工具、开发与部署

本节涵盖DSPy的核心功能以及专业AI开发的最佳实践。学习如何在您的DSPy应用中实现关键功能，如流式处理、缓存、部署和监控。这些教程着重于构建生产就绪系统的实际方面。

集成与工具化

在DSPy中使用MCP

学习如何将模型上下文协议（MCP）与DSPy应用集成。本教程展示如何利用MCP实现增强的上下文管理和更复杂的人工智能交互。

Output Refinement

掌握通过优化策略提升输出质量的技术。学习如何实现N选一最佳采样和迭代优化，从您的DSPy程序中获得更高质量的结果。

数据管理与持久化

保存与加载

了解如何持久化和恢复DSPy程序及其优化状态。学习模型版本管理、检查点管理和程序序列化的最佳实践。

Cache

实施高效的缓存策略以提升性能并降低API成本。学习如何在不同场景下有效配置和使用DSPy的缓存机制。

生产部署

Deployment

学习在生产环境中部署DSPy应用程序。本教程涵盖多种部署策略，如FastAPI和MLflow。

流式处理

在您的DSPy应用中实现实时流式处理能力。了解如何在交互式应用中处理流式响应以提升用户体验。

Async

构建异步DSPy应用程序以提高性能和可扩展性。学习异步/等待模式和并发执行策略，适用于高吞吐量系统。

监控与优化

调试与可观测性

掌握DSPy应用的调试与监控技术。学习在生产系统中使用全面的日志记录、追踪和错误处理方法。

Tracking DSPy Optimizers

学习跟踪和分析优化器的性能与行为。了解如何监控优化过程并增强优化的可重现性。