DSPy（声明式 LLM 编程框架）

import dspy

# 写法一：字符串简写（适合简单任务）
# "question -> answer" 表示输入 question，输出 answer
predictor = dspy.Predict("question -> answer")

# 写法二：类定义（适合复杂任务，字段可加详细描述）
class QA(dspy.Signature):
    """根据上下文回答问题"""
    context = dspy.InputField(desc="包含答案的背景信息")
    question = dspy.InputField(desc="用户的问题")
    answer = dspy.OutputField(desc="基于背景信息的准确答案")

import dspy

class SimpleQA(dspy.Module):
    def __init__(self):
        super().__init__()
        self.answer = dspy.ChainOfThought("context, question -> answer")

    def forward(self, context, question):
        return self.answer(context=context, question=question)

pip install -U dspy

import dspy
import os

# 1. 配置 LLM 后端
lm = dspy.LM("openai/gpt-4o-mini", api_key=os.getenv("OPENAI_API_KEY"))
dspy.configure(lm=lm)

# 2. 定义签名：声明输入输出
class GenerateAnswer(dspy.Signature):
    """根据背景信息回答问题"""
    context = dspy.InputField(desc="相关的背景知识")
    question = dspy.InputField(desc="用户的问题")
    answer = dspy.OutputField(desc="基于背景信息的准确答案")

# 3. 用 ChainOfThought 模块包装（自动加入推理步骤）
cot = dspy.ChainOfThought(GenerateAnswer)

# 4. 调用
result = cot(
    context="Python 由 Guido van Rossum 于 1991 年创建，以简洁语法著称。",
    question="Python 是谁创建的？"
)

print("推理过程:", result.reasoning)
print("最终答案:", result.answer)

推理过程: 根据背景信息，明确提到 Python 由 Guido van Rossum 于 1991 年创建。
最终答案: Python 由 Guido van Rossum 创建。

import dspy
import os

# 配置 LLM
lm = dspy.LM("openai/gpt-4o-mini", api_key=os.getenv("OPENAI_API_KEY"))
dspy.configure(lm=lm)

# 定义情感分类签名
class SentimentClassify(dspy.Signature):
    """判断文本的情感倾向"""
    text = dspy.InputField(desc="待分析的文本")
    sentiment = dspy.OutputField(desc="情感标签: positive / negative / neutral")

# 定义模块
classifier = dspy.Predict(SentimentClassify)

# 准备训练数据
trainset = [
    dspy.Example(text="这部电影太棒了！", sentiment="positive").with_inputs("text"),
    dspy.Example(text="浪费时间，不推荐。", sentiment="negative").with_inputs("text"),
    dspy.Example(text="还行吧，一般般。", sentiment="neutral").with_inputs("text"),
    dspy.Example(text="强烈推荐！", sentiment="positive").with_inputs("text"),
]

# 定义评估指标
def match_sentiment(example, pred, trace=None):
    return example.sentiment.strip().lower() == pred.sentiment.strip().lower()

# 用 BootstrapFewShot 优化器编译
optimizer = dspy.BootstrapFewShot(metric=match_sentiment, max_bootstrapped_demos=2)
optimized_classifier = optimizer.compile(classifier, trainset=trainset)

# 测试优化后的模块
result = optimized_classifier(text="非常失望，质量很差。")
print(f"情感: {result.sentiment}")
# 预期输出 → 情感: negative

import dspy
import os

lm = dspy.LM("openai/gpt-4o-mini", api_key=os.getenv("OPENAI_API_KEY"))
dspy.configure(lm=lm)

class ResearchAssistant(dspy.Module):
    """多步骤研究助手：拆解问题 → 分析 → 综合答案"""
    def __init__(self):
        super().__init__()
        self.decompose = dspy.ChainOfThought("question -> key_concepts")
        self.analyze = dspy.ChainOfThought("question, key_concepts -> analysis")
        self.synthesize = dspy.ChainOfThought("question, analysis -> final_answer")

    def forward(self, question):
        step1 = self.decompose(question=question)
        step2 = self.analyze(question=question, key_concepts=step1.key_concepts)
        step3 = self.synthesize(question=question, analysis=step2.analysis)
        return step3

assistant = ResearchAssistant()
result = assistant(question="为什么 Transformer 架构在 NLP 中取代了 RNN？")
print(result.final_answer)