哪句话在起作用。DSPy 把这件事变回写程序：你用 Python 声明「输入什么、输出什么」的 Signature，把它们像函数一样组合起来，提示词由框架去生成和优化。
真正的杀手锏是优化器：给它一小批样例和一个评估指标，它会自动搜索更好的指令和示例，甚至微调权重，让同一段程序在换了模型之后重新调到最佳状态。斯坦福 NLP 出品，已经在 Databricks、Shopify、Dropbox 的生产环境里跑着。
声明式 Signature：写一个类，标出 InputField 和 OutputField，比如从邮件里抽取活动名和日期，调用后直接拿到带字段的 Prediction 对象，不用自己写解析。
可组合模块：Predict、ChainOfThought、ReAct 等模块可以像搭积木一样拼成 RAG 流水线、分类器或 Agent 循环，每个模块都能单独替换和测试。
自动优化提示词：内置 GEPA、MIPRO 等优化器，按你的指标自动改写指令、挑选示例，不用再靠手感一句句试。
权重微调：同一套程序既能优化提示词，也能把效果蒸馏进小模型的权重，两者结合效果更好。
一行换模型：
工具与 MCP：支持把函数和 MCP 工具交给 ReAct Agent 调用，还带 Python 解释器，适合做需要算一算的推理任务。
可观测：接入 MLflow 追踪每一次调用，流水线里哪一步出错一眼能看到。
真正的杀手锏是优化器：给它一小批样例和一个评估指标，它会自动搜索更好的指令和示例，甚至微调权重，让同一段程序在换了模型之后重新调到最佳状态。斯坦福 NLP 出品，已经在 Databricks、Shopify、Dropbox 的生产环境里跑着。
软件功能
声明式 Signature：写一个类，标出 InputField 和 OutputField，比如从邮件里抽取活动名和日期，调用后直接拿到带字段的 Prediction 对象，不用自己写解析。
可组合模块：Predict、ChainOfThought、ReAct 等模块可以像搭积木一样拼成 RAG 流水线、分类器或 Agent 循环，每个模块都能单独替换和测试。
自动优化提示词：内置 GEPA、MIPRO 等优化器，按你的指标自动改写指令、挑选示例，不用再靠手感一句句试。
权重微调：同一套程序既能优化提示词，也能把效果蒸馏进小模型的权重，两者结合效果更好。
一行换模型：
dspy.LM("openai/...") 换个字符串就能切到别家或本地模型，业务代码一行不动。工具与 MCP：支持把函数和 MCP 工具交给 ReAct Agent 调用，还带 Python 解释器，适合做需要算一算的推理任务。
可观测：接入 MLflow 追踪每一次调用，流水线里哪一步出错一眼能看到。
