Fan-out especulativo
Faça numa só chamada todas as perguntas de que um fluxo pode precisar — o Jev responde em paralelo — e deixe as regras AND e o seu código decidirem quais respostas importam. Baseado no template de triagem de tickets.
Faça em uma chamada todas as perguntas de que o fluxo pode precisar — o Jev responde em paralelo — e deixe as regras e o seu código decidirem quais respostas importam. Em vez de perguntar primeiro a categoria de um ticket e, numa chamada seguinte, a gravidade do bug, pergunte as duas de uma vez: se o ticket não for um relato de bug, você simplesmente ignora a gravidade.
Benefícios: custo e velocidade. Guia da TypeSafe: Speculative fan-out.
Por que funciona
- Uma ida e volta. O Jev lê o estado uma vez e avalia cada pergunta sobre ele de forma independente e em paralelo, então perguntas extras acrescentam pouca latência. No cookbook de perguntas em paralelo da TypeSafe, agrupar 13 perguntas numa chamada saiu cerca de 12× mais barato e 10× mais rápido que uma chamada por pergunta, com as mesmas respostas.
- Uma decisão cobrada. A Dcision cobra por chamada bem-sucedida, não por pergunta: uma decisão com cinco perguntas é uma decisão no seu plano. O custo do engine cresce só com os tokens de entrada das perguntas extras — veja
metrics.input_tokens. - Nenhum acoplamento escondido. Cada resposta é calculada por si só; a resposta de uma pergunta nunca vira contexto para outra. As suas regras as combinam depois.
Quando usar
Triagens em que os passos seguintes dependem das respostas anteriores — categoria → gravidade do bug → reembolso — e qualquer fluxo que, de outra forma, encadearia chamadas ("se A, então pergunte B"). Uma decisão comporta até 64 perguntas, dentro do orçamento de tokens do Jev: cerca de 32.000 tokens para o estado mais a pergunta mais longa, 64.000 para o estado mais todas as perguntas.
Como isso se traduz na Dcision
| No guia da TypeSafe | Na Dcision |
|---|---|
| Todas as perguntas numa requisição | Todas as perguntas numa decisão — um POST /v1/decisions/{slug} |
| Perguntas especulativas | Perguntas que só importam em alguns ramos, como bug_severity |
if category == "bug_report" and severity > … no seu código | Uma regra com condições and: category = bug_report AND bug_severity ≥ 4 → escalate |
frustration.score > 1.5 (níveis contados a partir de 0) | Uma regra sobre o nível ponderado: frustration (nível ponderado) ≥ 3.5 → escalate (níveis contados a partir de 1) |
As regras guardam o roteamento que precisa ser consistente e auditável; o seu código continua lendo todas as respostas em result.
Monte
No app
Abra Templates, encontre Triagem de tickets de suporte (fan-out) — em Todos os templates, ou em Experimente no card Fan-out especulativo — e escolha-o. Em Dê um nome, chame a decisão de Ticket Triage: o slug, o seu endpoint, vem do nome e vira ticket-triage. (O nome completo do template daria support-ticket-triage-fan-out; você também pode editar o slug no editor até o primeiro deploy.) Clique em Criar decisão.
O State é um objeto JSON com subject (string) e body (string, obrigatório).
As Perguntas são a árvore de decisão inteira de uma vez:
| Pergunta | Tipo | Respostas | Importa quando |
|---|---|---|---|
category | choice | bug_report, billing, feature_request, how_to, other | sempre |
bug_severity | score | cosmetic, minor, major, critical | relatos de bug (especulativa) |
has_reproducible_steps | probability | o ticket inclui passos para reproduzir o problema | relatos de bug (especulativa) |
refund_requested | probability | o cliente pede explicitamente um reembolso ou crédito | cobrança (especulativa) |
frustration | score | calm, annoyed, frustrated, very angry | sempre |
O nível critical é um nível estruturado — { "label": "critical", "rubric": "outage, data loss, security issue or money at risk" } — então o engine lê a rubrica enquanto a API devolve o rótulo critical.
Em Políticas, cada regra se lê IF condição [AND condição…] THEN ação:
- IF
category· resposta · = ·bug_report, depois + ANDbug_severity· resposta · ≥ · 4 · critical — THENescalate. - IF
refund_requested· resposta · ≥ · 0.8 — THENescalate. - IF
frustration· nível ponderado · ≥ · 3.5 — THENescalate.
A ação de fallback continua escalate, então um ticket que não se encaixa em nenhuma categoria (other) também chega a uma pessoa.
Rode o ticket de exemplo no Playground, confira as respostas e a ação e então clique em Publicar v1. O painel Padrões do editor agora marca Fan-out especulativo e Roteamento por intenção como em uso.
O decision schema
As perguntas e regras, como a visão Schema da decisão do editor as mostra (a opção reservada other é adicionada a category automaticamente):
{
"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" }
}Com a CLI, dcision init triage.json --template ticket-triage grava o schema completo num arquivo.
Chame
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 respostas numa chamada. A regra 0 casou: o ticket é um bug_report e a gravidade mais provável é critical (nível 4). scores traz o nível ponderado de cada pergunta score — bug_severity está em 3,56, entre major e critical.
Aja sobre o resultado
As regras decidiram se uma pessoa precisa olhar agora; o seu código lê as respostas especulativas só no ramo em que elas importam:
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 é útil em todos os ramos — por exemplo, aumente a prioridade quando decision.scores.frustration for 3 ou mais, mesmo abaixo do limiar de escalonamento.
Ajuste
- Adicione perguntas especulativas à vontade. Cada uma custa os seus tokens de entrada, não uma ida e volta. Fique dentro de 64 perguntas e do orçamento de tokens.
- Mantenha cada pergunta atômica. Um julgamento por pergunta, lido literalmente — veja Escrevendo boas perguntas.
- Condicione com
and, não com instruções mais longas. "If this describes a bug, how severe…" continua uma pergunta simples; a regra decide quando a resposta conta. - Use limiares entre níveis com
on: "score":frustration ≥ 3.5dispara quando o peso fica entrefrustrationevery angry, não só quandovery angryvence. - Ordene as regras do específico para o geral: a primeira que casar vence.
- Envie só o ticket. Threads longas e campos não relacionados diluem a precisão e gastam o orçamento de tokens — filtre-os no seu código.
Relacionados: Políticas e ações · Perguntas · Roteamento de suporte
Visão geral dos padrões
Os quatro padrões de arquitetura da TypeSafe — fan-out especulativo, roteamento por confiança, pontuação composta e roteamento por intenção — e como cada um se traduz em recursos e templates da Dcision.
Roteamento por confiança
Use a confiança como um segundo eixo — a resposta diz o quê, a confiança diz se vale agir — com confiança mínima por pergunta e regras AND por ação. Baseado no template de comandos bancários por voz.