optimizers

# DSPy 优化器 (Teleprompters) DSPy 优化算法完整指南，用于改进提示词和模型权重。 ## 什么是优化器？ DSPy 优化器（称为“Teleprompters”）通过以下方式自动改进你的模块： - 从训练数据中**合成少样本示例** - 通过搜索**提出更好的指令** - **微调模型权重**（可选） **核心理念**：与其手动调整提示词，不如定义一个指标并让 DSPy 进行优化。 ## 优化器选择指南 | 优化器 | 适用场景 | 速度 | 质量 | 所需数据 | |-----------|----------|-------|---------|-------------| | BootstrapFewShot | 通用 | 快 | 好 | 10-50 个示例 | | MIPRO | 指令微调 | 中 | 极好 | 50-200 个示例 | | BootstrapFinetune | 微调 | 慢 | 极好 | 100+ 个示例 | | COPRO | 提示词优化 | 中 | 好 | 20-100 个示例 | | KNNFewShot | 快速基准 | 极快 | 一般 | 10+ 个示例 | ## 核心优化器 ### BootstrapFewShot **最受欢迎的优化器** - 从训练数据中生成少样本演示。 **工作原理：** 1. 获取你的训练示例 2. 使用你的模块生成预测 3. 选择高质量的预测（基于指标） 4. 在后续提示词中将这些作为少样本示例使用 **参数：** - `metric`: 对预测进行评分的函数（必需） - `max_bootstrapped_demos`: 要生成的最大演示数（默认：4） - `max_labeled_demos`: 要使用的最大标注示例数（默认：16） - `max_rounds`: 优化迭代次数（默认：1） - `metric_threshold`: 可接受的最低分数（可选） python import dspy from dspy.teleprompt import BootstrapFewShot # 定义指标 def validate_answer(example, pred, trace=None): """如果预测与标准答案匹配则返回 True。""" return example.answer.lower() == pred.answer.lower() # 训练数据 trainset = [ dspy.Example(question="What is 2+2?", answer="4").with_inputs("question"), dspy.Example(question="What is 3+5?", answer="8").with_inputs("question"), dspy.Example(question="What is 10-3?", answer="7").with_inputs("question"), ] # 创建模块 qa = dspy.ChainOfThought("question -> answer") # 优化 optimizer = BootstrapFewShot( metric=validate_answer, max_bootstrapped_demos=3, max_rounds=2 ) optimized_qa = optimizer.compile(qa, trainset=trainset) # 现在 optimized_qa 已经学习了少样本示例！ result = optimized_qa(question="What is 5+7?") **最佳实践：** - 从