用途：在 DSPy 中实现按输入动态选择少样本演示。dspy.KNN 是内存最近邻检索器，把训练集每条示例用嵌入函数转成向量；查询时对新输入做嵌入，计算点积相似度，返回最相似的 k 条示例。dspy.KNNFewShot 是优化器，内部结合 KNN 与 BootstrapFewShot，编译学生程序后每次前向调用先检索 k 条最近示例，再作为底层模块的少样本演示，因此演示随输入变化。
主要能力：支持任意嵌入函数（如 sentence-transformers 的 all-MiniLM-L6-v2、OpenAI text-embedding-3-small 或自定义 callable），通过 dspy.Embedder 包装；KNNFewShot 可透传 BootstrapFewShot 参数（metric、max_bootstrapped_demos、max_labeled_demos 等）；compile(student, *, teacher=None) 返回带动态检索的副本。
使用方式：准备 dspy.Example 训练集并 with_inputs；创建 embedder；用 dspy.KNNFewShot(k=3, trainset=trainset, vectorizer=embedder) 编译模块，之后每次调用自动检索。若只需检索，可单独用 dspy.KNN(k, trainset, vectorizer)，返回按相似度排序的 Example 列表。
适用场景：训练示例覆盖多种子任务、输入差异大（多类别分类、跨领域问答）；静态示例反而干扰模型；有至少 20-50 条标注示例。
限制：示例少于 10 条、输入几乎相同、或需要优化指令而非演示选择时不宜使用（后者可用 MIPROv2）。检索有少量嵌入与相似度计算开销；每条演示增加提示长度，示例较长时应减小 k。点积相似度要求向量理想上已归一化，否则与余弦相似度可能不一致。具体效果与收费信息暂未提供。