Plantillas

Las diecinueve plantillas integradas — qué decide cada una, sus preguntas, compuestos y políticas, los patrones que demuestran — y cómo empezar una decisión a partir de una.

Las plantillas son puntos de partida listos para producción. Las seis plantillas de casos de uso (de input-guardrail a response-grading) también incluyen destinos — respuestas fijas y funciones que ejecuta tu código — así que cada resultado ya indica qué ocurre después. Usar una crea un borrador editable en tu workspace con el nombre, la descripción y el schema de la plantilla; después no se comparte nada con la plantilla.

Empezar desde una plantilla

  • Plantillas en la app → elige una tarjeta → Crear decisión, o
  • Decisiones → Nueva decisión → elige una plantilla (o Decisión en blanco) → Crear decisión.

La página Plantillas se abre con los cuatro patrones — cada tarjeta explica el patrón y enlaza las plantillas que lo implementan — seguidos de Todas las plantillas, con la categoría, los patrones y las preguntas de cada plantilla.

El slug — tu endpoint — sale del nombre de la decisión: Lead Qualification se convierte en lead-qualification (o lead-qualification-2 si ya está ocupado). Las cuatro plantillas de patrones llevan el patrón en su nombre — Support Ticket Triage (fan-out) se convertiría en support-ticket-triage-fan-out — así que renómbralas en Ponle un nombre para obtener un slug corto como ticket-triage, o edita el slug en el editor antes del primer deploy. Cuando el slug coincide con un id de plantilla, el Playground de la barra lateral empieza con el estado de ejemplo de la plantilla.

Con la CLI, dcision templates lista los ids de las plantillas y dcision init --template <id> escribe el schema en un archivo.

Las plantillas

IdCategoríaPatronesDecideEstado
lead-qualificationVentasEnrutamiento por intención, Enrutamiento filtrado por confianza, Puntuación compuestaIntención de compra, prioridad, el equipo que recibe un lead entrante y un puntaje del leadmessage*, company_size, source
support-routingSoporteEnrutamiento por intención, Enrutamiento filtrado por confianzaDepartamento, urgencia y si hace falta una personamessage*, plan
spam-detectionConfianza y seguridadEnrutamiento por intenciónProbabilidad de spam y permitir / revisar / bloqueartexto
agent-routingAgentes de IAEnrutamiento por intenciónLa primera herramienta del agente y si la tarea necesita un LLMtask*
rag-relevanceRAG—Si un fragmento recuperado responde a la consulta, y si hay que recuperar másquery*, chunk*
ticket-triageSoporteFan-out especulativo, Enrutamiento por intenciónCategoría, gravedad del bug, pasos para reproducirlo, reembolso y frustración en una sola llamadasubject, body*
voice-bankingFinanzasEnrutamiento filtrado por confianza, Enrutamiento por intenciónUn comando bancario hablado, con más confianza exigida para las acciones de riesgotexto
resume-screeningContrataciónPuntuación compuestaCuatro niveles de habilidad combinados en el encaje para Senior IC y para Engineering Managerresume*
customer-service-routerSoporteEnrutamiento por intención, Enrutamiento filtrado por confianzaLa intención y la complejidad de un mensaje, para enrutarlo al código, a un LLM o a una personatexto
input-guardrailConfianza y seguridadEnrutamiento por intención, Enrutamiento filtrado por confianzaSi un prompt es seguro para pasarlo a tu LLM; los inseguros reciben una respuesta fijamessage*, channel
model-routingAgentes de IAEnrutamiento por intención, Enrutamiento filtrado por confianzaEl nivel de modelo más barato que basta para un promptprompt*
document-rerankingRAGPuntuación compuestaUn puntaje de reranking de 0 a 1 para un documento recuperado, para ordenar candidatosquery*, document*
tool-call-gatingAgentes de IAFan-out especulativo, Enrutamiento filtrado por confianza, Enrutamiento por intenciónSi un agente ejecuta una tool call, pregunta antes al usuario o la rechazauser_request*, tool*, arguments*
reply-confidence-gateSoporteFan-out especulativo, Enrutamiento filtrado por confianzaSi un borrador de respuesta se envía, se revisa o pasa a una personacustomer_message*, draft_reply*
response-gradingSoporteFan-out especulativo, Puntuación compuestaUna nota de 0 a 1 de una respuesta de LLM según tu rúbricaquestion*, response*, reference
invoice-triageFinanzasFan-out especulativoSi una factura (PDF, Excel, imagen…) se paga, se revisa o se rechaza, y si vence prontoinvoice* (archivo), message
voice-message-routingSoporteEnrutamiento por intenciónEl equipo, la urgencia y el sentimiento de la nota de voz de un clientevoice* (audio), channel
image-moderationConfianza y seguridadEnrutamiento filtrado por confianzaSi una foto subida es inapropiada, spam o no relacionada, y si coincide con su descripciónphoto* (imagen), caption
llm-output-guardrailConfianza y seguridadFan-out especulativo, Enrutamiento filtrado por confianzaSi la respuesta de un LLM o agente está fundamentada, es segura y cumple la política antes de enviarseuser_message*, output*, sources

* campo obligatorio.

