用途：DSPy 用于以声明式方式编程语言模型，替代手工撰写提示词，并基于数据驱动方法自动优化提示。适合构建多组件 AI 系统、可维护的模块化流水线，以及更可靠的 RAG、智能体和分类器。
主要能力：提供 dspy.Predict（基础预测）、dspy.ChainOfThought（带推理步骤）、dspy.ReAct（带工具、类智能体）、dspy.ProgramOfThought（生成代码推理）等核心模块；支持 Signature 定义输入输出，支持 Pydantic 结构化输出（TypedPredictor）。内置自动优化器，如 BootstrapFewShot 与 MIPRO，可按自定义 metric 编译优化模块。支持多阶段流水线与检索（dspy.Retrieve）。模型提供方包括 Anthropic、OpenAI 以及本地 Ollama，通过 dspy.settings.configure 配置。优化后的模块可 save/load 为 JSON。
使用方式：安装 pip install dspy；定义 lm 并 configure；用 Signature 描述任务，选择 Predict 或 ChainOfThought 等模块调用；如需智能体，可基于 ReAct 传入 tools；优化时准备 trainset（dspy.Example.with_inputs）与 metric，调用 optimizer.compile。
适用场景与限制：当拥有或能生成训练数据、需要系统性改进提示词、构建复杂多阶段系统时适合选用。文档提示其学习曲线为中高。资料未提供价格、收费与具体性能数据，暂未提供相关信息。官方资源：https://dspy.ai ，https://github.com/stanfordnlp/dspy 。