Enrutamiento por intención
Clasifica cada solicitud en una llamada rápida y envíala al manejador capaz más barato — código, un LLM especializado o una persona. Basado en la plantilla Enrutador de atención al cliente.
No todas las solicitudes necesitan el mismo manejador. Algunas se responden con una consulta a la base de datos, otras necesitan un LLM con contexto específico del dominio, otras necesitan una persona. Pon Dcision delante de todos ellos como un clasificador rápido y barato: primero clasifica, luego enruta — y paga por el manejador caro solo cuando la solicitud realmente lo necesita.
Beneficios: costo y velocidad. Guía de TypeSafe: Intent routing.
Por qué funciona
- Una choice es un conjunto cerrado. La respuesta siempre es una de tus intenciones — nunca texto libre que haya que parsear — con una probabilidad para cada opción.
- "Ninguna de estas" es una respuesta. La opción reservada
otherpermite que el motor diga que una solicitud no encaja en ninguna intención en lugar de forzar la menos mala; Dcision devuelve entonces la acción de fallback. - Una llamada responde el enrutamiento y el riesgo. Pide la intención y su complejidad a la vez, en paralelo.
- La parte cara se ejecuta al final. Las consultas van directo al código, sin ningún LLM; los modelos especializados reciben solo sus propias solicitudes, con su propio contexto.
Cuándo usarlo
Mensajes y tickets entrantes, asistentes de chat y de voz, un agente que elige su primera herramienta, cualquier cola en la que las solicitudes difieran en lo que necesitan — antes de pagar por una llamada a un LLM.
Cómo se traduce a Dcision
| En la guía de TypeSafe | En Dcision |
|---|---|
| Una choice para la intención | Una pregunta choice, más la opción reservada other |
| Un score para la complejidad | Una pregunta score; su nivel ponderado (scores) se puede usar en reglas |
if intent.confidence < 0.5: human | minConfidence en la pregunta de intención, o una regla sobre su confianza |
complaint → persona cuando es compleja o hay dudas | Reglas que hacen escalate de los casos que una persona debe ver |
handle_order_status(), handle_with_llm(…) | Tu código enruta según result.intent cuando la acción es continue |
Constrúyelo
En la app
Abre Plantillas y elige Enrutador de atención al cliente (enrutamiento por intención). Llama a la decisión Customer Service Router para que su slug sea customer-service-router y luego haz clic en Crear decisión.
El State es Texto: el mensaje del cliente.
Dos preguntas, respondidas en la misma llamada:
| Pregunta | Tipo | Respuestas |
|---|---|---|
intent | choice | order_status (se responde con una consulta a la base de datos), billing_question, technical_issue, complaint, other |
complexity | score | simple, moderate, complex |
En Políticas, escala lo que una persona debe ver:
- IF
intent· respuesta · = ·complaint— THENescalate. - IF
intent· respuesta · = ·technical_issue, + ANDcomplexity· nivel ponderado · ≥ · 2.5 — THENescalate. - IF
complexity· confianza · < · 0.5 — THENescalate: cuando la decisión no sabe qué tan difícil es una solicitud, no la automatices.
La acción de fallback es escalate, así que other también llega a una persona.
Prueba mensajes reales en el Playground y luego Publicar v1.
