مراجعة DSPy: الميزات والمُحسِّنات والبدائل

من بحث في ستانفورد إلى إطار عمل إنتاجي

ما هو DSPy؟

• Signature: تعريف مُحدَّد النوع لمدخلات ومخرجات مهمة، يُكتب كفئة قصيرة أو سلسلة نصية (مثل "question -> answer")، وقابل للنقل بين نماذج لغة مختلفة واستراتيجيات مُوجِّهات مختلفة
• Module: مكوّن يُنفِّذ استراتيجية تنفيذ حول Signature — Predict للإكمال المباشر، ChainOfThought للاستدلال خطوة بخطوة، ReAct لحلقات الاستدلال المستخدمة للأدوات، وغيرها
• Optimizer (كان يُسمى سابقًا teleprompter): خوارزمية تضبط المُوجِّهات والأمثلة قليلة اللقطات داخل برنامج DSPy تلقائيًا وفق مقياس، بدلًا من الضبط اليدوي — تشمل المُحسِّنات المسمّاة BootstrapFewShot وMIPROv2 وGEPA
• تجميع برنامج: تشغيل مُحسِّن على مجموعة تدريب ودالة تقييم ينتج برنامجًا مُجمَّعًا مع تعليمات وأمثلة مضبوطة مُضمَّنة فيه، ثم تُشغّله بعد ذلك مثل أي برنامج DSPy آخر
• مستقل عن النموذج: يتصل DSPy بمزوّد نموذج اللغة الذي تعدّه بدلًا من تضمين نموذج مدمج، ويمكن إعادة تحسين نفس شيفرة Signature/Module لنموذج أساسي مختلف
• ليس منسّق وكلاء متعددين: لا يملك DSPy مفهومًا مدمجًا لعدة وكلاء متواصلة كما هو الحال في CrewAI أو AutoGen — عادةً ما يكون برنامج DSPy خط أنابيب واحدًا من Modules، رغم أن وحدات ReAct يمكنها استدعاء أدوات ضمن حلقة استدلال

pip install dspy

# مثال بسيط: Signature + Module + Optimizer
import dspy

class AnswerQuestion(dspy.Signature):
    """Answer a question factually."""
    question: str = dspy.InputField()
    answer: str = dspy.OutputField()

qa = dspy.ChainOfThought(AnswerQuestion)
result = qa(question="What is the capital of France?")
print(result.answer)

كم تكلفة DSPy؟

• DSPy (إطار العمل مفتوح المصدر): مجاني إلى الأبد بموجب رخصة MIT، ويُستضاف ذاتيًا، دون حدود استخدام، ولا يتطلب حسابًا لتشغيله
• لا يوجد منتج مُستضاف أو اشتراك: DSPy مكتبة تستوردها وتشغّلها بنفسك، لا خدمة مُدارة — لا يوجد شيء تشترك فيه
• تكلفة اختيارية: رسوم واجهة برمجة تطبيقات من مزوّد نموذج اللغة المُعدّ (مثل التسعير حسب الرمز من مزوّد سحابي) إذا وصلت نموذجًا سحابيًا بدلًا من نموذج محلي
• اعتبار تكلفة المُحسِّنات: تشغيل مُحسِّن مثل MIPROv2 يُجري عدة استدعاءات لنموذج اللغة بحثًا عن أفضل تكوين للمُوجِّه، لذا فإن تجميع البرنامج له تكلفة استدعاءات واجهة برمجة تطبيقات خاصة به، بالإضافة إلى تكلفة تشغيل البرنامج المُجمَّع لاحقًا

