オープンソース上級
DSPy
DSPy はモジュラーなパイプラインを構成し、プロンプトとウェイトを自動最適化することで、プロンプトではなくプログラミングで言語モデルを扱うフレームワーク。スタンフォード発で、脆いプロンプトエンジニアリングを再現可能でテスト可能なプログラムに置き換え、モデルやタスクを跨いで適応する。
概要
「DSPy」は AI Resource Hub が厳選した「オープンソース」リソースで、フレームワーク カテゴリに属し、上級レベルの学習者に適しています。Stanford NLP が提供し、最終更新日は 2026-06-26、編集部スコアは 4.6/5 です。右側の「リソースへ移動」から元のページを開けます。
編集部の結論
プロンプト工学が頭打ちになったら DSPy の出番です。手で調整した壊れやすい文字列ではなく、組み合わせ可能なモジュールを書き、オプティマイザに自前の評価セットへ向けてコンパイルさせる——プロンプトがテスト可能で体系的な工学になります。代償も確かで、抽象化の習得には時間がかかり、ラベル付き例と測定可能な指標が必須です。単一の安定プロンプトには過剰ですが、継続的に改善したい多段パイプラインには、エコシステム中最も筋がよい選択です。
タグ
DSPyプロンプト最適化フレームワークLLM
主な機能
- ▹プロンプトを手書きせず LLM をプログラム
- ▹自動プロンプト最適化
- ▹組み合わせ可能でテストできるモジュール
おすすめの人
- ▹脆いプロンプト工程を置換するプログラム的パイプライン
- ▹プロンプトと重みの自動最適化
- ▹再現可能でテスト可能な言語モデルプログラム
向いていない人
- ▪ラベル例なしの迅速な試作
- ▪極小の単一呼び出し自動化
メリット
- +体系的でテスト可能なプロンプティング
- +プロンプトを自動最適化
- +プロンプトをコンパイル可能で最適化可能なプログラムに変える
デメリット
- −手動プロンプトとは思考モデルが異なる
- −最適化には確かな評価セットが必要
- −抽象化の習得には時間がかかる