Roteamento por intenção
Classifique cada pedido numa chamada rápida e mande-o ao handler capaz mais barato — código, um LLM especialista ou uma pessoa. Construído sobre o template Customer Service Router.
Nem todo pedido precisa do mesmo handler. Alguns são respondidos por uma consulta ao banco de dados, alguns precisam de um LLM com contexto específico do domínio, alguns precisam de uma pessoa. Coloque a Dcision na frente de todos eles como um classificador rápido e barato: classifique primeiro, depois roteie — e só pague pelo handler caro quando o pedido realmente precisar dele.
Benefícios: custo e velocidade. Guia da TypeSafe: Intent routing.
Por que funciona
- Uma escolha é um conjunto fechado. A resposta é sempre uma das suas intenções — nunca texto livre para interpretar — com uma probabilidade para cada opção.
- "Nenhuma destas" é uma resposta. A opção reservada
otherpermite ao engine dizer que um pedido não se encaixa em nenhuma intenção, em vez de forçar a menos errada; a Dcision então devolve a ação de fallback. - Uma chamada responde o roteamento e o risco. Pergunte a intenção e a complexidade juntas, em paralelo.
- A parte cara roda por último. Consultas vão direto para o código, sem nenhum LLM; modelos especialistas recebem só os seus próprios pedidos, com o seu próprio contexto.
Quando usar
Mensagens e tickets recebidos, assistentes de chat e voz, um agente escolhendo a sua primeira ferramenta, qualquer fila em que os pedidos diferem no que precisam — antes de você pagar por uma chamada de LLM.
Como isso se traduz na Dcision
| No guia da TypeSafe | Na Dcision |
|---|---|
| Uma escolha para a intenção | Uma pergunta de escolha, mais a reservada other |
| Uma nota para a complexidade | Uma pergunta de nota; o seu nível ponderado (scores) pode ser usado em regras |
if intent.confidence < 0.5: human | minConfidence na pergunta de intenção, ou uma regra sobre a sua confiança |
complaint → humano quando complexo ou incerto | Regras que fazem escalate dos casos que uma pessoa precisa ver |
handle_order_status(), handle_with_llm(…) | O seu código roteia por result.intent quando a ação é continue |
Construa
No app
Abra Templates e escolha Roteador de atendimento (roteamento por intenção). Dê à decisão o nome Customer Service Router para que o slug seja customer-service-router e clique em Criar decisão.
O State é Texto: a mensagem do cliente.
Duas perguntas, respondidas na mesma chamada:
| Pergunta | Tipo | Respostas |
|---|---|---|
intent | choice | order_status (respondida por uma consulta ao banco de dados), billing_question, technical_issue, complaint, other |
complexity | score | simple, moderate, complex |
Em Políticas, escale o que uma pessoa precisa ver:
- IF
intent· resposta · = ·complaint— THENescalate. - IF
intent· resposta · = ·technical_issue, + ANDcomplexity· nível ponderado · ≥ · 2.5 — THENescalate. - IF
complexity· confiança · < · 0.5 — THENescalate: quando a decisão não consegue dizer quão difícil é um pedido, não o automatize.
A ação de fallback é escalate, então other também chega a uma pessoa.
Teste mensagens reais no Playground e depois clique em Publicar v1.
O decision schema
{
"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" }
}Chame
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
}
}Nenhuma regra combinou: uma pergunta simples sobre o status de um pedido, que o código consegue responder sem nenhum LLM.
Aja sobre o resultado
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);
}
}Ajuste
- Condicione a própria intenção. A versão da TypeSafe manda para uma pessoa tudo o que fica abaixo de 0,5 de confiança na intenção: defina
"minConfidence": 0.5emintentpara fazer o mesmo. - Deixe as fronteiras explícitas. Descreva cada intenção pelo que ela cobre e pelo que não cobre — as descrições de opção aceitam rubricas JSON como
{ "what": "…", "not_for": "…", "examples": ["…"] }. Veja Perguntas. - Confira a ordem das opções. O Jev pode pender para a opção listada primeiro. Reordene as opções no Playground e confira se as respostas continuam as mesmas.
- Descreva
otherquando "nenhuma destas" tiver um significado para você — "não é sobre um pedido, uma cobrança ou o app" — para que mensagens fora do assunto cheguem à ação de fallback. - Aumente o conjunto conforme aprende. Uma escolha comporta até 254 opções mais
other. Acompanhe os motivosother_optionem Execuções para descobrir as intenções que estão faltando. - Roteie ferramentas do mesmo jeito. O template Agent routing aplica este padrão à primeira ferramenta de um agente de IA.
Relacionados: Roteamento por confiança · Roteamento de suporte · Detecção de spam
Pontuação composta
Divida um julgamento em notas atômicas e combine-as com pesos que você controla — compostos calculados pela Dcision e utilizáveis em políticas. Baseado no template de triagem de currículos.
Visão geral dos destinos
O que acontece depois de uma decisão — por opção, nível, limiar de probabilidade ou ação final — respostas fixas, saídas estruturadas, LLMs, seu agente, workflows, webhooks assinados, requisições HTTP e funções.