用途：该技能面向 DSPy 程序的提示自动优化，通过 BootstrapFewShot 优化器自动生成并挑选最优的 few-shot 演示，减少手工挑例的负担，适合 10-50 条标注数据的低数据量场景。
主要能力：接受 program、trainset、metric，以及可选的 metric_threshold、max_bootstrapped_demos（默认 4）、max_labeled_demos（默认 16）、max_rounds（默认 1）、teacher_settings 等参数；输出带演示的已编译程序。支持教师模型生成含推理轨迹的演示。
用法要点：先 dspy.configure 配置语言模型，再定义 dspy.Module 与评估 metric，然后用 BootstrapFewShot 执行 compile，最后可 save 保存。示例命令：import dspy；from dspy.teleprompt import BootstrapFewShot；optimizer = BootstrapFewShot(metric=validate_answer, max_bootstrapped_demos=4, max_labeled_demos=4, teacher_settings={'lm': dspy.LM("openai/gpt-4o")})；compiled_qa = optimizer.compile(QA(), trainset=trainset)；compiled_qa.save("qa_optimized.json", save_program=False)。
适用与限制：需要标注训练数据；教师模型会产生额外成本；对差异很大的输入可能泛化不佳；相较 MIPROv2 探索能力有限。数据更多（200+）可用 dspy-miprov2-optimizer，智能体场景可用 dspy-gepa-reflective，评估可用 dspy-evaluation-suite。官方文档见 https://dspy.ai/ 。