适配器位于 DSPy 模块与语言模型之间，负责两件事：Format（把签名、少样本示例与输入转为提示）和 Parse（从模型原始文本中提取输出字段并按声明的 Python 类型转换）。适配器不直接调用，而是全局或按模块配置，由 DSPy 后台使用。
内置四种适配器。ChatAdapter 为默认，用 [[ ## field_name ## ]] 分隔字段并按字段头解析，解析失败自动回退 JSONAdapter（可用 use_json_adapter_fallback=False 关闭），构造函数支持 callbacks、use_native_function_calling、native_response_types 等。JSONAdapter 要求模型返回与输出字段匹配的 JSON，优先用原生结构化输出，回退 response_format: {"type": "json_object"}，用 json_repair 解析并校验类型，适合 Pydantic 嵌套类型与生产批量任务。XMLAdapter 用 <field_name>value</field_name> 标签格式化并按正则解析，适合对 XML 提示更稳的模型。TwoStepAdapter 面向 o1、o3 等推理模型：主模型收到无格式约束的自然语言提示，再由一个便宜的抽取模型解析结果，需必填参数 extraction_model，代价是每次预测两次 LM 调用。
配置方式：全局 dspy.configure(lm=lm, adapter=adapter)；用 with dspy.context(adapter=json_adapter) 临时切换；用 pipeline.extract.set_adapter(dspy.JSONAdapter()) 按模块指定。也可继承 Adapter 基类自定义 format() 与 parse()（返回输出字段到值的字典）。
注意：JSONAdapter 会加入 JSON 约束，可能降低开放式创作或摘要质量，仅在需要可靠结构化输出时用；ChatAdapter 已自带 JSON 回退，仅为修偶发解析错误无需全局切换；TwoStepAdapter 的抽取模型不能太弱，且主模型应为推理模型才划算；混合管线应使用 set_adapter 而非全局设置。BamlAdapter 来源存在但无文档，生产环境不建议使用。安装命令：npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>。