146、Prompt 优化迭代：用 DSPy 思路让 LLM 自己调自己的提示词

146、Prompt 优化迭代：用 DSPy 思路让 LLM 自己调自己的提示词

从一次“提示词调吐了”的深夜说起

上周三凌晨两点，我盯着屏幕上那个“情感分析准确率死活卡在82%”的折线图，咖啡已经凉透了。手写了二十几个版本的 prompt，从“请分析以下文本的情感”到“你是一个拥有十年经验的心理学家，请用五维情感模型分析”，准确率纹丝不动。那一刻我突然意识到——我他妈在跟一个黑盒玩猜谜游戏，而 LLM 自己可能根本不知道我想要什么。

这种“人肉调参”的痛，做过 NLP 工程的都懂。后来我翻到了斯坦福的 DSPy 论文，核心思路其实就一句话：让 LLM 自己写 prompt，自己验证效果，自己迭代。别笑，这玩意儿真能跑通。

传统 prompt 优化的死胡同

先说说为什么手动调 prompt 是条死路。你写“请用 JSON 格式输出”，LLM 可能给你带个 markdown 代码块；你写“不要解释”，它偏要加一句“当然可以”。更恶心的是，同一个 prompt 在 GPT-4 上跑得好好的，换到 Claude 或者本地部署的 LLaMA 上直接崩。

我踩过最大的坑是给一个分类任务写 prompt，加了十几条“必须遵守”的规则，结果模型开始疯狂输出“根据规则1.3.2，我认为…”，准确率反而掉了5个点。规则越多，模型越怂，这是血泪教训。