签名
在 DSPy 中，当我们将任务分配给 LM 时，我们将我们需要的行为规定为一个 Signature。
Signature 是对 DSPy 模块的输入/输出行为的声明性规范。 Signature 允许您告诉 LM 需要做什么，而不是指定我们应该如何要求 LM 去做。
您可能熟悉函数签名，它们指定输入和输出参数及其类型。DSPy 签名类似，但不同之处在于：
-
传统的函数签名只是描述事物，而 DSPy 签名则定义和控制模块的行为。
-
在 DSPy 签名中，字段名称很重要。您用简单的英语表达语义角色：
question与answer不同，sql_query与python_code也不同。
我为什么要使用 DSPy 签名？
简短回答： 为了模块化和清晰的代码，其中 LM 调用可以优化为高质量提示（或自动微调）。
详细回答： 大多数人通过修改冗长且脆弱的提示来强迫 LM 完成任务。或者通过收集/生成数据进 行微调。
编写签名比在提示或微调上进行修改更模块化、适应性更强、可重复性更好。DSPy 编译器将找出如何为您的 LM 构建高度优化的提示（或微调您的小型 LM）以适应您的签名、您的数据和您的流程。在许多情况下，我们发现编译出的提示比人类编写的更好。并不是因为 DSPy 优化器比人类更有创造力，而仅仅是因为它们可以尝试更多的方法并直接调整指标。
内联 DSPy 签名
签名可以定义为一个简短的字符串，其中参数名称定义了输入/输出的语义角色。
-
问答：
"question -> answer" -
情感分类：
"sentence -> sentiment" -
摘要：
"document -> summary"
您的签名也可以具有多个输入/输出字段。
-
基于检索的问答：
"context, question -> answer" -
具有推理的多项选择问答：
"question, choices -> reasoning, selection
提示： 对于字段，任何有效的变量名称都可以使用！字段名称应具有语义意义，但要简单起见，不要过早优化关键字！将这种修改留给 DSPy 编译器。例如，对于摘要，可能可以说 "document -> summary"、"text -> gist" 或 "long_context -> tldr"。
示例 A：情感分类
sentence = "it's a charming and often affecting journey." # 来自 SST-2 数据集的示例。
classify = dspy.Predict('sentence -> sentiment')
classify(sentence=sentence).sentiment
输出：
'Positive'
示例 B：摘要
# XSum 数据集中的示例。
document = """这位 21 岁的球员在上赛季为锤子队出场七次，在一场欧洲联赛预选赛中攻入了他们的唯一进球，对阵安道尔球队 FC Lustrains。上赛季，李在英甲联赛有两次租借经历，先是去了布莱克浦，然后是科尔切斯特联队。他为科尔切斯特联队打入两球，但未能帮助球队免于降级。李与晋级的泰克斯队签订的合同长度尚未透露。在我们专门的页面上查看所有最新的足球转会消息。"""
summarize = dspy.ChainOfThought('document -> summary')
response = summarize(document=document)
print(response.summary)
输出:
21岁的李在上个赛季为西汉姆联队出场7次，打入1球。他曾在英甲联赛租借效力于布莱克浦和科尔切斯特联队，后者他打入了两球。他现在已经与巴恩斯利签约，但合同的期限尚未透露。
许多 DSPy 模块（除了 dspy.Predict）会在幕后扩展您的签名以返回辅助信息。
例如，dspy.ChainOfThought 还会添加一个 rationale 字段，其中包含 LM 在生成输出 summary 之前的推理过程。
print("推理:", response.rationale)
输出:
推理: 产生摘要。我们需要强调关于李在西汉姆联队表现、在英甲联赛的租借经历以及与巴恩斯利的新合同的关键点。我们还需要提到他的合同期限尚未披露。
基于类 的 DSPy 签名
对于一些高级任务，您可能需要更详细的签名。这通常是为了：
-
澄清任务性质的某些内容（在下面的
docstring中表达）。 -
为
dspy.InputField的desc关键字参数提供有关输入字段性质的提示。 -
为
dspy.OutputField的desc关键字参数提供有关输出字段约束的提示。
示例 C: 分类
请注意，docstring 包含（最小的）说明，这在这种情况下是必要的，以便完全定义任务。
DSPy 中的一些优化器，如 COPRO，可以获取这个简单的 docstring，然后根据需要生成更有效的变体。
class Emotion(dspy.Signature):
"""对悲伤、喜悦、爱、愤怒、恐惧、惊讶等情绪进行分类。"""
sentence = dspy.InputField()
sentiment = dspy.OutputField()
sentence = "i started feeling a little vulnerable when the giant spotlight started blinding me" # 来自 dair-ai/emotion
classify = dspy.Predict(Emotion)
classify(sentence=sentence)
输出:
Prediction(
sentiment='恐惧'
)
提示: 清楚地指定您对 LM 的请求没有错。基于类的签名可以帮助您做到这一点。但是，不要过早地手动调整签名的关键字。DSPy 优化器可能会做得更好（并且在不同的 LM 之间转移效果更好）。
示例 D: 评估引文忠实度的度量标准
class CheckCitationFaithfulness(dspy.Signature):
"""验证文本是否基于提供的背景信息。"""
context = dspy.InputField(desc="这里的事实被假定为真实的")
text = dspy.InputField()
faithfulness = dspy.OutputField(desc="True/False 表示文本是否忠实于背景信息")
context = "这位21岁的球员上赛季为Hammers出场7次，在一场欧洲联赛预选赛中攻入了他们的唯一进球，对阵安道尔球队FC Lustrains。上赛季，Lee在英甲联赛有两次租借经历，先是去了Blackpool，然后是Colchester United。他为Colchester United打入两球，但未能帮助球队免于降级。目前还不清楚Lee与提升级别的Tykes签约的合同期限。在我们专门的页面上找到所有最新的足球转会消息。"
text = "Lee在Colchester United打入了3个进球。"
faithfulness = dspy.ChainOfThought(CheckCitationFaithfulness)
faithfulness(context=context, text=text)
输出:
预测(
解释="产生忠实度。我们知道上赛季李在英甲联赛有两次租借经历，先是去了布莱克浦，然后是科尔切斯特联队。他为科尔切斯特联队打入了两球，但未能帮助球队免于降级。然而，并未提及他为科尔切斯特联队打入三球。",
忠实度='错误'
)
使用签名构建模块并编译它们
虽然签名在使用结构化输入/输出进行原型设计时很方便，但这并不是使用它们的主要原因！
您应该将多个签名组合成更大的DSPy模块，并将这些模块编译成优化提示和微调。