Início rápido

Cadastre-se, crie uma decisão a partir de um template, teste no Playground, faça o deploy e chame-a com cURL, JavaScript ou Python — em cerca de cinco minutos.

Este passo a passo segue a checklist do seu Painel: criar uma decisão, testá-la, publicá-la, criar uma API key e fazer a sua primeira chamada à API.

Crie a sua conta

Abra app.dcision.io e escolha Continuar com Google ou informe o seu e-mail de trabalho para receber um código de 6 dígitos (válido por 10 minutos).

O primeiro login cria a sua conta e um workspace no plano gratuito Genesis (1M de decisões por mês, 2 decisões, logs de 7 dias — veja Planos).

Crie uma decisão a partir de um template

Vá em Templates e escolha Qualificação de leads em Todos os templates (ou em Decisões → Nova decisão, selecionando o template) e clique em Criar decisão.

Você cai no editor com um rascunho editável que contém:

ParteConteúdo
Estadomessage (string, obrigatório), company_size (number), source (string)
Perguntaspurchase_intent (probability), priority (score: low → critical), route (choice: sales, sdr, nurture, spam + o reservado other)
Compositelead_score — um ranking de 0 a 1 a partir da intenção (peso 2), da prioridade (1) e da probabilidade de sales (1)
Políticasroute = spam → block; confiança de purchase_intent abaixo de 0.6 → escalate

O painel Padrões, ao lado do schema, mostra que esta decisão já combina três dos padrões da TypeSafe: roteamento por intenção, roteamento por confiança e composite scoring.

O slug — o seu endpoint — é gerado a partir do nome: lead-qualification (ou lead-qualification-2 se o workspace já o usa). Você pode mudá-lo até o primeiro deploy.

Teste no Playground

Abra a aba Playground, substitua o estado pelo JSON abaixo e clique em Rodar decisão (ou pressione ⌘/Ctrl + Enter):

{
  "message": "We need pricing for 500 users and want to start next month.",
  "company_size": 500,
  "source": "website"
}

Você recebe o resultado tipado, a ação e o motivo da escolha, uma barra de confiança por pergunta, a distribuição de probabilidade completa de cada opção e o valor de lead_score. As execuções do Playground não são cobradas e aparecem em Execuções. As edições do rascunho são usadas antes mesmo de serem salvas.

Publique

Abra a aba Publicar e clique em Publicar v1. A Dcision congela o rascunho como a versão 1 imutável e a coloca no ar:

POST https://api.dcision.io/v1/decisions/lead-qualification

A partir de agora o slug fica travado. As edições seguintes ficam no rascunho até você publicar a v2 — a produção nunca muda por acidente. Veja Versões e deploy.

Crie uma API key

Vá em API Keys → Nova chave, mantenha o nome Produção e o ambiente Live, e clique em Criar chave. Copie a chave — ela começa com dcs_live_ e aparece só uma vez — e guarde-a como variável de ambiente no seu servidor:

export DCISION_API_KEY="dcs_live_…"

Nunca mande a chave para um navegador ou um app mobile. Veja Autenticação.

Chame a API

curl -X POST https://api.dcision.io/v1/decisions/lead-qualification \
  -H "Authorization: Bearer $DCISION_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": {
      "message": "We need pricing for 500 users and want to start next month.",
      "company_size": 500,
      "source": "website"
    }
  }'

Os SDKs oficiais para TypeScript e Python encapsulam essa chamada com retries seguros — await dcision.decide("lead-qualification", state). Para chamá-la a partir de uma ferramenta que não pode guardar uma API key — um formulário, um CRM, Zapier, n8n ou Make — ligue a URL de webhook da decisão na aba Avançado dela. Para deixar um agente de IA chamá-la, conecte o servidor MCP — veja Use a Dcision no Claude Code.

A resposta (os valores variam de uma execução para outra; o formato é exato):

200 OK
{
  "decision_id": "dec_3fKq9ZtW1mXcV7bN2pLa",
  "execution_id": "exec_8HsT2kQw9ZyR4vMn1cXe",
  "schema": "lead-qualification",
  "version": 1,
  "result": {
    "purchase_intent": 0.9412,
    "priority": "high",
    "route": "sales"
  },
  "confidence": {
    "purchase_intent": 0.8824,
    "priority": 0.69,
    "route": 0.85
  },
  "scores": { "priority": 2.81 },
  "composites": { "lead_score": 0.8414 },
  "action": "continue",
  "action_reason": { "type": "default" },
  "metrics": {
    "latency_ms": 412,
    "engine": "jev",
    "model": "jev-1.13.0",
    "estimated_cost_usd": 0.00001575,
    "input_tokens": 375,
    "output_tokens": 36
  }
}

Leia a resposta

  • result traz uma resposta por pergunta, indexada pela chave da pergunta: um número em [0, 1] para perguntas de probability, o rótulo da escala para perguntas de score e uma opção para perguntas de choice.
  • confidence traz o quanto o engine tem certeza de cada resposta, de 0 a 1 — veja Confiança e probabilidades.
  • scores traz o nível ponderado de cada pergunta de score, contado a partir de 1: priority em 2.81 fica entre medium (2) e high (3), mais perto de high.
  • composites traz as combinações ponderadas da decisão — aqui, lead_score. Veja Composites.
  • action é o que o seu código deve fazer: continue, block, escalate ou fallback. action_reason diz por quê — aqui nenhuma política combinou, então vale o continue padrão. Veja Políticas e ações.
  • version é a versão publicada que respondeu, e execution_id encontra a execução em Execuções.
  • metrics informa a latência, o modelo exato que respondeu, os tokens de entrada e de saída e o custo estimado do engine — Jev e OpenAI Decisions cobram só os tokens de entrada.

Acrescente ?include=probabilities para receber também a distribuição completa de cada pergunta — veja Confiança e probabilidades.

Próximos passos

Nesta página