用途：DSPy 是面向提示程序的编译器，用于构建并自动优化基于语言模型的程序。它不采用链式框架的 prompt | model | parser 组合方式，也没有 LCEL；你在 Python 中用控制流和带类型的签名定义程序结构，再由编译器依据指标优化提示词。
主要能力：签名（Signature）以输入/输出字段对定义任务，语法为 input1, input2 -> output1, output2；模块（Module）作为程序组件，包括 dspy.Predict（直接预测）、dspy.ChainOfThought（推理）、dspy.ReAct（工具调用）以及自定义 dspy.Module 子类，可用 if/for/while 组合；优化器（teleprompter）调优指令、少样本示例或两者，选择取决于瓶颈与预算；支持评估（dspy.Evaluate）、检索（dspy.Retrieve）以及通过 program.save(path) / program.load(path) 保存与加载可移植产物。
使用方式：先配置 LM，例如 lm = dspy.LM("openai/gpt-4o-mini") 与 dspy.configure(lm=lm)；定义签名类；用模块构建程序；再用优化器编译，例如 optimizer = dspy.MIPROv2(metric=dspy.answer_exact_match)，compiled_qa = optimizer.compile(qa, trainset=trainset, num_trials=25)；最后调用编译后的程序。DSPy 默认缓存所有 LM 调用，可用 DSPY_CACHEDIR 设置缓存目录，或用 dspy.LM(..., cache=False) 关闭。
适用场景：提示优化与编译式程序、多步流水线、智能体与工具调用任务。若只需简单单提示应用、需要预置应用模块（如 PDF 问答、text-to-SQL）、没有优化预算的一次性任务，或对实时延迟极敏感，则不适合使用 DSPy。
限制：编译成本较高（资料称约 3 至 300 美元以上），但推理开销不增加；编译慢可减少 num_candidates 或使用 auto="light"；上下文过长可减少 max_bootstrapped_demos 与 max_labeled_demos；指标应返回浮点数而非布尔值以增强区分度；子模块不更新时可先设 module._compiled = False 再重新编译。