El schema de la decisión
{
"stateSchema": { "kind": "text" },
"questions": [
{
"key": "intent",
"type": "choice",
"instructions": "What is the customer asking for?",
"options": [
{ "value": "order_status", "description": "where is my order, tracking, delivery date (answered by a database lookup)" },
{ "value": "billing_question", "description": "charges, invoices, refunds, payment methods" },
{ "value": "technical_issue", "description": "the product or app is not working as expected" },
{ "value": "complaint", "description": "dissatisfaction, wants to escalate or talk to a manager" }
]
},
{
"key": "complexity",
"type": "score",
"instructions": "How complex is it to resolve this request?",
"scale": ["simple", "moderate", "complex"]
}
],
"policies": [
{ "field": "intent", "on": "output", "operator": "eq", "value": "complaint", "action": "escalate" },
{
"field": "intent",
"on": "output",
"operator": "eq",
"value": "technical_issue",
"and": [{ "field": "complexity", "on": "score", "operator": "gte", "value": 2.5 }],
"action": "escalate"
},
{ "field": "complexity", "on": "confidence", "operator": "lt", "value": 0.5, "action": "escalate" }
],
"settings": { "fallbackAction": "escalate" }
}Llámala
curl -X POST https://api.dcision.io/v1/decisions/customer-service-router \
-H "Authorization: Bearer $DCISION_API_KEY" \
-H "Content-Type: application/json" \
-d '{ "state": "My order #4821 was supposed to arrive yesterday. Can you tell me where it is?" }'{
"decision_id": "dec_Lr5Tw9Mc2Qx7Hb4Nz1Kg",
"execution_id": "exec_Fv1Wd6Kp3Zs8Qm2Tx7Lh",
"schema": "customer-service-router",
"version": 1,
"result": { "intent": "order_status", "complexity": "simple" },
"confidence": { "intent": 0.925, "complexity": 0.76 },
"scores": { "complexity": 1.16 },
"action": "continue",
"action_reason": { "type": "default" },
"metrics": {
"latency_ms": 233,
"engine": "jev",
"model": "jev-1.13.0",
"estimated_cost_usd": 0.00000966,
"input_tokens": 230,
"output_tokens": 21
}
}Ninguna regla coincidió: una pregunta simple sobre el estado de un pedido que el código puede responder sin ningún LLM.
Actúa en consecuencia
type Intent = "order_status" | "billing_question" | "technical_issue" | "complaint" | "other";
async function route(message: Message) {
const response = await fetch("https://api.dcision.io/v1/decisions/customer-service-router", {
method: "POST",
headers: { Authorization: `Bearer ${process.env.DCISION_API_KEY}`, "Content-Type": "application/json" },
body: JSON.stringify({ state: message.text }),
});
if (!response.ok) return humanQueue.add(message); // errors: a person decides
const decision = await response.json();
if (decision.action !== "continue") return humanQueue.add(message, { reason: decision.action_reason });
switch (decision.result.intent as Intent) {
case "order_status":
return orders.replyWithTracking(message); // deterministic code, no LLM
case "billing_question":
return llm.answer(message, BILLING_SPECIALIST);
case "technical_issue":
return llm.answer(message, SUPPORT_SPECIALIST); // complex ones were escalated by rule 1
default:
return humanQueue.add(message);
}
}Ajústalo
- Controla la propia intención. La versión de TypeSafe envía a una persona todo lo que esté por debajo de 0.5 de confianza en la intención: define
"minConfidence": 0.5enintentpara hacer lo mismo. - Haz explícitos los límites. Describe cada intención por lo que cubre y lo que no — las descripciones de opción aceptan rúbricas JSON como
{ "what": "…", "not_for": "…", "examples": ["…"] }. Consulta Preguntas. - Revisa el orden de las opciones. Jev puede inclinarse hacia la opción que aparece primero. Reordena las opciones en el Playground y comprueba que las respuestas no cambian.
- Describe
othercuando "ninguna de estas" tenga un significado para ti — "no trata de un pedido, una factura ni la app" — para que los mensajes fuera de tema lleguen a la acción de fallback. - Amplía el conjunto a medida que aprendes. Una choice admite hasta 254 opciones más
other. Observa los motivosother_optionen Ejecuciones para encontrar las intenciones que te faltan. - Enruta herramientas de la misma forma. La plantilla Enrutamiento de agentes aplica este patrón a la primera herramienta de un agente de IA.
Relacionado: Enrutamiento filtrado por confianza · Enrutamiento de soporte · Detección de spam
Puntuación compuesta
Divide un juicio en puntajes atómicos y combínalos con pesos que tú controlas — compuestos calculados por Dcision y utilizables en políticas. Basado en la plantilla Resume Screening.
Visión general de los destinos
Qué pasa tras una decisión — por opción, nivel de puntaje, umbral de probabilidad o acción final — respuestas fijas o de LLM, salida estructurada, tu agente, workflows, webhooks firmados, llamadas HTTP y funciones.