DSPy评测2026：功能、优化器与替代方案

从斯坦福研究到生产级框架

DSPy是什么？

• Signature：任务输入和输出的类型化定义，写作简短的类或字符串（例如"question -> answer"），可在不同的底层LLM和提示词策略之间移植
• Module：在Signature周围实现执行策略的组件——直接补全用Predict，逐步推理用ChainOfThought，使用工具的推理循环用ReAct，等等
• Optimizer（此前称为teleprompter）：一种根据某项指标自动（而非手动）调优DSPy程序内提示词和少样本示例的算法——知名优化器包括BootstrapFewShot、MIPROv2和GEPA
• 编译程序：在训练集和评分函数上运行优化器，会生成一个内置了调优后指令与示例的已编译程序，之后可像任何其他DSPy程序一样运行
• 模型无关：DSPy连接的是你所配置的LLM提供商，而不是内置某个模型；同一份Signature/Module代码可针对不同的底层模型重新优化
• 并非多智能体编排器：DSPy没有像CrewAI或AutoGen那样内置多个相互通信智能体的概念——DSPy程序通常是一个由Module组成的单一管道，不过ReAct模块可以在推理循环中调用工具

pip install dspy

# 最小示例：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)

DSPy的费用是多少？

• DSPy（开源框架）：在MIT许可下永久免费，自托管，没有使用量上限，运行时不需要账户
• 没有托管产品或订阅：DSPy是你自行导入并运行的库，而不是托管服务——没有任何东西需要订阅
• 可选费用：如果连接的是云端模型而非本地模型，需支付所配置LLM提供商的API费用（例如云服务商按token计费）
• 优化器相关成本：运行像MIPROv2这样的优化器会进行多次LLM调用以搜索最佳提示词配置，因此编译程序本身会产生额外的API调用成本，之后再运行已编译程序还会产生进一步的成本

如何安装并开始使用DSPy？

1. 1
   安装该包：pip install dspy。
2. 2
   配置一个LLM提供商——例如，托管模型可用dspy.configure(lm=dspy.LM('openai/gpt-4o-mini', api_key='your-key'))，或指向本地提供的OpenAI兼容端点。
3. 3
   定义一个描述任务输入输出的Signature，可以是简短字符串（"question -> answer"），也可以是使用dspy.InputField() / dspy.OutputField()的类型化类。
4. 4
   将Signature封装进一个Module——直接调用用dspy.Predict(...)，逐步推理用dspy.ChainOfThought(...)——然后像调用函数一样调用它。
5. 5
   可选：准备一个小型训练集和一个评分函数，然后运行dspy.BootstrapFewShot或dspy.MIPROv2等优化器，编译出调优版本的程序。
6. 6
   完整教程集，包括RAG管道、使用ReAct的智能体循环以及优化器配置，参见DSPy文档。

谁应该使用DSPy？

什么情况下不应使用DSPy？

• 需要可视化、无代码工作流构建器的团队——DSPy是代码优先的，没有拖拽式界面
• 本质上属于多智能体协调（智能体之间相互委派子任务）的项目——为该模式专门打造的框架，如CrewAI或AutoGen，在结构上更合适
• 一个手写单一提示词已足够胜任的一次性脚本——引入Signature、Module和优化循环会带来额外的工程开销，只有在需要可衡量、可复现的提示词改进时才值得
• 没有办法为正确性打分的任务——DSPy的优化器需要一个指标函数，因此纯主观、没有标签示例的任务从优化步骤中获益很少
• 恰恰相反，当你有一个管道、一项指标和一个训练集，并希望将提示词工程步骤自动化、可复现时，才是使用DSPy的最佳时机

DSPy与替代方案对比

评估DSPy时的常见错误

常见问题

资料来源

相关阅读

• LangChain评测：功能、价格、替代方案 — 面向需要现成连接器而非提示词优化的团队，是拥有最广泛集成生态的通用Python LLM管道框架。
• LlamaIndex评测：RAG框架 — 面向检索增强型管道的RAG专用数据框架，是与DSPy同属构建模块类别的另一个Python框架。
• Semantic Kernel评测：功能、价格、替代方案 — 微软面向.NET/Python/Java团队的企业级编排SDK，用于结构化提示词和技能组合。
• CrewAI评测：功能、价格、替代方案 — 面向需要智能体协调而非提示词优化团队的、基于角色的多智能体框架。
• 本地LLM软件目录 — 本文所属的本地AI工具完整目录，其中包含DSPy在智能体与管道框架中的定位。