dspy

DSPy エキスパートスキル

DSPy はプロンプトプログラム用のコンパイラーであり、チェーンや RAG のフレームワークではありません。型付きシグネチャを使った Python プログラムを記述すると、DSPy がプロンプトを自動的に最適化します。

⚠️ DSPy はチェーンフレームワークではありません。 prompt | model | parser は使いません。LCEL もありません。DSPy は異なるレイヤーで動作します。Python の制御フローと型付きシグネチャでプログラムを定義し、コンパイラーがメトリクスに基づいてプロンプトを最適化します。LangChain のような合成を期待して DSPy を使おうとしているなら、選ぶツールを間違えています。

LLM 向けの PyTorch と考えてください。アーキテクチャを定義し、コンパイラーが重み（プロンプト）を調整します。

コアとなるパラダイム

まずここを読んでください。DSPy について理解すべき最も重要な内容です。

import dspy

# 1. Configure the LM
lm = dspy.LM("openai/gpt-4o-mini")
dspy.configure(lm=lm)

# 2. Define a signature (input/output schema)
class QASignature(dspy.Signature):
    """Answer questions concisely."""
    question: str = dspy.InputField()
    answer: str = dspy.OutputField()

# 3. Build a program using modules
qa = dspy.ChainOfThought(QASignature)

# 4. Compile against a metric
optimizer = dspy.MIPROv2(metric=dspy.answer_exact_match)
compiled_qa = optimizer.compile(qa, trainset=trainset, num_trials=25)

# 5. Use the compiled program (portable artifact)
answer = compiled_qa(question="What is DSPy?").answer

コア原則

1. DSPy はコンパイラーであり、チェーンフレームワークではありません。 Python の制御フローと型付きシグネチャでプログラムの構造を定義します。コンパイラーがプロンプトを最適化します。これは、LangChain の明示的なプロンプト合成とは根本的に異なります。

2. シグネチャでタスクを定義します。 任意の説明を付けられる入力フィールドと出力フィールドのペアが、タスクの定義になります。構文は input1, input2 -> output1, output2 です。

3. モジュールはプログラムの構成要素です。 dspy.Predict（直接予測）、dspy.ChainOfThought（推論）、dspy.ReAct（ツール使用）、およびカスタムの dspy.Module サブクラスを使います。Python の制御フロー（if/for/while）でこれらを合成します。

4. オプティマイザーは重みではなくプロンプトを調整します。 多数のオプティマイザー（テレプロンプター）が、指示、少数ショットのデモ、またはその両方を調整します。選択はボトルネックと予算によって異なります。オプティマイザーの早見表を参照してください。

5. 一度コンパイルして、何度も提供します。 コンパイルには高いコストがかかります（$3～$300 以上）。出力は program.save(path) で保存できるポータブルな成果物です。推論のコストは低く抑えられます。

6. 積極的にキャッシュします。 DSPy はデフォルトですべての LM 呼び出しをキャッシュします。現在のクライアント用に DSPY_CACHEDIR を設定してください。dspy.LM(..., cache=False) で無効にできます。

どこから始めるか

すでにあるもの	ここから始める
何もない — DSPy を試している	パラダイムを理解し（まずこのページを読んでください）、次にシンプルな Predict プログラムを作成します
最適化したい、動作中のプロンプト	DSPy の Signature に移植し、ChainOfThought を追加して、BootstrapFewShot でコンパイルします
複数ステップのパイプライン	カスタムの dspy.Module として Python の制御フローで構築し、MIPROv2 でコンパイルします
エージェント／ツール使用のタスク	ツールと dspy.ReAct を使い、GEPA または AvatarOptimizer でコンパイルします
フレームワークを比較している	フレームワーク選択ガイドを参照してください

クイックリファレンス

タスク	方法	参照先
基本的な予測	dspy.Predict(signature)	references/core-modules.md
推論を伴う予測	dspy.ChainOfThought(signature)	references/core-modules.md
ツールを使った予測	dspy.ReAct(tools=tools)	references/agent-patterns.md
カスタムプログラム	class MyProgram(dspy.Module)	references/program-patterns.md
手軽な最適化	dspy.BootstrapFewShot(metric)	references/optimizer-guide.md
本格的な最適化	dspy.MIPROv2(metric, auto="medium")	references/optimizer-guide.md
評価	dspy.Evaluate(metric=fn, devset=examples)	references/evaluation.md
保存／読み込み	program.save(path) / program.load(path)	references/compilation-guide.md
検索	dspy.Retrieve(k=5)	references/program-patterns.md

