基于 DSPy 的上下文工程：内容简介
本书把上下文工程视为可测量的软件过程。内容先定义上下文工程并介绍 DSPy，然后给出八步法，把问题定义、数据准备、模块设计和评估连接起来。中段深入数据集收集、指标、提示优化器、自定义模块、类型和适配器；后段进入智能体、实际用例、生产部署以及编码智能体优化。读者可借此从手工调提示转向以数据和指标驱动的迭代流程，并理解长上下文常见失效模式。章节顺序也便于把现有 LLM 原型重新拆成数据、模块、优化器和评估四个可单独改进的部分。
《基于 DSPy 的上下文工程》主要内容
- 区分上下文工程与提示词工程
- 掌握 DSPy 八步开发流程
- 收集数据集并设计可解释的评估指标
- 使用优化器和自定义模块改进程序
- 将 DSPy 智能体部署到生产并持续评估
适合哪些读者
适合有 Python 和大语言模型应用经验的开发者、机器学习工程师与智能体工程师。了解基本测试和数据集概念有助于跟进优化章节。
DSPy API 与模型服务可能更新，运行示例前应核对对应版本。
目录、试读与相关阅读
可在本页“目录与试读”中查看章节和正文节选，在“书籍资料”中核对作者、版本、语言与 EPUB 文件大小。同主题读本包括面向平台工程的智能体 AI、AI 智能体实战（第二版），以及数字图像处理：理论、实践与 AI 应用。
继续浏览人工智能与 AI 工程，或查看EPUB 阅读与下载帮助。
目录与试读
目录
章节与主要小节（依据 EPUB 导航整理）：
前言
本书的软件要求
本书的约定
使用代码示例
O'Reilly 在线学习
如何联系我们
致谢
1. 上下文工程简介
定义上下文工程
上下文工程与提示词工程
介绍 DSPy
长上下文的失效模式
上下文工程技术
结论
2. DSPy 简介
语言模型
签名
模块
评估
优化器
DSPy 的哲学
我如何使用 DSPy
结论
3. DSPy 八步法
配置我们的程序
指定你的签名
构建你的模块
探索几个示例
收集你的数据集
定义你的指标
建立基线
优化你的程序
测试与迭代
结论
4. 收集数据集的策略
错误分析
领域专家
第三方数据集
合成自举
结论
5. 评估指标
字符串比较
语义相似度
LLM 作为评判者
评判小组
结论
6. 深入探讨提示词优化器
配置 AI 检测模块
自动少样本学习优化器
自动指令优化器
自动微调优化器
使用集成进行程序转换
选择合适的优化器
结论
7. 自定义模块、类型和适配器
内置模块
自定义 DSPy 程序
其他组件
多模态类型
聊天适配器
构建自定义适配器
结论
8. 构建 AI 智能体
智能体与工作流
DSPy 的 ReAct 智能体
为智能体添加检索
赋予智能体内存
结论
9. 实际用例
社交媒体情感分类器
发票实体提取
营销内容生成器
新闻研究摘要器
时尚视频生成器
客户服务 RAG 智能体
金融分析师智能体
结论
10. 将 DSPy 投入生产
使用 MLflow 进行监控和可观测性
使用 FastAPI 部署
构建 Gradio 用户界面 (DSPyUI)
其他语言中的 DSPy
结论
11. 使用 DSPy 优化编码智能体
端到端优化 SKILL.md
使用 DSPy 构建 CLI
自进化智能体
优化器是商品
你构建的内容
结语
作者简介
试读节选
提示词的重要性随着时间推移已相对降低，因为模型变得更强大，更能猜测用户的意图。然而，随着AI智能体在更长时间内自主运行，早期错误会累积，成本呈指数级增长。提供给语言模型的信息必须由周围的系统仔细筛选，以便它们能在正确的时间、以正确的格式获取正确的信息。
