展开本页目录
开始前准备什么
- 下载完整练习包，在独立目录阅读README与已执行范围。
- 安装requirements.txt指定版本或使用文中目标工具；依赖与模型权重不要混入网站工程。
- 只有明确标为已执行的部分有本次证据；真实模型、账号或GPU步骤按自己的环境另行验证。
- 先标清演示数据来源
- 核对教师与学生许可
- 读取当前DSPy微调接口
- 用教师程序采集逐模块轨迹
- 把轨迹与留出题隔离
- 编译学生并保存实际产物
- 在新进程重载再对比
1. 先标清演示数据来源
author-demonstrations.json是8条作者示范，不是真实教师执行轨迹。negative-trace.json缺model与teacher_run_id，必须被来源审计器拒绝作为教师训练记录。
2. 核对教师与学生许可
在fine-tune-plan.json记录真实学生底座revision、许可证与训练环境。没有选定底座时保留明确待设置状态，不能生成一个空文件冒充模型权重。
本题独立目录执行
python reference/audit.py3. 读取当前DSPy微调接口
运行reference/run_sdk.py读取BootstrapFinetune及compile签名，保留真实安装版本。这里不启动云端微调，也不配置任何训练密钥。
本题SDK或目标环境入口
python reference/run_sdk.py
4. 用教师程序采集逐模块轨迹
授权实跑时对每条请求保存module_inputs、module_outputs、模型ID与run_id。路由模块和字段提取模块分开记录，不能只保存最终回答。
5. 把轨迹与留出题隔离
先检查教师错误和缺失字段，再形成学生训练材料。H01/H02等留出ID不进入教师示例和训练；作者示例仍保留独立origin字段。
6. 编译学生并保存实际产物
在支持微调的模型/环境中按当前compile接口运行。分别保存教师提示程序、学生适配器或完整权重、任务回执和训练失败；本文未执行该步骤。
7. 在新进程重载再对比
真正完成训练后重载学生权重，对同一未见任务比较教师与学生的路由和抽取。训练loss、推理正确率与成本是不同证据，不能只凭权重文件名判成功。
怎样确认已经完成
- 每个训练样本可追溯教师步骤
- 权重实际重载
- 训练耗时和硬件单列
- 已读取真实DSPy BootstrapFinetune API，已审计作者演示与假教师轨迹反例。未运行教师模型、蒸馏训练或生成任何模型权重。
常见问题
DSPy怎么把教师模型的执行轨迹蒸馏给小模型？
BootstrapFinetune先取得真实教师执行轨迹，再用其构建学生训练数据。作者示范没有教师/模型/执行证据，不能冒充蒸馏轨迹。
BootstrapFinetune生成的权重怎么重新加载验证？
保存真实权重、底座与tokenizer版本，在独立未见集重新加载比较。包内没有运行教师、训练或生成权重，故不展示虚构加载成绩。
这篇教程哪些步骤已经真正执行？
已读取真实DSPy BootstrapFinetune API，已审计作者演示与假教师轨迹反例。未运行教师模型、蒸馏训练或生成任何模型权重。