소스 정보
- 저장소
- ForceInjection/domain-driven-design-skills
- 최근 소스 활동
- 2026년 5월 8일 03:07
- 감지된 SKILL.md 언어
- 영어
- 스타
- 25
- 포크
- 7
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
메뉴
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/ForceInjection/domain-driven-design-skills --skill dspy-evaluation-suite명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | dspy-evaluation-suite |
| description | Comprehensive evaluation metrics and testing framework for DSPy programs |
| allowed-tools | ["Read","Write","Glob","Grep"] |
Systematically evaluate DSPy programs using built-in and custom metrics with parallel execution.
| Input | Type | Description |
|---|---|---|
program | dspy.Module | Program to evaluate |
devset | list[dspy.Example] | Evaluation examples |
metric | callable | Scoring function |
num_threads | int | Parallel threads |
| Output | Type | Description |
|---|---|---|
score | float | Average metric score |
results | list | Per-example results |
from dspy.evaluate import Evaluate
evaluator = Evaluate(
devset=devset,
metric=my_metric,
num_threads=8,
display_progress=True
)
score = evaluator(my_program)
print(f"Score: {score:.2%}")
import dspy
# Normalized, case-insensitive comparison
metric = dspy.evaluate.answer_exact_match
LLM-based semantic evaluation:
from dspy.evaluate import SemanticF1
semantic = SemanticF1()
score = semantic(example, prediction)
def exact_match(example, pred, trace=None):
"""Returns bool, int, or float."""
return example.answer.lower().strip() == pred.answer.lower().strip()
def quality_metric(example, pred, trace=None):
"""Score based on multiple factors."""
score = 0.0
# Correctness (50%)
if example.answer.lower() in pred.answer.lower():
score += 0.5
# Conciseness (25%)
if len(pred.answer.split()) <= 20:
score += 0.25
# Has reasoning (25%)
if hasattr(pred, 'reasoning') and pred.reasoning:
score += 0.25
return score
def feedback_metric(example, pred, trace=None):
"""Returns (score, feedback) for GEPA optimizer."""
correct = example.answer.lower() in pred.answer.lower()
if correct:
return 1.0, "Correct answer provided."
else:
return 0.0, f"Expected '{example.answer}', got '{pred.answer}'"
import dspy
from dspy.evaluate import Evaluate, SemanticF1
import json
import logging
from typing import Optional
from dataclasses import dataclass
logger = logging.getLogger(__name__)
@dataclass
class EvaluationResult:
score: float
num_examples: int
correct: int
incorrect: int
errors: int
def comprehensive_metric(example, pred, trace=None) -> float:
"""Multi-dimensional evaluation metric."""
scores = []
# 1. Correctness
if hasattr(example, 'answer') and hasattr(pred, 'answer'):
correct = example.answer.lower().strip() in pred.answer.lower().strip()
scores.append(1.0 if correct else 0.0)
# 2. Completeness (answer not empty or error)
if hasattr(pred, 'answer'):
complete = len(pred.answer.strip()) > 0 and "error" not in pred.answer.lower()
scores.append(1.0 if complete )
(pred, ):
has_reasoning = ((pred.reasoning)) >
scores.append( has_reasoning )
(scores) / (scores) scores
:
():
.devset = devset
.num_threads = num_threads
() -> EvaluationResult:
metric = metric comprehensive_metric
evaluator = Evaluate(
devset=.devset,
metric=metric,
num_threads=.num_threads,
display_progress=,
return_all_scores=
)
score, results = evaluator(program)
correct = ( r results r >= )
errors = ( r results r == )
EvaluationResult(
score=score,
num_examples=(.devset),
correct=correct,
incorrect=(.devset) - correct - errors,
errors=errors
)
() -> :
results = {}
name, program programs.items():
logger.info()
results[name] = .evaluate(program, metric)
ranked = (results.items(), key= x: x[].score, reverse=)
()
rank, (name, result) (ranked, ):
()
results
():
result = .evaluate(program, metric)
report = {
: {
: result.score,
: result.num_examples,
: result.correct,
: result.correct / result.num_examples
},
: {
: .num_threads,
: (.devset)
}
}
(output_path, ) f:
json.dump(report, f, indent=)
logger.info()
report
suite = EvaluationSuite(devset, num_threads=)
result = suite.evaluate(my_program)
()
results = suite.compare({
: baseline_program,
: optimized_program,
: finetuned_program
})