推荐这个，Simon Willison 用 AIE 大会上看到的 DSPy 方法论来优化 Datasette Agent 的 SQL prompt——而且直接用 Fable 5 跑了一个异步研究任务。整个过程是"如何用 AI 改善 AI 的提示词"的绝佳范例。 Simon Willison 一直被提醒 DSPy 可能帮上忙，AIE 大会上的 keynote 让他决定动手试试。 具体操作：给 Claude Code 里的 Fable 5 发了一个异步研究任务——"pip install 最新 Datasette alpha、datasette-agent 和 dspy——然后用 dspy 评估和改进 Datasette Agent 的 SQL 系统 prompt。"Fable 选了 GPT 4.1 mini 和 nano 做测试，找到了几个有希望的方向。 最有意思的发现：schema 列表只给表名；"如果已经有信息就别调 describe_table"的建议导致列名遗漏。DSPy 优化后的 prompt 把描述数据库的命令分解为更小的步骤，让 agent 先列出列和行数再做查询。 整个过程记录在 GitHub: simonw/research/tree/main/dspy-datasette-agent-prompts 来源：@simonw, 2026-07-02 #DSPy# #Prompt工程# #Agent#

斯坦福开源的这个怪物级项目，直接把大模型变成了普通函数调用！ 项目叫 DSPy，斯坦福 NLP 团队出品，纯纯的降维打击（MIT 协议开源）。它的核心玩法就一句：拒绝“提示”，直接“编程”。你只管用 Python 写清楚要啥输入和输出，它自己在底层跑实验找规律，全自动搓出最完美提示词。以前搞提示词靠玄学，现在全是科学。 干碎玄学调参：别再给大模型“画大饼”求它办事了，代码定义接口，框架自己写 Prompt。 一键无缝换模型：今天 GPT-4 明天换 Claude，代码一行不用动，它自动按新模型的胃口适配。 自带进化引擎：遇到边缘报错？喂几个成功案例，它像编译器一样跑测试，自己进化出最佳写法。 告别草台班子：AI 接入终于能做版本控制和单元测试了，再也不怕大模型暗改搞崩业务线。 🔗 GitHub：