Crearea de Module Personalizate dspy.Module: constructor __init__ și metoda forward în DSPy & Programare Algoritmică LLM

În DSPy, orice program complex este o subclasă a `dspy.Module`, urmând îndeaproape paradigma PyTorch `torch.nn.Module`. În `__init__` se declară sub-modulele și straturile de procesare, iar în `forward` se definește fluxul de date și apelurile secvențiale către acestea.

Paradigma PyTorch pentru Aplicații LLM

Permite organizarea codului în rețele modulare refolosibile ce pot fi compuse, salvate și optimizate ca un întreg.

import dspy

class RAGPipeline(dspy.Module):
    def __init__(self, num_passages=3):
        super().__init__()
        self.retrieve = dspy.Retrieve(k=num_passages)
        self.generate_answer = dspy.ChainOfThought("context, question -> answer")

    def forward(self, question):
        passages = self.retrieve(question).passages
        context = "\n\n".join(passages)
        prediction = self.generate_answer(context=context, question=question)
        return dspy.Prediction(context=context, answer=prediction.answer)

Utilizarea corectă a acestei funcționalități în DSPy asigură programarea algoritmică robustă a modelelor mari de limbaj, decuplând arhitectura codului de redactarea fragilă a prompturilor manuale.