用途：构建基于 DSPy 的 AI 推荐引擎，用于商品、文章或内容推荐，以及“你可能也喜欢”类功能。核心是两阶段模式：先用嵌入相似度检索候选条目，再用语言模型结合用户画像信号进行个性化重排，并生成人类可读的解释。
主要能力：候选检索（余弦相似度取 top-N）；LM 重排器（DSPy Signature 输出排序结果与逐条解释）；两阶段流水线模块（RecommendationPipeline）；冷启动回退（无历史时返回热门条目）；推荐质量评估（DSPy 评判器给出相关性、解释质量与反馈，离线可用 precision@k）；用 BootstrapFewShot 优化重排器。
使用方式：安装命令为 npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>。配置 dspy.LM 与 dspy.configure，接入自己的嵌入模型，预计算条目嵌入，将候选集控制在 20–50 条后交给 LM 重排。解释质量优先时可用 dspy.ChainOfThought 替代 dspy.Predict。
适用场景：偏好细微、需要推荐理由的个性化推荐；延迟预算约 500ms 可接受时。
限制：不适合百万级隐式交互数据（应用协同过滤）、纯热门排序、要求低于 10ms 的实时场景，以及每秒高频更新的目录。需向 LM 传匿名化画像，避免 PII；签名中应明确要求重排顺序，并禁止泄露内部评分。
其他事实（如具体收费、价格、平台支持）暂未提供。