用途：在 DSPy 中根据数据量、预算和待调优对象（提示或权重）选择并比较优化器，先建立基线再编译。
主要能力：提供选择矩阵，按需求推荐起点。少量标注示例用 dspy.LabeledFewShot；约 10 个示例用 dspy.BootstrapFewShot；50+ 示例且需更强演示搜索用 dspy.BootstrapFewShotWithRandomSearch（别名 dspy.BootstrapRS）；按输入取最近示例用 dspy.KNNFewShot；仅指令爬山用 dspy.COPRO；指令与演示联合搜索用 dspy.MIPROv2（需安装 dspy[optuna]）；小批量内省规则或演示用 dspy.SIMBA；丰富文本反馈与轨迹反思用 dspy.GEPA（度量须接受五个参数）；将提示蒸馏进模型权重用 dspy.BootstrapFinetune（需可微调 LM 并调用 set_lm()）；组合候选程序用 dspy.Ensemble；串联提示与权重优化用 dspy.BetterTogether。
使用方式：先划分训练集与验证集，用 dspy-evaluation-suite 评估未编译程序，再从最便宜的匹配优化器开始，保存编译结果并与基线比较，仅在收益足够时才升级。MIPROv2 需先执行：pip install -U "dspy[optuna]>=3.2.1,<3.3"。
适用场景：快速演示优化、提示搜索、反思式优化、提示加权重优化。
限制与最佳实践：保留留出验证集，分别跟踪优化成本与推理成本，使用可复现随机种子，不宣称某优化器普遍最优，昂贵运行保存中间候选。官方文档见 https://dspy.ai/learn/optimization/optimizers/ 与 https://dspy.ai/api/optimizers/。