Fan-out especulativo
Haz en una llamada todas las preguntas que un flujo podría necesitar — Jev las responde en paralelo — y deja que las reglas AND y tu código decidan qué respuestas importan. Basado en la plantilla Support Ticket Triage.
Haz todas las preguntas que el flujo podría necesitar en una sola llamada — Jev las responde en paralelo — y deja que las reglas y tu código decidan qué respuestas importan. En lugar de pedir primero la categoría de un ticket y su gravedad de bug en una llamada posterior, pide ambas a la vez: si el ticket no es un reporte de bug, simplemente ignoras la gravedad.
Beneficios: costo y velocidad. Guía de TypeSafe: Speculative fan-out.
Por qué funciona
- Un solo viaje de ida y vuelta. Jev lee el state una vez y evalúa cada pregunta contra él de forma independiente y en paralelo, así que las preguntas adicionales agregan poca latencia. En el cookbook de preguntas en paralelo de TypeSafe, agrupar 13 preguntas en una llamada fue unas 12× más barato y 10× más rápido que una llamada por pregunta, con las mismas respuestas.
- Una sola decisión facturable. Dcision factura por llamada exitosa, no por pregunta: una decisión con cinco preguntas es una decisión en tu plan. El costo del motor crece solo con los tokens de entrada de las preguntas adicionales — consulta
metrics.input_tokens. - Sin acoplamiento oculto. Cada respuesta se calcula por separado; la respuesta de una pregunta nunca se convierte en contexto de otra. Tus reglas las combinan después.
Cuándo usarlo
Triajes en los que los pasos posteriores dependen de respuestas anteriores — categoría → gravedad del bug → reembolso — y cualquier flujo que de otro modo encadenaría llamadas ("si A, entonces pregunta B"). Una decisión admite hasta 64 preguntas, dentro del presupuesto de tokens de Jev: unos 32,000 tokens para el state más la pregunta más larga, 64,000 para el state más todas las preguntas.
Cómo se traduce a Dcision
| En la guía de TypeSafe | En Dcision |
|---|---|
| Todas las preguntas en una solicitud | Todas las preguntas en una decisión — un POST /v1/decisions/{slug} |
| Preguntas especulativas | Preguntas que solo importan en algunas ramas, como bug_severity |
if category == "bug_report" and severity > … en tu código | Una regla con condiciones and: category = bug_report AND bug_severity ≥ 4 → escalate |
frustration.score > 1.5 (niveles contados desde 0) | Una regla sobre el nivel ponderado: frustration (nivel ponderado) ≥ 3.5 → escalate (niveles contados desde 1) |
Las reglas contienen el enrutamiento que debe ser consistente y auditable; tu código sigue leyendo todas las respuestas en result.
Constrúyelo
En la app
Abre Plantillas, busca Triaje de tickets de soporte (fan-out) — en Todas las plantillas, o con Prueba en la tarjeta Fan-out especulativo — y elígela. En Ponle un nombre, llama a la decisión Ticket Triage: el slug, tu endpoint, sale del nombre y queda ticket-triage. (El nombre completo de la plantilla daría support-ticket-triage-fan-out; también puedes editar el slug en el editor hasta el primer deploy.) Haz clic en Crear decisión.
El State es un objeto JSON con subject (string) y body (string, obligatorio).
Las Preguntas son todo el árbol de decisión a la vez:
| Pregunta | Tipo | Respuestas | Importa cuando |
|---|---|---|---|
category | choice | bug_report, billing, feature_request, how_to, other | siempre |
bug_severity | score | cosmetic, minor, major, critical | reportes de bug (especulativa) |
has_reproducible_steps | probability | el ticket incluye pasos para reproducir el problema | reportes de bug (especulativa) |
refund_requested | probability | el cliente pide explícitamente un reembolso o crédito | facturación (especulativa) |
frustration | score | calm, annoyed, frustrated, very angry | siempre |
El nivel critical es un nivel estructurado — { "label": "critical", "rubric": "outage, data loss, security issue or money at risk" } — así que el motor lee la rúbrica mientras la API devuelve la etiqueta critical.
En Políticas, cada regla se lee IF condición [AND condición…] THEN acción:
- IF
category· respuesta · = ·bug_report, luego + ANDbug_severity· respuesta · ≥ · 4 · critical — THENescalate. - IF
refund_requested· respuesta · ≥ · 0.8 — THENescalate. - IF
frustration· nivel ponderado · ≥ · 3.5 — THENescalate.
La acción de fallback sigue siendo escalate, así que un ticket que no encaja en ninguna categoría (other) también llega a una persona.
Ejecuta el ticket de ejemplo en el Playground, revisa las respuestas y la acción, y luego Publicar v1. El panel Patrones del editor ahora marca Fan-out especulativo y Enrutamiento por intención como en uso.