كيف تُثبِّت DSPy وتبدأ استخدامه؟

1. 1
   ثبِّت الحزمة: pip install dspy.
2. 2
   أعدّ مزوّد نموذج لغة — على سبيل المثال، dspy.configure(lm=dspy.LM('openai/gpt-4o-mini', api_key='your-key')) لنموذج مُستضاف، أو وجّهه إلى نقطة نهاية محلية متوافقة مع OpenAI.
3. 3
   عرّف Signature تصف مدخلات ومخرجات مهمتك، إما كسلسلة نصية قصيرة ("question -> answer") أو كفئة مُحدَّدة النوع باستخدام dspy.InputField() / dspy.OutputField().
4. 4
   غلّف Signature في Module — dspy.Predict(...) لاستدعاء مباشر، أو dspy.ChainOfThought(...) للاستدلال خطوة بخطوة — واستدعِه كدالة.
5. 5
   اختياري: اجمع مجموعة تدريب صغيرة ودالة تقييم، ثم شغّل مُحسِّنًا مثل dspy.BootstrapFewShot أو dspy.MIPROv2 لتجميع نسخة مضبوطة من برنامجك.
6. 6
   راجع وثائق DSPy للاطلاع على مجموعة الدروس التعليمية الكاملة، بما في ذلك خطوط أنابيب RAG وحلقات الوكلاء باستخدام ReAct وإعداد المُحسِّنات.

من يجب أن يستخدم DSPy؟

متى لا يجب أن تستخدم DSPy؟

• فريق يحتاج إلى أداة بناء سير عمل بصرية وبلا شيفرة — DSPy يعتمد الشيفرة أولًا وليس له واجهة سحب وإفلات
• مشروع يعتمد أساسًا على تنسيق متعدد الوكلاء (وكلاء يفوّضون مهامًا فرعية لبعضهم البعض) — إطار عمل مبني خصيصًا لهذا النمط، مثل CrewAI أو AutoGen، أنسب بنيويًا
• سكربت لمرة واحدة يعمل فيه مُوجِّه واحد مكتوب يدويًا بشكل جيد بالفعل — إدخال Signatures وModules وحلقة تحسين يضيف عبء هندسي لا يستحق العناء إلا عند الحاجة إلى تحسين مُوجِّه قابل للقياس والتكرار
• مهمة لا توجد طريقة لتقييم صحتها — تتطلب مُحسِّنات DSPy دالة مقياس، لذا فإن المهام الذاتية بحتة بلا أمثلة مُصنَّفة تستفيد قليلًا من خطوة التحسين
• استخدم DSPy بدلًا من ذلك تحديدًا عندما يكون لديك خط أنابيب ومقياس ومجموعة تدريب، وتريد أتمتة خطوة هندسة المُوجِّهات وجعلها قابلة للتكرار

DSPy مقابل البدائل

قارن في الدليل→

أخطاء شائعة عند تقييم DSPy

الأسئلة الشائعة

المصادر

قراءات ذات صلة

• مراجعة LangChain: الميزات والأسعار والبدائل — إطار عمل Python عام لخطوط أنابيب نماذج اللغة بأوسع منظومة تكاملات، للفرق التي تحتاج موصلات جاهزة لا تحسين مُوجِّهات.
• مراجعة LlamaIndex: إطار عمل RAG — إطار بيانات مركّز على RAG لخطوط أنابيب الاسترجاع المُعزَّز، وهو إطار Python آخر ضمن فئة اللبنات نفسها التي ينتمي إليها DSPy.
• مراجعة Semantic Kernel: الميزات والأسعار والبدائل — حزمة تطوير برمجيات مايكروسوفت المؤسسية لتنسيق تأليف المُوجِّهات والمهارات المُهيكَل، للفرق العاملة بـ.NET/Python/Java.
• مراجعة CrewAI: الميزات والأسعار والبدائل — إطار عمل متعدد الوكلاء قائم على الأدوار، للفرق التي تحتاج تنسيق وكلاء لا تحسين مُوجِّهات.
• دليل برمجيات نماذج اللغة المحلية — الفهرس الكامل لأدوات الذكاء الاصطناعي المحلية الذي ينتمي إليه هذا المقال، بما في ذلك مكانة DSPy بين أطر عمل الوكلاء وخطوط الأنابيب.