用途：把 DSPy 的自动提示词优化能力接入已有的 Haystack 流水线，用数据驱动方式替代手工调参，并可从编译后的 DSPy 模块中提取优化后的提示词，回填到 Haystack 流水线。
主要能力：输入为已有的 Haystack 流水线、训练集（list[dspy.Example]）和评估函数（metric），输出为优化后的提示词字符串与更新后的 Haystack 流水线。流程分五阶段：先搭建初始 Haystack 流水线（文档存储、检索器、PromptBuilder、生成器）；再用 dspy.Module 包装 Haystack 检索器，生成部分交给 DSPy（如 dspy.ChainOfThought）；接着定义自定义指标，可结合 Haystack 的 SASEvaluator 等评估器；然后用 BootstrapFewShot 等优化器编译模块；最后提取优化提示词并应用到 Haystack 流水线。
使用方式：需分别安装并配置 Haystack 与 DSPy，设置语言模型（如 dspy.configure(lm=dspy.LM("openai/gpt-4o-mini"))），在 DSPy 模块中调用 Haystack 检索器（retriever.run(query=..., top_k=...)），再执行 optimizer.compile(rag_module, trainset=trainset)。
适用场景：已有 Haystack 流水线、手工调提示词繁琐、需要数据驱动优化，或希望把 Haystack 组件与 DSPy 优化结合的场景。
限制：提示词模板转换可能较棘手；部分 Haystack 特性无法直接映射到 DSPy；初期需维护两套代码；复杂流水线可能需要自定义集成。官方文档见 https://dspy.ai/ 、https://github.com/stanfordnlp/dspy 与 https://docs.haystack.deepset.ai/ 。