使用GEPA进行反思式提示演进

本节介绍GEPA，一种用于DSPy的反思式提示优化器。GEPA通过利用语言模型反思DSPy程序执行轨迹的能力，识别哪些部分表现良好、哪些部分存在问题以及哪些可以改进。基于这种反思，GEPA提出新的提示，构建一个进化提示候选树，随着优化进程不断积累改进。由于GEPA可以利用领域特定的文本反馈（而不仅仅是标量指标），它通常能在很少的迭代中提出高性能提示。GEPA在论文GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning中提出，并以dspy.GEPA的形式提供，其内部使用了gepa-ai/gepa提供的GEPA实现。