DSPy怎么用 AI提示词自动优化框架教程

DSPy是一个由斯坦福大学开发的AI提示词优化框架，不用手动写提示词，它自动帮你找到最优提示词。更准确地说，你仍要说明任务、准备示例并设定评估指标；DSPy会据此搜索和调整程序中的指令与示例，挑出表现更好的版本，而不是保证找到适用于所有数据的唯一最优提示词。

第一步：安装DSPy

先准备Python环境，建议在项目虚拟环境里操作，避免和其他项目的依赖混在一起。终端运行：pip install dspy-ai。安装后执行：python -c “import dspy; print(dspy.__version__)”。如果能显示版本号，通常就说明安装成功；遇到权限或环境问题，可先确认当前终端使用的是你准备运行项目的那个Python。

接着准备一个可调用的语言模型。DSPy本身负责组织和优化程序，实际生成仍需要配置模型及相应服务。不同模型提供方的初始化方式和依赖包可能不同，请按所用模型的接口配置。把密钥放在环境变量或密钥管理工具中，不要写进公开代码，也别把真实密钥提交到代码仓库。

第二步：定义模块和任务

先把任务说清楚，例如“根据用户评论判断情绪，并输出简短理由”。在DSPy里可用签名描述输入和输出字段，再选择预测模块。下面是一个简化示例：import dspy；class Sentiment(dspy.Signature): text = dspy.InputField(); label = dspy.OutputField()；程序模块可以用 dspy.Predict(Sentiment)。签名是任务说明，不必先把完整提示词写成固定模板。

然后配置语言模型，并准备少量有代表性的训练样例。样例可用 dspy.Example(text=”物流很快，包装完好”, label=”积极”).with_inputs(“text”) 这样的形式；实际运行时按模型接口提供配置。数据要覆盖常见表达、边界案例和不同类别，标签尽量一致。另留一份独立验证数据，避免只在训练样例上看起来效果很好。

优化前还要定义指标，明确怎样才算答对。分类任务可以比较预测标签与标准标签是否一致；生成任务则可结合准确性、格式和内容要求。指标应贴近真实使用目标，而非只奖励某种表面措辞。若输出结构重要，也把格式检查纳入评分，这样优化器才能根据可计算的结果比较候选程序。

编译优化提示词

选择优化器后调用 compile，让它依据训练样例、程序和指标尝试改进。例如可从 dspy.MIPROv2(metric=你的指标, auto=”light”) 开始，再运行 optimizer.compile(program, trainset=trainset, valset=devset)。其中 metric 是评分函数，trainset 用来提供优化样例，devset 用于比较候选效果。不同版本参数可能变化，运行前请查看当前文档。

“编译”不是把代码转换成机器语言，而是搜索更合适的指令和示例组合，并生成已调整的DSPy程序。第一次试跑可以使用较小预算，检查耗时、模型调用量和评分变化；预算调大通常意味着更多评估与成本。优化器的结果取决于训练数据、指标、模型和搜索预算，不能把自动优化理解成百分之百正确。

第三步：运行和评估效果

用同一批未参与优化的测试样例，分别运行原始程序和优化后的程序，再比较准确率、格式合格率或业务指标。测试集不要拿来反复调参，否则结果会逐渐失去独立性。建议同时抽查错误案例：整体分数提高，不代表每种输入都改善；特别关注容易误判的长文本、否定句和模糊表达。

确认效果后，可保存优化后的程序供后续加载，并记录模型名称、数据版本、指标、优化器配置与测试结果，方便复现。部署前还要检查响应时间、调用费用、异常处理和输出安全性；模型或数据更新后，应重新评估。若分数不理想，优先检查示例质量与评分规则，再调整优化预算或模块设计。

如果希望了解国内替代方案，可进一步看看01Agent：01agent.cgref.cn。比较时重点关注模型接入方式、工作流能力、评测方法和部署需求，再用自己的样例做小规模试用。本文由润灭整理，示例仅用于说明DSPy的基本思路，具体接口以你安装版本的文档为准。