开源高级
DSPy
DSPy 是一个以编程（而非提示）方式使用语言模型的框架，通过组合模块化流水线并自动优化提示词和权重。它由斯坦福开发，用可复现、可测试的程序取代脆弱的提示工程，可跨不同模型和任务自适应。
资源概览
《DSPy》是 AI Resource Hub 收录的一份「开源」类资源，归属 开发框架 分类，适合高级水平的学习者。该资源由 Stanford NLP 提供，最近更新于 2026-06-26，本站编辑评分为 4.6/5。点击右侧「访问资源」可前往原始页面。
编辑结论
当提示词工程难以为继时，就该交给 DSPy。它让你编写可组合的模块，再由优化器针对你自己的评测集进行编译——提示从此变成可测试、可系统迭代的工程。代价同样真实：抽象需要时间学习，还必须有标注样例和可量化的指标。单条稳定提示用它属于杀鸡用牛刀；但对那些你真正想持续改进的多阶段流水线，它是生态中最有章法的选择。
标签
DSPy提示优化框架LLM
核心特性
- ▹用编程方式驱动 LLM，而非手写提示词
- ▹自动提示词优化
- ▹可组合、可测试的模块
适合谁用
- ▹以程序化管线取代脆弱的提示词工程
- ▹自动优化提示词与权重
- ▹可复现可测试的语言模型程序
不适合谁
- ▪没有标注样本的快速原型
- ▪极简单次调用自动化
优点
- +系统化、可测试的提示
- +自动为你优化提示词
- +把提示词变成可编译、可优化的程序
不足
- −与手动提示的思维方式不同
- −需要可靠的评测集来优化
- −抽象概念需要时间学习
常见问题
访问资源 →
基本信息
- 价格
- 免费开源
- 作者
- Stanford NLP
- 编辑评分
- ★ 4.6 / 5
- 最近更新
- 2026年6月26日