DSPy फ़्रेमवर्क का परिचय
जानें कि DSPy हाथ से लिखे गए प्रॉम्प्ट की जगह घोषणात्मक सिग्नेचर क्यों इस्तेमाल करता है।
DSPy फ़्रेमवर्क का परिचय, CoddyKit पर AI प्रॉम्प्ट इंजीनियरिंग का एक निःशुल्क पाठ है। यह 4 में से 1वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह AI प्रॉम्प्ट इंजीनियरिंग सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। AI प्रॉम्प्ट इंजीनियरिंग पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
हाथ से लिखे गए प्रॉम्प्टों की नाज़ुकता
हाथ से तैयार किए गए प्रॉम्प्ट नाज़ुक होते हैं। एक शब्द बदलने से मॉडल का व्यवहार काफ़ी बदल सकता है, और जो GPT-4 के लिए काम करता है, वह अक्सर क्लॉड या जेमिनी पर विफल हो जाता है।
प्रॉम्प्ट तैयार करने वाले इंजीनियर शब्दों को बदलने में घंटों बिताते हैं, लेकिन अंत में पाते हैं कि ये बदलाव अलग-अलग डेटासेट या मॉडल संस्करणों पर प्रभावी नहीं होते। यही नाज़ुकपन DSPy द्वारा हल की जाने वाली मुख्य समस्या है।
DSPy क्या है
DSPy (घोषणात्मक, स्व-सुधार करने वाला पाइथन) स्टैनफ़र्ड का एक फ़्रेमवर्क है, जो प्रॉम्प्ट तैयार करने को कौशल-आधारित कार्य के बजाय संकलन की समस्या मानता है।
यह लिखने के बजाय: "Think step by step and answer the following question...", आप यह घोषित करते हैं कि आपको क्या चाहिए (एक signature), और DSPy स्वयं तय करता है कि मॉडल को वह परिणाम प्राप्त करने के लिए कैसे प्रॉम्प्ट दिया जाए।
DSPy इंस्टॉल करना
DSPy PyPI पर उपलब्ध है। शुरुआत करने के लिए इसे इंस्टॉल करें और भाषा मॉडल का बैकएंड configure करें।
pip install dspy-ai
# Basic setup in Python
import dspy
# Configure the language model
lm = dspy.LM('openai/gpt-4o-mini', api_key='sk-...')
dspy.configure(lm=lm)
print('DSPy configured successfully')मुख्य विचार: तर्क को प्रॉम्प्ट तैयार करने से अलग रखना
पारंपरिक प्रॉम्प्ट तैयार करने में प्रोग्राम का तर्क और प्रॉम्प्ट का पाठ आपस में उलझे रहते हैं। यदि आप मॉडल के तर्क करने का तरीका बदलना चाहते हैं, तो आपको प्रॉम्प्ट स्ट्रिंग फिर से लिखनी पड़ती है।
DSPy इन दोनों चिंताओं को अलग करता है: आप मॉड्यूल का उपयोग करके पाइथन तर्क लिखते हैं, और DSPy संकलन के चरण के दौरान वास्तविक प्रॉम्प्ट-पाठ अपने-आप बनाता और अनुकूलित करता है।
signature: आशय घोषित करना
DSPy में signature इनपुट और आउटपुट की प्रकार-सहित घोषणा होती है। यह क्या करना है बताता है, कैसे करना है नहीं।
DSPy संकलन के समय उपयुक्त प्रॉम्प्ट बनाने के लिए signature का उपयोग करता है — आपको स्वयं प्रॉम्प्ट तैयार करने की आवश्यकता नहीं होती।
import dspy
# Declare: given a question, produce an answer
class SimpleQA(dspy.Signature):
"""Answer questions with short factual responses."""
question: str = dspy.InputField()
answer: str = dspy.OutputField(desc='A concise factual answer')
# DSPy turns this declaration into a real prompt automatically
print(SimpleQA.__doc__)मॉड्यूल: संयोज्य तर्क-खंड
DSPy ऐसे मॉड्यूल उपलब्ध कराता है, जो सामान्य तर्क-पद्धतियों को लागू करते हैं। आप उनका उपयोग PyTorch की परतों की तरह करते हैं — उन्हें जोड़कर बड़े प्रोग्राम बनाते हैं।
dspy.Predict— प्रत्यक्ष पूर्वानुमानdspy.ChainOfThought— तर्क के चरण जोड़ता हैdspy.ReAct— तर्क + उपकरणों का उपयोग
import dspy
class SimpleQA(dspy.Signature):
"""Answer questions with short factual responses."""
question: str = dspy.InputField()
answer: str = dspy.OutputField()
# Three different module strategies for the same signature
predict_module = dspy.Predict(SimpleQA)
cot_module = dspy.ChainOfThought(SimpleQA)
# Call just like a function
result = predict_module(question='What is the capital of France?')
print(result.answer)संकलन क्या करता है
संकलन वह प्रक्रिया है जिसमें DSPy प्रशिक्षण-समुच्चय और माप फ़ंक्शन का उपयोग करके आपके प्रोग्राम के प्रॉम्प्टों को अनुकूलित करता है।
संकलन से पहले: DSPy एक साधारण डिफ़ॉल्ट प्रॉम्प्ट का उपयोग करता है। संकलन के बाद: DSPy कुछ-उदाहरण नमूने, बेहतर निर्देश या विचार-श्रृंखला के प्रदर्शन-उदाहरण खोज लेता है, जो आपके माप को अधिकतम करते हैं। अनुकूलित प्रॉम्प्ट सहेज लिए जाते हैं और अनुमान चलाते समय फिर से उपयोग किए जाते हैं।
एक न्यूनतम DSPy प्रोग्राम
यहाँ एक पूरा न्यूनतम DSPy प्रोग्राम है: एक signature, एक मॉड्यूल और एक कॉल। इसमें कहीं भी प्रॉम्प्ट स्ट्रिंग नहीं लिखी गई है।
import dspy
# 1. Configure LM
lm = dspy.LM('openai/gpt-4o-mini', api_key='sk-...')
