DSPy

DSPy 来自 Stanford NLP，把 LLM 提示词工程重新定义为「编程 + 自动优化」：你声明输入输出签名（Signature）与模块组合，由优化器（Teleprompter/Optimizer）在数据上自动搜索更好的 prompt 与 few-shot 示例。它代表了 prompt 工程从手写到自动化的范式转向。

核心能力包括 Signature/Module/Predictor 抽象、内置模块（dspy.ChainOfThought、dspy.ReAct 等）、多种自动优化器（BootstrapFewShot、MIPRO、COPRO）、与 LM/Retriever 解耦的后端抽象，以及 dspy.Evaluate 评估与 dspy.inspect 调试工具。最近版本加入了对话式与多 Agent 模式。

亮点是「prompt 不再手写」理念对重度 prompt 工程师冲击很大，优化器在小到中等任务上确实能稳定提升指标；不足是学习曲线陡，心智模型与常规 LangChain 式开发差异大，优化器对数据量与评估指标依赖重，小项目上手不划算。

适用场景：可量化评估的 prompt 工程任务、研究实验中的自动 prompt 调优、对 prompt 稳定性敏感的生产管线。一次性脚本不建议引入。