# Instrucciones para el agente: DSPy: configura y llama modelos desde Python

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

- Dificultad: intermedio
- Proyecto: https://github.com/stanfordnlp/dspy (licencia MIT)
- Guía completa: https://lab.wisd.ai/hub/dspy

---

## Para el agente: cómo acompañar al usuario

1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

---

## Pasos de configuración

### Paso 1: instala el paquete

Comprueba que tu entorno tiene Python ≥3.10 y <3.16 y pip. Usa el comando del README:

```bash
pip install dspy
```

### Paso 2: sigue un ejemplo oficial

Configura `OPENAI_API_KEY` en tu entorno privado. Guarda como `prueba_dspy.py` esta combinación de configuración y llamada de la [guía oficial de modelos](https://github.com/stanfordnlp/dspy/blob/main/docs/docs/learn/programming/language_models.md):

```python
import dspy

lm = dspy.LM("openai/gpt-4o-mini")
dspy.configure(lm=lm)
predict = dspy.Predict("question -> answer")
print(predict(question="¿Cuánto es 1 + 52?", config={"rollout_id": 5, "temperature": 1.0}))
```

Desde esa carpeta, con el mismo entorno Python de la instalación, ejecuta:

```bash
python prueba_dspy.py
```

La respuesta esperada es 53. Esta primera prueba comprueba configuración e inferencia; antes de optimizar prepara respuestas esperadas y una métrica, siguiendo los tutoriales de DSPy.

## Comprobación

Comprueba que la salida es una predicción con el campo `answer` y una respuesta equivalente a 53; conserva esa salida junto a `prueba_dspy.py`. Revisa las llamadas y el consumo del proveedor. Esto acredita solo configuración e inferencia. No existe un programa optimizado en esta receta: evaluar u optimizar queda como ampliación en los [tutoriales oficiales](https://dspy.ai/), con datos de entrenamiento y evaluación separados, métrica y optimizador definidos antes de comparar mejoras.

## Si algo falla

Si la instalación funciona pero el programa falla, revisa la configuración del modelo del tutorial elegido. Si la puntuación sube y las respuestas empeoran, inspecciona la métrica y los ejemplos.