用途：指导把DSPy程序组织为可组合、可优化的模块。dspy.Module是多步DSPy程序的构建单元，类似PyTorch的nn.Module；在__init__中以self.属性声明子模块，在forward()中用Python逻辑串联，优化器会自动遍历整棵模块树并调优。
主要能力：单步以上流程可封装为模块；支持模块嵌套复用；可用print(pipeline)查看模块树，用named_predictors()确认Predict实例可被发现；优化后可用save()/load()保存与恢复少量示例与优化指令，但Python逻辑、模型权重与LM配置不在其中，加载前需调用dspy.configure()；可用dspy.Refine配合reward_fn、N、threshold重试达标，或用dspy.BestOfN做独立多次采样；支持条件路由、循环重试、迭代改进、异常回退、返回dspy.Prediction，以及为子模块set_lm分配不同模型、用batch()并行处理。
使用方式：先明确管道类型、步骤数、是否优化、是否需要异步，再选择顺序、条件、循环或嵌套等forward()模式。单次调用可不写模块，直接使用dspy.Predict或dspy.ChainOfThought；需要复用、优化、保存、批处理或检查时再封装为Module。安装命令：npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>。
适用场景：RAG、先分类再路由、迭代精炼、简单抽取等多步LLM管道。
限制与注意：子模块须作为self.属性，放入局部变量或普通列表会导致优化器无法发现（字典可以）；不要在forward()中调用dspy.configure()；forward()参数名需与训练示例字段一致，否则会静默失败；每个子类必须实现forward()。异步、价格与具体模型效果资料暂未提供完整说明。