开源LLMS应该得到代码，而不是提示！ （DSPY，瞧！）

DSPY：将提示工程转变为提示编程的革命性框架

大型语言模型 (llm) 时代，新模型层出不穷。然而，充分发挥 llm 的潜力往往依赖于繁琐易错的提示工程。dspy 应运而生，它是一个开源框架，彻底改变了我们与 llm 交互的方式。dspy 将提示视为可训练、模块化的组件，而非静态文本，并通过编程方式进行优化。

为什么选择 DSPY？

传统的提示工程依赖于脆弱的手工编写的指令。例如，要求 LLM “写一首关于 DSPY 的诗” 可能会得到不一致的结果。开发者不得不反复调整提示，但这方法效率低下，存在以下问题：

DSPY 提供了解决方案：它将提示定义为类似代码的模块，并自动优化以获得最佳性能。它将 LLM 视为管道中的组件，使用远程编译器（优化器）迭代优化提示和权重。其核心理念包括：

DSPY 的核心组成部分：

# 模块定义示例

DSPY 的工作流程：

1. 定义程序: 将模块组装成管道。
2. 初始化: 设置初始提示和模型权重。
3. 优化: 迭代测试并调整提示。
4. 评估: 使用指标评估新提示的性能。
5. 部署: 部署性能最佳的提示进行推理。

DSPY 与传统方法的对比：

(传统方法) vs. (DSPY 方法)

DSPY 的应用案例：

DSPY 架构：

结论：

DSPY 将范式从 提示工程 转变为 提示编程，将 提示 转化为构建强大、自我改进的 LLM 应用程序的工具。通过将提示转换为可训练模块并自动化优化，DSPY 帮助我们大规模高效地使用开源 LLM。 无论是构建 RAG 系统、多模态代理还是自适应管道，DSPY 都是关键。

请访问 DSPY 官方文档了解更多信息。