dspy.configure(lm=lm)
# 2. Define signature
class Summarize(dspy.Signature):
"""Summarize text into one sentence."""
text: str = dspy.InputField()
summary: str = dspy.OutputField()
# 3. Create module
summarizer = dspy.Predict(Summarize)
# 4. Use it
result = summarizer(text='DSPy is a framework for programming language models.')
print(result.summary)DSPy बनाम पारंपरिक प्रॉम्प्ट तैयार करना
मुख्य वैचारिक अंतर:
- पारंपरिक: आप प्रॉम्प्ट-पाठ लिखते हैं → मॉडल उसे चलाता है → आप पाठ को हाथ से बदलते हैं
- DSPy: आप पाइथन तर्क लिखते हैं → अनुकूलक सबसे अच्छा प्रॉम्प्ट-पाठ खोजता है → मॉडल अनुकूलित प्रॉम्प्ट चलाता है
DSPy प्रॉम्प्टों को ऐसे कार्यान्वयन विवरण मानता है, जिन्हें कंपाइलर को संभालना चाहिए, ठीक वैसे ही जैसे कंपाइलर पाइथन को बाइटकोड में बदलता है।
DSPy कब उपयोगी है
DSPy तब विशेष रूप से उपयोगी होता है, जब आपके पास:
- अनुकूलित करने के लिए एक स्पष्ट माप हो (सटीकता, F1, उपयोगकर्ता मूल्यांकन)
- उदाहरणों का एक प्रशिक्षण-समुच्चय हो (20–50 उदाहरण भी पर्याप्त होते हैं)
- कई परस्पर क्रिया करने वाले तर्क-चरणों वाली पाइपलाइन हो
एक बार के सरल प्रॉम्प्टों के लिए DSPy का अतिरिक्त खर्च उचित नहीं होता। मापे जा सकने वाले लक्ष्यों वाली उत्पादन LLM पाइपलाइनों के लिए यह बहुत बड़ा बदलाव ला सकता है।
DSPy पारितंत्र का अवलोकन
DSPy केवल एक एपीआई आवरण नहीं है — यह एक पूरा पारितंत्र है:
- signature: इनपुट/आउटपुट घोषित करना
- मॉड्यूल: तर्क-पद्धतियाँ
- अनुकूलक: BootstrapFewShot, MIPRO, COPRO
- Evaluate: अंतर्निर्मित मूल्यांकन ढाँचा
- दावे: परिणामों पर घोषणात्मक सीमाएँ लगाना
इस पाठ्यक्रम के आगामी पाठों में आप इन सभी विषयों का अध्ययन करेंगे।
ज्ञान-जाँच: DSPy की मुख्य अवधारणा
प्रॉम्प्ट हाथ से लिखने की तुलना में DSPy का मुख्य अंतर क्या है?
दोहराव: DSPy फ़्रेमवर्क की नींव
DSPy प्रॉम्प्ट तैयार करने को संकलन की समस्या मानकर हाथ से लिखे गए प्रॉम्प्टों की नाज़ुकता दूर करता है। आप signature (प्रकार-सहित इनपुट/आउटपुट घोषणाएँ) लिखते हैं और उन्हें Predict तथा ChainOfThought जैसे मॉड्यूल के साथ संयोजित करते हैं। इसके बाद एक अनुकूलक आपके प्रशिक्षण डेटा और माप का उपयोग करके अपने-आप सबसे अच्छा प्रॉम्प्ट-पाठ खोजता है। परिणाम ऐसी प्रॉम्प्ट पाइपलाइन होती है, जिसे अलग-अलग जगहों पर इस्तेमाल किया जा सकता है, जिसका परीक्षण किया जा सकता है और जो अपने-आप बेहतर हो सकती है — बिना हाथ से प्रॉम्प्ट तैयार किए।
एआई शिक्षक के साथ AI प्रॉम्प्ट इंजीनियरिंग सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 53
- पाठ
- 199
अक्सर पूछे जाने वाले प्रश्न
क्या “DSPy फ़्रेमवर्क का परिचय” पाठ निःशुल्क है?
हाँ — AI प्रॉम्प्ट इंजीनियरिंग अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “DSPy फ़्रेमवर्क का परिचय” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। AI प्रॉम्प्ट इंजीनियरिंग पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“DSPy फ़्रेमवर्क का परिचय” में मैं क्या सीखूँगा?
जानें कि DSPy हाथ से लिखे गए प्रॉम्प्ट की जगह घोषणात्मक सिग्नेचर क्यों इस्तेमाल करता है। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ AI प्रॉम्प्ट इंजीनियरिंग का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या AI प्रॉम्प्ट इंजीनियरिंग शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर AI प्रॉम्प्ट इंजीनियरिंग शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 1वाँ पाठ है।
“DSPy फ़्रेमवर्क का परिचय” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस AI प्रॉम्प्ट इंजीनियरिंग पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर AI प्रॉम्प्ट इंजीनियरिंग पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- DSPy फ़्रेमवर्क का परिचय
- सिग्नेचर और मॉड्यूल परिभाषित करना
- प्रॉम्प्ट का संकलन और अनुकूलन
- DSPy पाइपलाइनों का मूल्यांकन