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 TypeSafeEn Dcision
Todas las preguntas en una solicitudTodas las preguntas en una decisión — un POST /v1/decisions/{slug}
Preguntas especulativasPreguntas que solo importan en algunas ramas, como bug_severity
if category == "bug_report" and severity > … en tu códigoUna 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:

PreguntaTipoRespuestasImporta cuando
categorychoicebug_report, billing, feature_request, how_to, othersiempre
bug_severityscorecosmetic, minor, major, criticalreportes de bug (especulativa)
has_reproducible_stepsprobabilityel ticket incluye pasos para reproducir el problemareportes de bug (especulativa)
refund_requestedprobabilityel cliente pide explícitamente un reembolso o créditofacturación (especulativa)
frustrationscorecalm, annoyed, frustrated, very angrysiempre

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:

  1. IF category · respuesta · = · bug_report, luego + AND bug_severity · respuesta · ≥ · 4 · critical — THEN escalate.
  2. IF refund_requested · respuesta · ≥ · 0.8 — THEN escalate.
  3. IF frustration · nivel ponderado · ≥ · 3.5 — THEN escalate.

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."
    }
  }'
200 OK
{
  "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 ≥ 3.5 se dispara cuando el peso está entre frustration y very angry, no solo cuando gana very 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

En esta página