编程而非提示
构建AI系统的新范式

DSPy是一个声明式框架，用于构建模块化AI软件。它允许你迭代快速的结构化代码，而不是脆弱的字符串，并提供算法将AI程序编译成有效的提示和权重。

开始学习代码游乐场

开源项目

Stanford NLP团队

dspy_demo.py

# 安装: pip install dspy
import dspy
# 配置语言模型
lm = dspy.LM("openai/gpt-4o-mini")
dspy.configure(lm=lm)
# 定义模块
math = dspy.ChainOfThought("question -> answer: float")
# 使用模块
result = math(question="2+2等于多少?")
print(result.answer)  # 输出: 4.0

核心特性

DSPy通过三大核心概念革命性地改变了AI系统的构建方式

模块 (Modules)

将AI行为描述为代码而非字符串。使用Predict、ChainOfThought、ReAct等模块构建系统。

dspy.Predict

dspy.ChainOfThought

dspy.ReAct

签名 (Signatures)

定义输入输出行为作为签名，而不是手动编写提示。让DSPy处理提示工程。

"question -> answer: float"
"context, question -> answer"
"query -> relevant_passages"

优化器 (Optimizers)

自动优化提示和权重。使用BootstrapRS、GEPA、MIPROv2等算法提升系统性能。

dspy.BootstrapRS

dspy.GEPA

dspy.MIPROv2

交互式体验

在浏览器中直接体验DSPy的强大功能

interactive_demo.py

import dspy
# 创建一个简单的问答模块
qa = dspy.ChainOfThought("question -> answer")
# 提问
result = qa(question="什么是机器学习?")
print("答案:", result.answer)

预设示例

输出结果

点击"运行"按钮执行代码...

学习进度

基础知识 100%

核心模块 75%

优化技巧 45%

学习路径

从入门到精通，系统化学习DSPy

基础入门

安装配置、基本概念、第一个DSPy程序

开始学习 →

核心模块

Predict、ChainOfThought、ReAct等核心模块使用

深入学习 →

实战项目

RAG系统、AI Agent、多阶段流水线构建

查看案例 →

高级优化

优化器使用、性能调优、生产部署

掌握优化 →

加入社区

与全球开发者一起构建AI的未来

GitHub

查看源码、提交Issue、参与贡献

⭐ 28.8k • 🍴 2.3k

访问仓库

Discord

加入讨论、寻求帮助、分享经验

活跃社区成员

加入讨论

文档

完整的API文档和使用指南

持续更新

查看文档

编程而非提示 构建AI系统的新范式