用途：为 DSPy 优化器和评估器准备数据。DSPy 的数据容器是 dspy.Example，可像字典一样存放命名字段，并通过 with_inputs() 标记哪些字段是输入、哪些是期望输出。优化器、评估器和度量函数都要求数据为 dspy.Example 列表。
主要能力：用关键字参数或字典创建 Example；用 with_inputs("字段") 标记输入，之后 .inputs() 返回输入字段、.labels() 返回输出字段；模块调用返回 dspy.Prediction，行为类似 Example。支持从 CSV（csv.DictReader 或 pandas）、JSON、JSONL、HuggingFace datasets 加载并转换；DSPy 内置 HotPotQA、GSM8k、Colors 数据集，构造参数含 train_seed、train_size、dev_size、test_size。
使用方式：加载后统一转为 dspy.Example(**row).with_inputs(...)；用随机或分层方式划分 train/dev，划分前先固定随机种子打乱；优化前可用校验函数检查是否缺少 with_inputs() 或字段名不匹配。安装数据集依赖：pip install datasets。
适用场景：分类、抽取、开放生成等任务的数据准备，以及需要 compile() 优化或 dspy.Evaluate 正式评估的场合。一次性调用模块或仅原型阶段可直接传关键字参数，无需 Example。
限制与注意：传给优化器或评估器的每个 Example 都必须调用 with_inputs()，且只标记输入字段，不能包含输出字段；优化器不接受原始 dict；数据量建议 20–300 条，过大应采样；按标签或日期排序的数据划分前必须打乱，类别不平衡时用分层划分。