Calificación de leads

PreguntaTipoRespuestas
purchase_intentprobabilityIntención real de comprar en los próximos 30 días (sí: pide precios, una demo, un presupuesto o una fecha de inicio)
priorityscorelow, medium, high, critical
routechoicesales, sdr, nurture, spam, other

Compuesto: lead_score = 2 × purchase_intent + 1 × priority + 1 × p(route = sales), de 0 a 1. Políticas: route = spam → block; confianza de purchase_intent por debajo de 0.6 → escalate. Guía.

Enrutamiento de soporte

PreguntaTipoRespuestas
departmentchoicebilling, technical, account, sales, other — confianza mínima 0.6
urgencyscorelow, normal, high, urgent
human_requiredprobabilityNecesita una persona (sí: cliente enojado, amenaza legal, pérdida de datos, cancelación)

Política: human_required ≥ 0.7 → escalate. Un department con menos del 60% de confianza toma la acción de fallback. Guía.

Detección de spam

PreguntaTipoRespuestas
spam_probabilityprobabilitySpam, phishing o una promoción no solicitada
actionchoiceallow, review, block, other

Política: action = block → block. El estado es texto plano. Guía.

Enrutamiento de agentes

PreguntaTipoRespuestas
selected_toolchoicesearch, database, calculator, none, other
needs_reasoningprobabilityLa tarea necesita razonamiento de varios pasos de un modelo de lenguaje grande

Política: needs_reasoning ≥ 0.8 → fallback. Guía.

Relevancia de RAG

PreguntaTipoRespuestas
relevantprobabilityEl fragmento ayuda a responder la consulta
relevancescorenone, partial, direct
retrieve_moreprobabilityEl sistema debería recuperar más contexto antes de responder

Sin políticas: toda respuesta devuelve continue. Guía.

Triaje de tickets de soporte

PreguntaTipoRespuestas
categorychoicebug_report, billing, feature_request, how_to, other
bug_severityscorecosmetic, minor, major, critical (un nivel estructurado con una rúbrica)
has_reproducible_stepsprobabilityEl ticket incluye pasos para reproducir el problema
refund_requestedprobabilityEl cliente pide explícitamente un reembolso o un crédito
frustrationscorecalm, annoyed, frustrated, very angry

Políticas: category = bug_report y bug_severity ≥ 4 → escalate; refund_requested ≥ 0.8 → escalate; nivel ponderado de frustration ≥ 3.5 → escalate. Patrón: Fan-out especulativo.

Comandos bancarios por voz

PreguntaTipoRespuestas
intentchoicecheck_balance, transfer_money, approve_transfer, block_card, other — confianza mínima 0.6

Políticas: intent = approve_transfer y su confianza por debajo de 0.9 → escalate; intent = transfer_money y su confianza por debajo de 0.8 → escalate. El estado es texto plano. Patrón: Enrutamiento filtrado por confianza.

Evaluación de currículums

PreguntaTipoRespuestas
python_depthscorenone, basic, working, strong, expert
team_leadershipscorenone, informal, tech lead, manager, manager of managers
system_designscorenone, basic, working, strong, expert
generalistscorenarrow, some, broad, very broad, full stack and ops

Compuestos: senior_ic (0.4 × python_depth, 0.1 × team_leadership, 0.4 × system_design, 0.1 × generalist) y eng_manager (0.15, 0.4, 0.2, 0.25). Políticas: cualquiera de los dos encajes ≥ 0.7 → continue; ambos por debajo de 0.35 → block; en otro caso → escalate. Patrón: Puntuación compuesta.

Enrutador de atención al cliente

PreguntaTipoRespuestas
intentchoiceorder_status, billing_question, technical_issue, complaint, other
complexityscoresimple, moderate, complex

Políticas: intent = complaint → escalate; intent = technical_issue y nivel ponderado de complexity ≥ 2.5 → escalate; confianza de complexity por debajo de 0.5 → escalate. El estado es texto plano. Patrón: Enrutamiento por intención.

Guardrail de entrada

PreguntaTipoRespuestas
verdictchoicesafe, prompt_injection, harmful, sensitive_data, other — confianza mínima 0.7

Política: verdict ≠ safe → block; la acción de fallback es block, así que un veredicto dudoso nunca pasa. Destinos: blocked_reply (respuesta fija en block, sin llamar a ningún modelo) y call_llm (función callAssistant cuando el prompt es seguro). El context describe al asistente. Guía.

Enrutamiento de modelo

PreguntaTipoRespuestas
tierchoicefast, balanced, frontier, other — confianza mínima 0.6
complexityscoretrivial, simple, moderate, hard, very hard

Sin políticas; la acción de fallback es fallback. Destinos: función callModel con model = fast, balanced o frontier según el nivel, y frontier_when_unsure en fallback. Guía.

