DSPy：顛覆提示工程，將手動優化轉化為系統化機器學習工作流

DSPy 是由史丹佛 NLP 團隊開發的前瞻性框架，旨在演算法性優化語言模型（LM）提示。 • 最令人興奮之處在於它將提示工程從手動、客製化過程轉化為結構化的機器學習工作流，涵蓋資料準備、模型定義、訓練、評估與測試。 • DSPy 提供清晰的程式化方法，可根據特定指標優化提示，甚至整個 LLM 流程。 • 另一個核心創新是它將邏輯與文本表達分離，使提示工程變得可重現且與 LLM 無關。 • 作者認為，許多互動困難並非源於邏輯缺陷，而是溝通問題；透過分離，開發者能像傳統工程一樣專注於核心邏輯，而 DSPy 則利用資料和評估指標來精煉文本表達。 • 儘管 DSPy 引入了高陡的學習曲線，有許多新術語和文件一致性問題，但其潛力巨大。

作者認為 DSPy 彌補了 LLM 評估的關鍵缺失環節，對於 LLM/Agent 系統具有潛在的重大意義。