Введение
Что такое Dcision — структурированные решения над состоянием (вопросы choice, score и probability плюс политики, выбирающие действие), опубликованные как один API, — и зачем он нужен.
Dcision — это Decision as a Service, слой решений для ИИ. LLM рассуждают, агенты действуют, Dcision решает, что происходит дальше.
Большинству событий в ИИ-продукте не нужен сгенерированный абзац. Им нужен небольшой, быстрый, типизированный ответ: отправить ли этот лид в продажи?, нужен ли этому тикету человек?, релевантен ли этот фрагмент?, какой инструмент должен вызвать агент? Dcision превращает каждый такой вопрос в решение, которое вы проектируете один раз, публикуете как эндпоинт и вызываете миллионы раз.
Почему решения, а не текст
Большая часть ИИ создана для разговора между моделью и человеком. Автоматизация в продакшене — это в основном взаимодействие машины с машиной: код просит у модели одно узкое суждение, которое он может проверить и на основе которого может действовать. Для этого нужно то, что TypeSafe называет machine native intelligence, — ИИ со свойствами программного обеспечения: структурой, надёжностью, наблюдаемостью, тестируемостью, скоростью, согласованностью и низкой стоимостью.
Dcision работает на движках решений — моделях, которые возвращают решения и вероятности вместо сгенерированного текста. Вы выбираете движок для рабочего пространства или для отдельного решения (Движки и BYOK):
- Jev (по умолчанию) — модель System One от TypeSafe, обученная с RLCD, reinforcement learning for calibrated decisions: на множестве ответов те, что даны с 0.8, должны быть верны примерно в 80% случаев. Подробности — в AI primer от TypeSafe.
- OpenAI Decisions — Decisions API от OpenAI (
gpt-6-luna) на вашем ключе OpenAI; он также читает изображения. - Laya — открытая модель решений (Apache 2.0) от Convai Innovations на вашем собственном сервере.
Чат-модели настроены на ответы, которые предпочитают люди, а это может поощрять уверенно звучащие ошибки; вероятность же — это то, по чему ваше ПО может ставить пороги, эскалировать и проводить аудит. Dcision добавляет вокруг любого движка то, что нужно продакшену: типизированный контракт для каждого решения, любые входные данные (текст, JSON, изображения, голос, документы), политики, превращающие ответы в действия, версионируемые публикации, журналы выполнений, API-ключи, квоты и оплату.
Как это работает
Вы описываете решение с помощью схемы решения:
- State — входные данные, которые отправляет ваше приложение: JSON-объект с типизированными полями, простой текст или список, например расшифровка чата. Поля объекта также могут содержать файлы —
image,audioиfile, — например фото, голосовое сообщение или PDF; см. Входные данные. - Вопросы — что решить о state, до 64 на решение, все с ответом за один вызов. Три типа:
- choice — выбрать один вариант (команду, категорию, инструмент). Зарезервированный вариант
otherпозволяет движку сказать «ничего из этого». - score — поместить state на упорядоченную шкалу (
low→critical). - probability — вопрос «да/нет», ответ на который — число от 0 до 1.
- choice — выбрать один вариант (команду, категорию, инструмент). Зарезервированный вариант
- Композиты — необязательные взвешенные комбинации ответов, например оценка лида, вычисляемые Dcision.
- Политики — правила, оцениваемые после ответов, например если
route=spam, тоblock, с необязательными условиямиand. Они задают действие, по которому действует ваш код:continue,block,escalateилиfallback. - Назначения — необязательно: что происходит дальше для каждого результата. Вернуть фиксированный ответ или ответ LLM, передать работу вашему агенту, запустить workflow, отправить подписанный вебхук, вызвать API или сообщить вашему коду, какую функцию выполнить. См. Назначения.
Вы тестируете решение в Playground, публикуете его как неизменяемую версию и вызываете:
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 } }'{
"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" }
}Каждый ответ типизирован: choice — всегда один из ваших вариантов, score — всегда одна из ваших меток, probability — всегда число в [0, 1]. Ничего не нужно разбирать, и нет промпта, который надо синхронизировать с кодом.
Что происходит при каждом вызове
state ──▶ validate ──▶ read files (documents → text, audio → transcript, images) ──▶ engine-neutral representation
──▶ engine (Jev, OpenAI Decisions or Laya)
──▶ typed answers, confidence, weighted levels ──▶ composites ──▶ policies ──▶ action + reason
──▶ destinations ──▶ execution log ──▶ response- State проверяется по схеме state решения и по бюджету токенов движка. Некорректный state быстро отклоняется с
422 INVALID_STATEи никогда не доходит до движка. - Файлы в state читаются: документы становятся текстом, аудио — расшифровкой, а изображения уходят в OpenAI Decisions как изображения (или описываются текстом для Jev и Laya). Затем решение компилируется в независимое от движка представление и отправляется своему движку — Jev, OpenAI Decisions или Laya — в рамках бюджета времени решения, с повторами.
