用 DSPy 做上下文工程
DSPy 實務工作者 Mike Taylor、Isaac 與 Drew 示範如何用簽章（signature）、型別化輸出與 GEPA 最佳化器訓練 LLM 評審，把人類化偵測率從 80% 拉到 100%，並主張把失敗案例寫進系統，遠勝於臨時修補提示詞。
推薦理由：本稿展示 DSPy 的 optimizer‑evaluator 迴圈，說明如何在多模型環境下保持任務一致性，並提供 20 範例起步、成本效益 1 美元換 2 美元的實務指標，對想要構建可擴充 LLM 工作流的開發者極具參考價值。