用途：帮助用户定义并强制执行 AI 必须遵守的规则，核心思路是不靠提示词要求模型守规，而是用程序化约束自动保证合规。
主要能力：DSPy 3.x 提供两种约束原语。dspy.Refine 迭代重试并带反馈，直到奖励函数达到阈值，失败超过次数会报错；dspy.BestOfN 并行运行 N 次，返回得分最高结果，达到阈值可提前停止。奖励函数签名为 (args: dict, pred: dspy.Prediction) -> float，可写二值、渐进式或多规则组合评分。硬规则违规立即返回 0.0，软规则从 1.0 起扣分。
使用方式：先识别 AI 违反的规则及硬性/软性区分，再选择 Refine 或 BestOfN，编写奖励函数，必要时结合 Pydantic 校验结构、奖励函数校验逻辑。示例覆盖内容政策、格式规则（有效 JSON、必填字段）、业务约束（不提竞品、不擅自折扣）等。可用 DSPy 优化器配合规则奖励与质量指标，优化基础模块后再用 Refine 包装用于生产。
适用场景：格式违规、内容政策、业务约束、无效 JSON、字段缺失等需要自动强制合规的生成任务。
限制：纯结构约束（类型、字段、枚举）用 Pydantic 即可，无需 Refine；大规模实时内容审核应使用专用分类器；主观或模糊约束无法程序化评分，应改用优化；N=1 且阈值 1.0 加严格二值奖励等同单次调用。注意奖励函数必须接收 (args, pred)，由框架调用而非模块内部调用；DSPy 2.x 的 assert/dspy.Assert/dspy.Suggest 已移除；不要吞掉 Refine 抛出的错误；冲突硬规则会导致始终失败；优化器应编译基础模块而非 Refine 包装。安装：npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>。