- Движок возвращает распределение вероятностей для каждого вопроса. Dcision нормализует его в
result(ответ),confidenceи, для вопросов score,scores(взвешенный уровень). - Вычисляются композиты; затем политики, зарезервированный вариант
otherи пороги минимальной уверенности даютactionи егоaction_reason. - Срабатывают назначения решения, соответствующие результату: ответы и функции возвращаются, ответы LLM и агентов ожидаются, а вебхуки, workflow и API-запросы ставятся в очередь на доставку.
- Запуск записывается как выполнение — с входными и выходными данными или без них, как вы настроите.
Почему Dcision
- Достаточно дёшево для каждого события. Jev и OpenAI Decisions тарифицируют только входные токены; Laya работает на вашем оборудовании. Каждый ответ сообщает
metrics.input_tokensиmetrics.estimated_cost_usd, а тарифы включают миллионы решений в месяц — бесплатный тариф Genesis включает 1M. Решение тарифицируется один раз, сколько бы вопросов оно ни задавало. - Типизировано и стабильно. Контракт ответа берётся из вашей схемы, с ключами ваших вопросов. Если движок когда-либо ответит вне контракта, вызов завершится ошибкой
ENGINE_ERROR, а не вернёт некорректные данные. - Честно о неопределённости. Откалиброванная уверенность, вариант
other, минимальная уверенность для каждого вопроса и fallback-действие делают «я не уверен» явным, маршрутизируемым исходом — см. Низкая уверенность и вариантother. - Создано для композиции. Четыре паттерна TypeSafe — fan-out, маршрутизация с порогом уверенности, композитная оценка и маршрутизация по намерению — это возможности схемы, у каждой есть шаблон.
- Поддаётся аудиту. Опубликованные версии — неизменяемые снимки. Каждое выполнение хранит версию, причину действия, уверенность, распределения, модель, задержку и ID запроса.
- Независимо от движка. Схема решения не зависит ни от какого движка. Запускайте Jev на ключе Dcision или на своём ключе (OpenRouter, TypeSafe, Vercel AI Gateway), OpenAI Decisions на своём ключе OpenAI или Laya на своём сервере — и переключайтесь, не меняя код.
- Любые входные данные. Текст, JSON, изображения, голосовые сообщения и документы (PDF, Word, Excel…) в одном state, на любом движке — см. Входные данные.
Где подходит лучше всего
Маршрутизация (лиды, тикеты, инструменты агентов), сортировка и приоритизация, модерация и спам, проверки релевантности перед вызовом LLM, оценка и ранжирование, контроль («нужен ли здесь человек?» / «нужна ли здесь модель побольше?»). Dcision — не генератор текста: используйте его, чтобы решать, нужно ли и куда отправлять работу, а затем пусть её выполнит ваша LLM, агент или команда.
Оставляйте человека в контуре для значимых решений
Ответы — это вероятности, а не гарантии. Для решений с юридическими или сопоставимо значимыми последствиями — кредиты, трудоустройство, здравоохранение, право — используйте Dcision для сортировки и маршрутизации, а окончательное решение передавайте человеку (например, с политикой escalate).
Что дальше
Быстрый старт
От регистрации до первого вызова API примерно за пять минут.
Схема решения
State, вопросы, композиты, политики и настройки — поле за полем.
Входные данные
Текст, JSON, изображения, голос и документы — и как их читает каждый движок.
Движки
Jev, OpenAI Decisions или Laya — для рабочего пространства или для отдельного решения.
Паттерны
Fan-out, маршрутизация с порогом уверенности, композитная оценка и маршрутизация по намерению.
Запуск решения
Справочник API по POST /v1/decisions/{slug}.
Как писать хорошие вопросы
Формулируйте вопросы, на которые движок отвечает надёжно.
Руководства
Сквозные рецепты на основе шаблонов.
Назначения
Ответы, ответы LLM, агенты, workflow, вебхуки, вызовы API и функции для каждого результата.
SDK
TypeScript и Python — безопасные повторы, функции и проверка вебхуков.
Claude Code и MCP
Позвольте агенту просматривать, проверять и запускать решения и писать схемы.
Входящий вебхук
Запуск решения по секретному URL — формы, CRM, Zapier, n8n, Make.