dspy

已将 PEEK 方法移植到 DSPy，使任何 DSPy 代理都能受益于如论文所示的改进性能和成本降低。

PEEK 功能即将登陆 ax-agent，这是一个用于自动生成提示词和构建 AI 智能体的 TypeScript 库，支持多种提供商。

Manning Books 宣布推出一本新的抢先版书籍《Building LLM Applications with DSPy》，教授如何使用DSPy框架通过Python优化LLM提示。该书在6月3日前享受50%折扣。

kg-gen 是一个开源 Python 包，通过语言模型（借助 LiteLLM 和 DSPy）从纯文本或对话消息中提取知识图谱，具备分块、聚类和灵活的路由提供商功能。

MaximeRivest解释了DSPy的五个核心组件——Optimizers、Signatures、LMs、Modules和Adapters——并认为有效的AI工程需要掌握这些要素，同时强调了结构化输出渲染这一常常被忽视的作用。

ROMA 是一个基于 DSPy 构建的递归式多 Agent 框架，旨在通过层次化递归结构解决复杂推理任务，支持任务拆解、并行处理及多种 LLM 提供商。

Maxime Rivest 指出，面向图像的复合 AI 系统目前被严重低估，他建议借助 DSPy 和 GEPA 等优化框架，实现涉及 SAM 与分类器的流水线自动化构建。

教程演示如何借助 Claude 和 Codex 快速搭建 DSPy + GEPA + RLM，提供复制即用的代码。

DSPy 3.2.0 优化了 dspy.RLM 的解析、工具执行与故障恢复，并持续推进与 LiteLLM 的解耦。

一条社交媒体动态，推荐一篇把 RLM 和 DSPy 应用于多模态数据的文章。

一篇回顾 DSPy 框架架构的帖子，该框架围绕签名、模块和优化器构建，并指出它自 2022 年以来仍在持续增长。

这篇文章强调在AI软件开发中需要一个清晰的心理模型来正确指定问题并避免过度工程化，与假设AI处理问题定义形成对比。