dspy

DSPy (Declarative Self-improving Python) é um framework do Stanford NLP para programar—em vez de usar prompts—modelos de base. Em vez de criar prompts frágeis manualmente, os desenvolvedores escrevem código Python composicional e deixam o DSPy otimizar os prompts e os pesos dos seus programas de modelo de linguagem. O projeto visa o desenvolvimento de sistemas de IA modulares, com suporte para classificadores simples, pipelines sofisticados de geração aumentada por recuperação (RAG) e loops de agentes. Sua ideia central é a programação declarativa: você descreve o comportamento desejado e o fluxo de dados, e o DSPy compila e ajusta as interações subjacentes do modelo para entregar saídas de alta qualidade. A instalação é feita via pip (`pip install dspy`), ou diretamente do branch principal no GitHub. A documentação está hospedada em dspy.ai, e o projeto mantém uma comunidade no Discord para ajuda e contribuições. O README também lista uma série de artigos de pesquisa que fundamentam o framework, incluindo trabalhos sobre GEPA (evolução reflexiva de prompts), otimização de instruções e demonstrações para programas de LM em vários estágios, compilação de chamadas declarativas de LM em pipelines auto-melhoráveis, ajuste fino combinado com otimização de prompts, hiperparâmetros de treinamento auto-otimizados, escrita de artigos no estilo Wikipedia, classificação extrema de múltiplos rótulos, asserções DSPy e Demonstrate-Search-Predict. Informações de citação são fornecidas para uso acadêmico.