DSPy.rb 是一个用于构建语言模型应用的 Ruby 框架，采用编程式提示（programmatic prompts）的方式，强调类型安全、模块化与可测试性。它的核心理念是：像构建软件一样构建 LLM 应用，用 Ruby 类型定义你想要的输出，而不是反复微调提示词。
一、用途 DSPy.rb 面向需要以工程化方式开发 LLM 应用的 Ruby 开发者。它把软件工程的最佳实践引入 LLM 开发，适合构建需要类型约束、可复用组件、可评估与可优化的语言模型应用。
二、主要能力
- 类型安全的签名（Signatures）：使用 Sorbet 类型定义应用与 LLM 之间的输入输出接口，支持枚举（T::Enum）、结构体（T::Struct）等类型。
- 模块化组件（Modules）：提供 Predict（基础 LLM 调用）、ChainOfThought（逐步推理）、ReAct（使用工具的智能体）、CodeAct（动态代码生成智能体，需安装 dspy-code_act gem）等构建块，可组合复用。
- 工具与工具集（Tools & Toolsets）：创建类型安全的工具，支持基于枚举的自动类型转换，以及包含多个工具的工具集。
- 类型系统与判别器（Discriminators）：自动注入 _type 字段以支持联合类型（T.any）的判别，反序列化时递归过滤 _type 字段；_type 为保留字段名，不应自行定义。
- 优化（Optimization）：提供 MIPROv2（多提示优化，含 bootstrap 采样与贝叶斯优化）和 GEPA（Genetic-Pareto Reflective Prompt Evolution，含反馈映射、实验跟踪与遥测）。
- 评估框架（Evaluation）：DSPy::Evals 支持内置指标（exact_match、contains、numeric_difference、composite_and）与自定义指标，支持错误处理与批处理。
- 事件系统（Events）：结构化事件总线，支持模块作用域订阅（scope: :descendants）与全局订阅，支持通配符（如 llm.*），事件名使用点分隔命名空间。
- 生命周期回调（Lifecycle Callbacks）：每个 DSPy::Module 提供 before、around、after 钩子，执行顺序为 before → around（yield 前）→ forward → around（yield 后）→ after，回调可被继承。
- Fiber 本地 LM 上下文：通过 DSPy.with_lm 临时覆盖语言模型；LM 解析优先级为实例级 → Fiber 本地 → 全局。
- 存储系统（Storage）：DSPy::Storage::ProgramStorage 可持久化与重新加载优化后的程序，支持检查点管理、优化历史跟踪与环境间导入导出。
- Schema 格式：支持 JSON Schema（默认）、BAML（schema_format: :baml，需 sorbet-baml gem）、TOON（schema_format: :toon, data_format: :toon）。BAML 与 TOON 仅在 structured_outputs: false 时生效。
- Rails 集成：提供目录结构约定（app/entities、app/signatures、app/tools、app/modules、app/services 等）、初始化配置、按角色选择模型（feature flags）等实践。
三、使用方式 安装：在 Gemfile 中加入 gem 'dspy'。 配置：通过 DSPy.configure 设置语言模型，例如 c.lm = DSPy::LM.new('openai/gpt-4o-mini', api_key: ENV['OPENAI_API_KEY'])。 定义任务：继承 DSPy::Signature，用 input 与 output 块声明字段类型。 调用：使用 DSPy::Predict.new(签名类) 创建预测器，调用 .call 并读取结果字段。 提供商适配器有两种策略：
- 按提供商适配器（直接 SDK）：dspy-openai（OpenAI、OpenRouter、Ollama）、dspy-anthropic（Claude）、dspy-gemini（Gemini），各自引入官方 SDK。
- 通过 RubyLLM 的统一适配器（多提供商推荐）：dspy-ruby_llm 与 ruby_llm，使用 ruby_llm/ 前缀按模型名路由，例如 DSPy::LM.new('ruby_llm/gemini-2.5-flash', structured_outputs: true)。
四、适用场景
- 需要对 LLM 输出做类型约束与结构化解析的应用。
- 需要组合、复用 LLM 逻辑的复杂工作流。
- 需要基于真实数据评估与优化提示的团队。
- 使用 Rails 并希望按约定组织 LLM 组件的项目。
- 需要多提供商路由、可观测性（如 Langfuse）与测试（如 VCR）的生产环境。
五、限制与注意事项
- 部分能力需要额外 gem：CodeAct 需 dspy-code_act，GEPA 需 dspy-gepa，BAML 需 sorbet-baml。
- BAML 与 TOON 仅在 structured_outputs: false 时生效；structured_outputs: true 时提供商直接接收 JSON Schema。
- _type 为保留字段名，不应在结构体中自行定义。
- 文档中未提供具体收费、价格与平台支持范围的完整信息，暂未提供。