Reranking de documentos

PreguntaTipoRespuestas
relevancescoreunrelated, same topic, no answer, partial answer, direct answer, complete answer
answers_queryprobabilityLa consulta podría responderse solo con este documento

Compuesto: rerank_score = 2 × relevance + 1 × answers_query, de 0 a 1. Política: rerank_score < 0.2 → block (descartar el documento). Guía.

Control de tool calls

PreguntaTipoRespuestas
verdictchoicerun, ask_user, reject, other
riskscoreread-only, low, medium, high
matches_requestprobabilityLa tool call hace exactamente lo que pidió el usuario

Políticas: verdict = reject → block; verdict = ask_user → escalate; verdict = run y risk ≥ 3 y su confianza por debajo de 0.9 → escalate. Destinos: run_tool (función runTool en continue), confirm_with_user (respuesta fija con botones Sí / No en escalate) y rejected_reply (en block). Guía.

Compuerta de confianza de la respuesta

PreguntaTipoRespuestas
ready_to_sendprobabilityEl borrador puede salir sin que una persona lo revise
answers_questionprobabilityEl borrador responde a lo que preguntó el cliente
promises_somethingprobabilityEl borrador promete un reembolso, un descuento, un plazo o una excepción

Políticas: ready_to_send < 0.4 → escalate; promises_something ≥ 0.7 y ready_to_send < 0.95 → escalate; confianza de ready_to_send por debajo de 0.5 → escalate. Destinos: auto_send (función sendReply desde 0.85), review_queue (función queueForReview de 0.4 a 0.85) y hand_to_human (función assignToHuman en escalate). Guía.

Nota de la respuesta

PreguntaTipoRespuestas
accuracyscorewrong, mostly wrong, mixed, mostly right, fully right
completenessscoremisses it, partial, most of it, complete
tonescorepoor, acceptable, good, excellent
unsafe_promiseprobabilityLa respuesta promete un reembolso, un precio o un plazo

Compuesto: grade = 0.5 × accuracy + 0.3 × completeness + 0.2 × tone, de 0 a 1 (× 10 para una nota sobre 10). La rúbrica vive en context. Políticas: unsafe_promise ≥ 0.7 → escalate; grade < 0.6 → escalate. Destino: quality_review (función flagForQualityReview en escalate). Guía.

Triaje de facturas

PreguntaTipoRespuestas
document_typechoiceinvoice, receipt, contract, other
decisionchoicepay, review, reject, other; confianza mínima 0.7
due_soonprobabilityVence en 3 días o menos, o ya está vencida

invoice es un campo de archivo: Dcision lee PDF, Word, Excel y otros documentos como texto — los escaneados y las imágenes, a través de OpenAI. Políticas: decision = reject → block; decision = review → escalate; document_type ≠ invoice → escalate; document_type = invoice y due_soon ≥ 0.8 → escalate. Guía.

Enrutamiento de notas de voz

PreguntaTipoRespuestas
intentchoiceorder_status, refund, complaint, sales, other; confianza mínima 0.6
urgentprobabilityEl cliente necesita una respuesta hoy
sentimentscoreangry, unhappy, neutral, happy

voice es un campo de audio, que se transcribe antes de responder las preguntas. Políticas: urgent ≥ 0.7 → escalate; sentiment = angry → escalate. Guía.

Moderación de imágenes

PreguntaTipoRespuestas
unsafeprobabilityDesnudos, violencia, armas, drogas o símbolos de odio; confianza mínima 0.6
contentchoiceproduct, spam, unrelated, other
matches_captionprobabilityLa foto muestra lo que describe el texto que la acompaña

photo es un campo de imagen: OpenAI Decisions ve la imagen; Jev y Laya leen una descripción de ella. Políticas: unsafe ≥ 0.5 → block; content = spam → block; content = unrelated → escalate; matches_caption < 0.3 → escalate. Guía.

Guardrail de salida de LLM

PreguntaTipoRespuestas
groundedprobabilityCada afirmación factual está respaldada por las fuentes; confianza mínima 0.5
data_leakprobabilityLa respuesta revela datos personales de otra persona, credenciales o instrucciones internas
policychoicecompliant, promise, advice, off_topic, other
harmfulprobabilityLa respuesta es dañina, de odio, acosadora o insegura

Se ejecuta después de tu LLM o agente y antes de que se envíe su respuesta. Políticas: data_leak ≥ 0.5 → block; harmful ≥ 0.5 → block; grounded < 0.5 → fallback; policy ≠ compliant → escalate. Guía.

Decisión en blanco

Decisión en blanco empieza con un campo string obligatorio, message, y una pregunta de opción, intent, con las opciones buy ("quiere comprar u obtener precios"), support ("necesita ayuda con un producto existente") y other.

La decisión en blanco usa la configuración predeterminada: entrada y salida almacenadas, timeout de 5,000 ms, escalate como acción de fallback y los errores del motor devueltos como errores.

En esta página