DSPy 优化 Datasette Agent 的 SQL 提示词

教程Simon Willison2026年7月2日3 分钟阅读
Simon Willison 尝试用 DSPy 框架评估和改进 Datasette Agent 的 SQL 系统提示词。通过自动化测试和优化,他发现了几个可以提升 AI 生成 SQL 质量的方向。

觉得有用?分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察,每周更新。

相关工具

提示词优化

by daymade

Universal
热门

适合把模糊需求、零散 prompt 提炼成可测试的结构化规范,基于 EARS 补全触发条件、约束和示例,用于优化 AI 生成代码、产品方案或文档输入。

把含糊需求快速整理成清晰、可执行的规范,尤其适合写代码和产品文档时用 EARS 方法补齐细节、少走弯路。

效率与工作流
未扫描1.3k

提示词评测

by daymade

Universal
热门

用Promptfoo搭建和执行LLM评测流程,覆盖promptfooconfig.yaml配置、Prompt测试、模型对比、Python自定义断言、llm-rubric评分与few-shot示例管理。

做提示词测试和模型对比时,提示词评测能把 Promptfoo 流程快速搭起来,YAML 配置、Python 断言和 LLM-as-judge 都很顺手。

AI 与智能体
未扫描1.3k

相关文章

Matt Pocock 介绍了他新发布的 /wayfinder Skill,针对项目规划阶段“迷雾重重”的场景,通过地图、门票等概念拆分任务,让 Agent 自主完成规划、原型和研究。他强调术语一致性的重要性,并建议在单体会话能完成的小任务上使用原有的 grill-me Skill。

教程Latent Space·8月20日·6 分钟

文章指出,Token 优化是一个系统性问题,重点在于工作流重构而非单纯压缩提示词。通过引入语义缓存、上下文预算、模型路由等架构组件,可以显著减少重复计算,降低成本与延迟。

教程The New Stack·8月20日·12 分钟

评论