Prompt escrito à mão é frágil: quebra quando o modelo muda e é difícil de manter. O DSPy, criado no Stanford NLP, propõe outra abordagem: em vez de escrever prompts, você programa a lógica do pipeline e deixa otimizadores ajustarem os prompts sozinhos.
O que é o DSPy?
Você define a lógica de forma declarativa, com Módulos e Signatures, e os "otimizadores" (teleprompters) compilam o pipeline gerando os exemplos e prompts que maximizam a métrica escolhida. Na prática, trata pipelines de LLM como programas de machine learning que podem ser ajustados com dados.
Recursos principais
- Programe a lógica com Módulos e Signatures em vez de prompts manuais
- Otimizadores geram few-shots e prompts para maximizar uma métrica
- Pipelines viram programas testáveis e ajustáveis com dados
- Criado pelo Stanford NLP, com forte adoção acadêmica e industrial
- Cerca de 24 mil estrelas no GitHub
Como a Reche usa
Sistemas de IA robustos precisam ser medidos e otimizados, não ajustados no olho. A Reche aplica essa disciplina, com métricas e avaliação, ao construir produtos com IA, para que a qualidade não dependa de um prompt sortudo.