GEPA 框架教程：多组件提示词优化与结构化反馈提升小模型算术能力

一句话看懂

GEPA 是一个提示词进化框架，通过结构化反馈和多组件提示词协同进化，让 GPT-4o-mini 这样的小模型在算术题上准确率大幅提升，且优化效果能泛化到未见过的题目。

详细发生了什么

MarkTechPost 发布了一篇教程，演示如何使用 GEPA（一种反思式提示词进化框架）来优化小语言模型（SLM）解决多步算术应用题的能力。教程以 GPT-4o-mini 作为任务模型，GPT-4.1 作为反思模型，从一条弱种子提示词（“Solve the math problem.” + “Give the answer.”）出发，构建了一个包含折扣、旅行距离、钱包计算和链式运算四类共 18 道题的确定性基准数据集，其中 12 道用于训练优化，6 道作为留出验证集。

核心创新在于：1）多组件提示词结构——指令字段和输出格式规则字段同时进化；2）结构化评估器——不仅判断答案对错，还检查是否遵循 #### <integer> 格式要求，并返回可操作的反馈（如”答案正确但格式违规”或”多步推理出错”）；3）留出验证——在未见过的题目上测试优化效果是否泛化。

教程完整展示了安装 GEPA 和 LiteLLM、构建数据集、定义评估器、配置 GEPAConfig 以及运行优化流程的代码。最终将基线提示词与优化后的提示词在验证集上对比，检查进化过程带来的性能提升。

中文圈视角

这个教程对中文 AI 开发者有直接参考价值，原因有三：

小模型优化是刚需：国内很多场景（如边缘设备、低成本 API 调用）依赖 GPT-4o-mini 级别的小模型。GEPA 框架通过自动优化提示词，让弱模型在特定任务上表现更好，相当于”免费”提升效果，无需微调。
多组件提示词设计思路可复用：国内提示词工程常只优化指令，忽略输出格式。教程中同时进化指令和格式规则，这种思路可以迁移到中文场景，比如要求模型输出 JSON 或特定格式时，让两个字段协同进化。
结构化反馈是亮点：国内很多提示词优化工具（如一些 AutoPrompt 实现）只返回分数，不告诉模型”为什么错”。GEPA 的反馈机制（区分”答案错”和”格式错”）更接近人类教师，值得国内开发者借鉴。

不过需要注意：GEPA 依赖 OpenAI API，国内用户需要自行解决网络问题。目前国内类似框架（如 ModelScope 上的 PromptAgent）功能类似，但生态成熟度稍逊。如果团队有预算，直接使用 GEPA 是最省力的方案。

几条值得记住的细节

任务模型：GPT-4o-mini（openai/gpt-4o-mini），反思模型：GPT-4.1（openai/gpt-4.1），最大 metric 调用次数 100 次。
数据集：18 道算术题，4 种类型（折扣、旅行、钱包、链式运算），12 道训练 + 6 道验证。
评分规则：1.0 = 答案正确且格式正确（#### <integer>）；0.5 = 答案正确但格式错误；0.0 = 答案错误。
多组件进化：指令字段和输出格式规则字段同时进化，而非单独优化。
留出验证：优化完成后，用验证集（6 道未见过的题）测试泛化能力，避免过拟合训练集。

一句话总结

如果你在用 GPT-4o-mini 等小模型做结构化输出任务，GEPA 的多组件提示词进化方法能帮你自动调优，效果可能比手动写提示词好得多。