用途：dspy.GEPA 是 DSPy 的优化器，用于自动进化程序中各预测器的自然语言指令，而非添加少样本示例或微调模型权重。它迭代地提出、评估并改进引导每次 LM 调用的指令。
主要能力：仅调优指令，不注入少样本示例，提示保持紧凑；使用文本反馈，反思 LM 读取执行轨迹与失败反馈来提出更好指令；维护帕累托前沿，保留在不同子集上表现优异的多个候选并合并优点；支持多步流水线的逐预测器反馈（通过 pred_name）；需要 20-100 条样本。
使用方式：需要三样东西——DSPy 程序、反馈指标、训练集。指标可返回浮点数或含 score 与 feedback 的字典。构造 dspy.GEPA(metric, reflection_lm=..., auto="light")，再调用 gepa.compile(program, trainset=trainset)，可用 optimized.save(...) 保存。预算控制三选一：auto（"light"/"medium"/"heavy"）、max_full_evals、max_metric_calls。可传 valset；不传则用训练集兼作验证。
适用场景：有 20-100 条标注样本；希望不添加少样本示例而优化指令；任务失败模式可用自然语言描述；多步流水线需逐预测器调优；希望提示紧凑。
限制：dspy.GEPA 自 DSPy v3.0.0 起标记为 @experimental，API 可能变化。仅优化 Signature 文档字符串，不优化 InputField/OutputField 描述、Pydantic Field 描述、字段名、类型约束或少样本示例。无文本反馈时建议改用 dspy.BootstrapFewShot；有 200+ 样本且追求最佳提示优化可用 dspy.MIPROv2；需调权重用 dspy.BootstrapFinetune。具体费用与效果以官方资料为准，此处不展开。