El schema de la decisión
Las preguntas y las reglas, tal como las muestra la vista Schema de la decisión del editor (la opción reservada other se agrega a category automáticamente):
{
"questions": [
{
"key": "category",
"type": "choice",
"instructions": "What kind of support ticket is this?",
"options": [
{ "value": "bug_report", "description": "something in the product is broken or behaves incorrectly" },
{ "value": "billing", "description": "charges, invoices, refunds, plans, payment methods" },
{ "value": "feature_request", "description": "asks for something the product doesn't do yet" },
{ "value": "how_to", "description": "asks how to do something that already works" }
]
},
{
"key": "bug_severity",
"type": "score",
"instructions": "If this describes a bug, how severe is it for the customer?",
"scale": ["cosmetic", "minor", "major", { "label": "critical", "rubric": "outage, data loss, security issue or money at risk" }]
},
{ "key": "has_reproducible_steps", "type": "probability", "instructions": "Does the ticket include steps to reproduce the problem?" },
{ "key": "refund_requested", "type": "probability", "instructions": "Does the customer explicitly ask for a refund or credit?" },
{ "key": "frustration", "type": "score", "instructions": "How frustrated is the customer?", "scale": ["calm", "annoyed", "frustrated", "very angry"] }
],
"policies": [
{
"field": "category",
"on": "output",
"operator": "eq",
"value": "bug_report",
"and": [{ "field": "bug_severity", "on": "output", "operator": "gte", "value": 4 }],
"action": "escalate"
},
{ "field": "refund_requested", "on": "output", "operator": "gte", "value": 0.8, "action": "escalate" },
{ "field": "frustration", "on": "score", "operator": "gte", "value": 3.5, "action": "escalate" }
],
"settings": { "fallbackAction": "escalate" }
}Con la CLI, dcision init triage.json --template ticket-triage escribe el schema completo en un archivo.
Llámala
curl -X POST https://api.dcision.io/v1/decisions/ticket-triage \
-H "Authorization: Bearer $DCISION_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: ticket-90412" \
-d '{
"state": {
"subject": "Payouts failing",
"body": "Our payouts have been failing for 3 days and customers are complaining. Steps: open Payouts, click Retry, error 500. Please fix ASAP."
}
}'{
"decision_id": "dec_Tq4Wm8Lz2Xv6Rk1Np9Cs",
"execution_id": "exec_Jd7Hs2Qa5Wn8Lx3Kv1Mz",
"schema": "ticket-triage",
"version": 1,
"result": {
"category": "bug_report",
"bug_severity": "critical",
"has_reproducible_steps": 0.91,
"refund_requested": 0.04,
"frustration": "frustrated"
},
"confidence": {
"category": 0.9125,
"bug_severity": 0.56,
"has_reproducible_steps": 0.82,
"refund_requested": 0.92,
"frustration": 0.59
},
"scores": { "bug_severity": 3.56, "frustration": 2.97 },
"action": "escalate",
"action_reason": { "type": "policy", "rule": 0 },
"metrics": {
"latency_ms": 368,
"engine": "jev",
"model": "jev-1.13.0",
"estimated_cost_usd": 0.00002184,
"input_tokens": 520,
"output_tokens": 58
}
}Cinco respuestas en una sola llamada. Coincidió la regla 0: el ticket es un bug_report y su gravedad más probable es critical (nivel 4). scores contiene el nivel ponderado de cada pregunta score — bug_severity está en 3.56, entre major y critical.
Actúa en consecuencia
Las reglas decidieron si una persona debe revisarlo ahora; tu código lee las respuestas especulativas solo en la rama donde importan:
const decision = await response.json();
const { result } = decision;
if (decision.action === "escalate") {
return onCall.page(ticket, { reason: decision.action_reason, executionId: decision.execution_id });
}
switch (result.category) {
case "bug_report":
return result.has_reproducible_steps >= 0.6
? engineering.triage(ticket, { severity: result.bug_severity })
: bugBacklog.add(ticket, { severity: result.bug_severity });
case "billing":
return billing.assign(ticket, { refundLikely: result.refund_requested >= 0.7 });
case "feature_request":
return roadmap.log(ticket);
case "how_to":
return autoReply.withDocs(ticket);
}frustration es útil en todas las ramas — por ejemplo, sube la prioridad cuando decision.scores.frustration es 3 o más, incluso por debajo del umbral de escalamiento.
Ajústalo
- Agrega preguntas especulativas libremente. Cada una cuesta sus tokens de entrada, no un viaje de ida y vuelta. Mantente dentro de las 64 preguntas y del presupuesto de tokens.
- Mantén cada pregunta atómica. Un juicio por pregunta, leído literalmente — consulta Escribir buenas preguntas.
- Condiciona con
and, no con instrucciones más largas. "Si esto describe un bug, qué tan grave…" sigue siendo una pregunta simple; la regla decide cuándo cuenta su respuesta. - Usa umbrales entre niveles con
on: "score":frustration ≥ 3.5se dispara cuando el peso está entrefrustrationyvery angry, no solo cuando ganavery angry. - Ordena las reglas de lo específico a lo general: gana la primera que coincide.
- Envía solo el ticket. Los hilos largos y los campos no relacionados diluyen la precisión y consumen el presupuesto de tokens — fíltralos en tu código.
Relacionado: Políticas y acciones · Preguntas · Enrutamiento de soporte
Resumen de los patrones
Los cuatro patrones arquitectónicos de TypeSafe —fan-out especulativo, enrutamiento filtrado por confianza, puntuación compuesta y enrutamiento por intención— y cómo se corresponden con funciones y plantillas de Dcision.
Enrutamiento filtrado por confianza
Usa la confianza como segundo eje — la respuesta dice qué, la confianza dice si actuar — con una confianza mínima por pregunta y reglas AND por acción. Basado en la plantilla Voice Banking.