先说清楚它是什么：DSPy 属于「智能体与自动化」方向的开源项目，斯坦福开源的「编程而非提示」大模型框架。

这篇写给数据分析师：围绕取数与 SQL、清洗与可视化和分析报告这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

数据分析师的三个高频用法

1. 取数与 SQL

在 DSPy 中可以这样提：

根据表结构写 SQL：按月统计新增用户与 7 日留存，说明关联条件、时间口径和可能的重复计数问题。

把关：口径说明清楚。

2. 清洗与可视化

提示词示例：

检查这份数据的质量：缺失、重复、异常值和格式问题，给出处理方案，并说明每种处理对结论的影响。

把关：说明了处理影响。

3. 分析报告

可直接复制到 DSPy 里修改：

根据分析结果写一页报告：结论先行、3 个关键发现、1 张建议图表、局限性和下一步建议。

把关：结论有数据支撑。

也可以试试：多步骤调研任务

这是「智能体与自动化」类工具的通用任务，数据分析师同样用得上。

围绕【主题】做调研：先列出调研计划，再分别检索，最后输出带来源的报告。每个结论注明来源链接，来源之间矛盾时并列呈现。

边界与合规

确认指标口径，敏感数据脱敏后再交给 AI 处理。

  • 产出由数据分析师本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；DSPy 的同类还有 LangChain、TextGrad。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 DSPy 纳入日常流程。

延伸练习

线索整理流程

准备材料：每天从表单收到的客户咨询。

搭建一个流程：新表单提交后，AI 判断咨询类型（报价 / 售后 / 合作 / 其他），提取联系人和需求摘要写入表格，报价类自动通知销售群。分类不确定时标记为「待人工」。

检查点：不确定的情况进入人工。

定时提醒与汇总

准备材料：团队群聊或任务看板。

每天下午 6 点汇总今日新增和逾期任务，按负责人分组发送提醒，周五额外输出一周完成情况。

交付前确认：提醒内容与看板一致。

竞品信息周报

输入：5 个竞品的公开网站或博客。

每周一自动抓取这些竞品页面的更新，让 AI 对比上周内容，输出「新增功能 / 价格页面变化 / 新发布文章」三段摘要，并附原始链接。

检查点：每条变化都附链接。

常见问题：费用超出预期

给每次运行设上限，监控调用次数，先用小模型处理简单步骤。

常见问题：输出格式不稳定

要求结构化输出并做格式校验，不合格时重试。

常见问题：智能体陷入循环

设置最大步数和超时，关键步骤改为固定工作流。

概念补充：人工审批节点

在关键动作前暂停等待人确认，防止误操作。

概念补充：工具调用

模型调用外部 API 或函数完成动作的能力。

写在最后

涉及个人信息、商业机密或受监管数据时，先确认 DSPy 的数据处理条款，再决定能否使用。

文中提示词和示例仅作示意，实际效果取决于你的材料和 DSPy 当前版本，重要内容请人工核对后再使用。

延伸阅读