用途：为 DSPy 程序添加 AI 输出验证与护栏，避免幻觉、格式错误、敏感内容或事实错误的结果到达用户。核心模式为“生成、检查、修正或拒绝”。
主要能力：一是结构与格式校验，用 Pydantic 模型约束类型、长度、取值范围，DSPy 会自动重试；也可用 dspy.Refine 配合正则做自定义格式检查。二是迭代自纠，dspy.Refine 用 reward_fn 打分，低于 threshold 则重试并回传反馈，最多 N 次，返回最高分结果。三是多候选择优，dspy.BestOfN 独立生成 N 个候选并选分数最高者，适合需要多样性的高要求场景。四是事实核查，用自检签名判断答案是否被上下文支持，或交叉生成两份答案比较一致性。五是安全过滤，用正则拦截密码、密钥、SSN 等，或用 AI 作为安全裁判。
使用方式：定义 dspy.Signature 与 dspy.Module，编写返回 float 的 reward_fn(args, pred)，再包装为 dspy.Refine(module, N=..., reward_fn=..., threshold=...) 或 dspy.BestOfN(...) 调用。硬性要求用 threshold=1.0，软性偏好用低于 1.0 的阈值以求部分分。
适用场景：RAG 问答的忠实度校验、结构化抽取的格式检查、面向公众内容的安全过滤、高风险输出的质量择优。
限制：纯格式校验用 Pydantic 即可，无需 reward_fn；延迟预算低于 50ms 时不宜重试；若首次输出持续不佳，应改签名或加示例而非重试；已有人工审核时增加 AI 裁判只增成本。reward_fn 必须返回 float 而非 bool，且验证模块应在模块级实例化一次，避免每次调用新建。AI 裁判会使每次尝试的模型调用翻倍。