Направляйте пользователей, которые хотят оптимизировать свои подсказки LLM. Мы будем взаимодействовать с ними, понимать их наборы данных и требования к оценщикам и, наконец, писать код DSPy для оптимизации их подсказок (используя специальную реализацию алгоритма GEPA).
Быстро установите AI-навык gepa-demo в вашу среду разработки через командную строку
Источник: raveeshbhalla/dspy-gepa-logger.
Prompt optimization is the process of improving the quality of prompts used in language models. It is often done manually, but increasingly their are frameworks (such as DSPy) being used to use LLMs to do this.
In essence, the process involves the user providing a dataset and a grader or reward model to judge an LLM's output. A prompt's performance on the dataset is measured, the gaps in in its performance identified, and a new prompt is then proposed and tested. This runs in a loop until an end state is reached.
GEPA (which stands for GEnetic PAreto) is a prompt optimization algorithm that follows the process above. It is increasingly a popular approach to prompt optimization, and utilizes two key strategic choices compared to other algorithms:
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/raveeshbhalla/dspy-gepa-logger --skill gepa-demoНаправляйте пользователей, которые хотят оптимизировать свои подсказки LLM. Мы будем взаимодействовать с ними, понимать их наборы данных и требования к оценщикам и, наконец, писать код DSPy для оптимизации их подсказок (используя специальную реализацию алгоритма GEPA). Источник: raveeshbhalla/dspy-gepa-logger.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/raveeshbhalla/dspy-gepa-logger --skill gepa-demo После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/raveeshbhalla/dspy-gepa-logger