用途：dspy.RLM 面向上下文过大、无法塞进单次提示的场景，例如整个代码库、超长日志或海量数据。它把 LLM 放进沙箱化的 Python REPL（Deno 启动的 Pyodide/WASM），将完整上下文作为变量暴露，模型通过写代码切片、grep、摘要并递归子查询，迭代直到能作答。
主要能力：可配置 max_iterations（REPL 循环上限，默认 20）、max_llm_calls（子 LM 调用上限，默认 50）、max_output_chars（每步截断 REPL 输出，默认 10_000）、verbose、tools 与 sub_lm，也可传入自定义 interpreter。支持把 RLM 作为模块嵌入更大的 dspy.Module，并用 GEPA 优化外层程序。
使用方式：需先安装 Deno（brew install deno 或见 https://deno.land），并准备一个更便宜的子 LM。典型用法：dspy.configure(lm=dspy.LM("openai/gpt-4o"))，sub_lm = dspy.LM("openai/gpt-4o-mini")，rlm = dspy.RLM("context, query -> answer", max_iterations=20, max_llm_calls=50, max_output_chars=10_000, sub_lm=sub_lm, tools=[], verbose=False)，再以 rlm(context=..., query=...) 调用并读取 result.answer。数据应作为 kwargs 传入而非拼进指令。自定义工具是普通 Python 可调用对象，经 tools=[...] 暴露在沙箱内，DSPy 3.2.x 中按关键字调用，需带命名且带类型的参数。
适用场景：超大上下文、递归分块或数据探索循环；需要 grep/读文件的整库推理；需要外部工具时用 dspy.ReAct，需运行数学/代码时用 dspy.ProgramOfThought，上下文小于 100k 且一次调用可答时用 dspy.Predict / dspy.ChainOfThought。
限制与安全：默认解释器无文件系统、网络或子进程访问；若自定义工具做 I/O，其安全由使用者负责，切勿把 subprocess.run 直接交给 RLM。缺少 Deno 是最常见错误。生产环境应收紧 max_llm_calls 以防成本失控，调试时开 verbose=True，不要在上下文字符串中放密钥。其他细节暂未提供。