フレームワーク選択ガイド

シナリオ	選ぶもの	理由
プロンプト最適化／コンパイル済みプログラム	DSPy	メトリクスに基づいてプロンプトを自動最適化する唯一のフレームワークです
ドキュメントのクエリ／RAG	LlamaIndex	データの取り込みと検索が第一級のプリミティブです
チェーン／エージェントの合成	LangChain	LCEL はパイプベースの合成モデルとして最も洗練されています
ステートマシン型のマルチエージェント	LangGraph	グラフトポロジー、サブグラフ、human-in-the-loop を扱えます
検索パイプライン	Haystack	検索ワークロードでは、パイプラインモデルがより成熟しています
役割ベースのチーム	CrewAI	より高水準のエージェント抽象化を提供します

参照ファイル

参照先	読み込むタイミング	ファイル
コアモジュール	Predict、ChainOfThought、ReAct を使用して構築する場合	references/core-modules.md
オプティマイザーガイド	オプティマイザーを選択、設定する場合	references/optimizer-guide.md
プログラムパターン	RAG、分類、マルチステップ、ツール使用の場合	references/program-patterns.md
評価	メトリクス、評価ループ、データセットの作成の場合	references/evaluation.md
コンパイルガイド	キャッシュ、コスト管理、保存／読み込みの場合	references/compilation-guide.md
エージェントパターン	ReAct エージェント、ツール使用、AvatarOptimizer の場合	references/agent-patterns.md
FAQ とトラブルシューティング	よくあるエラーと解決方法を確認する場合	references/faq-and-troubleshooting.md
検証監査	すべての API に関する主張を調査、検証する場合	references/validation-audit.md
RAG の実例	期待される出力を含む RAG の完全なコンパイル例	references/example-rag-compilation.md

テンプレートファイル

テンプレート	使用する場面	ファイル
分類	BootstrapFewShot を使用したテキスト分類	templates/classification.py
RAG プログラム	ColBERT 検索と ChainOfThought を使用した RAG	templates/rag-program.py
マルチステップ推論	ツール使用を含むマルチステッププログラム	templates/multi-step.py

スクリプト

スクリプト	目的	ファイル
check-setup	DSPy のインストールと設定を確認する	scripts/check-setup.py

トラブルシューティング

症状	考えられる原因	解決方法	参照先
コンパイルが遅すぎる	候補やスレッドが多すぎる	num_candidates を減らすか、auto="light" を使用します	references/optimizer-guide.md
コンパイルのコストが高すぎる	キャッシュがない	DSPY_CACHEDIR を有効にします	references/compilation-guide.md
コンテキストが長すぎる	デモが多すぎる	max_bootstrapped_demos と max_labeled_demos を減らします	references/faq-and-troubleshooting.md
コンパイル後の品質が低い	ボトルネックに合わないオプティマイザー	チートシートで、指示・デモ・重みのどれが該当するか確認します	references/optimizer-guide.md
プログラムが改善しない	メトリクスに判別力がない	bool ではなく float を返すメトリクスを使用します	references/evaluation.md
サブモジュールが更新されない	_compiled フラグが設定されている	再コンパイル前に module._compiled = False を設定します	references/compilation-guide.md

DSPy を使用しない場合

• シンプルな単一プロンプトのアプリケーション — 生の API 呼び出しのほうが簡単です
• 事前構築済みのアプリケーションモジュール（PDF の Q&A、テキストから SQL への変換）が必要な場合 — LlamaIndex または LangChain を使用します
• 最適化の予算がない単発タスク — DSPy のコンパイラーのオーバーヘッドを償却できません
• リアルタイム性が重視される低レイテンシのタスク — コンパイルは開発時に行われるため、推論時のオーバーヘッドは増加しません