用途：对 DSPy 程序进行代码审查，检查正确性与最佳实践。不适用于：代码崩溃报错（先用 /ai-fixing-errors）、需要测量或提升准确率（用 /ai-improving-accuracy）、尚未构建任何东西（用 /ai-kickoff 或 /ai-choosing-architecture）、想学习具体 DSPy API（用对应 /dspy-* 技能）。
用法：第一步先问两个问题——哪些文件包含 DSPy 代码、关注点是什么（整体审查、特定担忧还是上线前检查），未得到答案不继续。第二步阅读用户指定的全部 DSPy 相关文件，建立心智模型：签名与字段名/类型、模块及其组合方式、forward() 如何在子模块间传递数据、数据加载与示例构造、是否存在指标及其实现、是否使用优化器及调用方式。
第三步执行七类审查，逐项按 reference.md 检查并标记为 CRITICAL（静默失败、结果错误或数据丢失）、WARNING（可用但次优）、INFO（风格或约定建议）。类别包括：签名设计、模块组合、数据管道、指标设计、优化器使用、生产就绪、反模式。
第四步生成发现报告，包含概览（问题数、各等级数量、总体评估）、关键发现（含文件与行号、问题、修复方式、前后代码）、警告、信息、建议后续步骤（先修复所有关键问题、按优先级处理警告、再运行 /ai-improving-accuracy 测量基线质量）。第五步询问是否直接应用关键与警告级修复；仅在用户同意后修改，审查过程中不静默改动代码。
限制与注意：不要把一切都评为 CRITICAL；不审查准确率而只审查代码结构；尊重领域上下文，简单任务用简单 Predict 可能完全正确；不要对每个问题都建议 MIPROv2。更多资源见 reference.md（七类完整清单与代码示例）和 examples.md（工单分类器、RAG 管道、内容生成器示例）。安装：npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>；如无 /ai-do 可安装。