Быстрый старт

Зарегистрируйтесь, создайте решение из шаблона, протестируйте его в Playground, опубликуйте и вызовите через cURL, JavaScript или Python — примерно за пять минут.

Это пошаговое руководство повторяет чек-лист на вашей Панели: создать решение, протестировать его, опубликовать, создать API-ключ и сделать первый вызов API.

Создайте аккаунт

Откройте app.dcision.io и выберите Продолжить с Google или введите рабочий e-mail, чтобы получить 6-значный код (действует 10 минут).

Первый вход создаёт ваш аккаунт и рабочее пространство на бесплатном тарифе Genesis (1M решений в месяц, 2 решения, журналы за 7 дней — см. Тарифы).

Создайте решение из шаблона

Перейдите в Шаблоны и выберите Квалификация лидов в разделе Все шаблоны (или Решения → Новое решение и выберите шаблон), затем нажмите Создать решение.

Вы попадаете в редактор с редактируемым черновиком, который содержит:

ЧастьСодержимое
Statemessage (строка, обязательная), company_size (число), source (строка)
Вопросыpurchase_intent (probability), priority (score: low → critical), route (choice: sales, sdr, nurture, spam + зарезервированный other)
Композитlead_score — ранжирование от 0 до 1 по намерению (вес 2), приоритету (1) и вероятности sales (1)
Политикиroute = spam → block; уверенность purchase_intent ниже 0.6 → escalate

Панель Паттерны рядом со схемой показывает, что это решение уже сочетает три паттерна TypeSafe: маршрутизацию по намерению, маршрутизацию с порогом уверенности и композитную оценку.

Slug — ваш эндпоинт — генерируется из названия: lead-qualification (или lead-qualification-2, если в рабочем пространстве он уже используется). Его можно менять до первой публикации.

Протестируйте в Playground

Откройте вкладку Playground, замените state на JSON ниже и нажмите Запустить решение (или ⌘/Ctrl + Enter):

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

Вы получите типизированный результат, действие и причину его выбора, полосу уверенности для каждого вопроса, полное распределение вероятностей по каждому варианту и значение lead_score. Запуски в Playground не тарифицируются и появляются в Выполнениях. Правки черновика учитываются ещё до сохранения.

Опубликуйте

Откройте вкладку Публикация и нажмите Опубликовать v1. Dcision делает снимок черновика как неизменяемую версию 1 и запускает её в работу:

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

С этого момента slug заблокирован. Последующие правки остаются в черновике, пока вы не опубликуете v2, — продакшен никогда не меняется случайно. См. Версии и публикация.

Создайте API-ключ

Перейдите в API-ключи → Новый ключ, оставьте имя Production и окружение Рабочий и нажмите Создать ключ. Скопируйте ключ — он начинается с dcs_live_ и показывается только один раз — и сохраните его как переменную окружения на своём сервере:

export DCISION_API_KEY="dcs_live_…"

Никогда не передавайте ключ в браузер или мобильное приложение. См. Аутентификация.

Вызовите 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"
    }
  }'

Официальные SDK для TypeScript и Python оборачивают этот вызов безопасными повторами — await dcision.decide("lead-qualification", state). Чтобы вызывать решение из инструмента, который не может хранить API-ключ, — формы, CRM, Zapier, n8n или Make, — включите URL вебхука решения на его вкладке Дополнительно. Чтобы его мог вызывать ИИ-агент, подключите MCP-сервер — см. Dcision в Claude Code.

Ответ (значения меняются от запуска к запуску; форма точная):

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
  }
}

Чтение ответа

  • result содержит по одному ответу на вопрос с ключом вопроса: число в [0, 1] для вопросов probability, метку шкалы для вопросов score и вариант для вопросов choice.
  • confidence показывает, насколько движок уверен в каждом ответе, от 0 до 1, — см. Уверенность и вероятности.
  • scores содержит взвешенный уровень каждого вопроса score, считая от 1: priority со значением 2.81 находится между medium (2) и high (3), ближе к high.
  • composites содержит взвешенные комбинации решения — здесь lead_score. См. Композиты.
  • action — то, что должен сделать ваш код: continue, block, escalate или fallback. action_reason объясняет почему — здесь ни одна политика не сработала, поэтому применяется continue по умолчанию. См. Политики и действия.
  • version — опубликованная версия, которая ответила, а по execution_id запуск можно найти в Выполнениях.
  • metrics сообщает задержку, точную модель, которая ответила, входные и выходные токены и оценку стоимости движка — Jev и OpenAI Decisions тарифицируют только входные токены.

Добавьте ?include=probabilities, чтобы получать и полное распределение по каждому вопросу, — см. Уверенность и вероятности.

Что дальше

На этой странице