简介

Dcision 是什么——基于状态的结构化决策(choice、score 和 probability 问题,再加上选择行动的策略),以一个 API 的形式部署——以及它为什么存在。

Dcision 是决策即服务(Decision as a Service)——AI 的决策层。 LLM 负责推理,智能体负责执行,Dcision 决定接下来发生什么。

AI 产品中的大多数事件并不需要一段生成的文字。它们需要的是一个小而快、带类型的回答:这条线索应该交给销售吗?、这个工单需要人工处理吗?、这个文本块相关吗?、智能体应该调用哪个工具? Dcision 把每一个这样的问题变成一个决策:你只需设计一次,部署为一个端点,然后调用数百万次。

为什么是决策,而不是文本

大多数 AI 都是为模型与人之间的对话而构建的。而生产环境中的自动化大多是机器对机器:代码向模型索取一个范围很窄、可以检查并据此行动的判断。这需要 TypeSafe 所说的机器原生智能(machine native intelligence)——具备软件特性的 AI:结构化、可靠、可观测、可测试、快速、一致且低成本。

Dcision 运行在决策引擎之上——这些模型返回的是决策和概率,而不是生成的文本。你可以按工作区或按决策选择引擎(引擎与 BYOK):

  • Jev(默认)——TypeSafe 的 System One 模型,采用 RLCD(reinforcement learning for calibrated decisions,面向校准决策的强化学习)训练:在大量回答中,给出 0.8 的那些回答应当约有 80% 是正确的。背景知识请阅读 TypeSafe 的 AI 入门。
  • OpenAI Decisions——OpenAI 的 Decisions API(gpt-6-luna),使用你的 OpenAI 密钥;它还能读取图片。
  • Laya——由 Convai Innovations 开发的开源决策模型(Apache 2.0),运行在你自己的服务器上。

聊天模型被调教成给出人们偏好的回答,这可能会奖励听起来很自信的错误;而概率是你的软件可以设定阈值、据此升级处理并进行审计的东西。Dcision 在任何引擎之外补齐了生产环境所需的一切:每个决策的类型化契约、任意输入(文本、JSON、图片、语音、文档)、把回答转化为行动的策略、带版本的部署、执行日志、API 密钥、配额和计费。

工作原理

你用决策 schema 来描述一个决策:

  • 状态(State)——你的应用发送的输入:带类型字段的 JSON 对象、纯文本,或者列表(例如聊天记录)。对象字段还可以包含文件——image、audio 和 file——例如照片、语音消息或 PDF;参见输入。
  • 问题(Questions)——要对状态做出的判断,每个决策最多 64 个,全部在一次调用中回答。共三种类型:
    • choice——选择一个选项(团队、类别、工具)。保留的 other 选项让引擎可以表示“都不是”。
    • score——把状态放到一个有序等级上(low → critical)。
    • probability——用 0 到 1 之间的数字回答的是/否问题。
  • 复合指标(Composites)——可选的回答加权组合,例如线索评分,由 Dcision 计算。
  • 策略(Policies)——在回答之后评估的规则,例如如果 route = spam 则 block,可附加 and 条件。它们设定你的代码据以执行的行动:continue、block、escalate 或 fallback。
  • 目的地(Destinations)——可选:每个结果接下来会发生什么。返回固定回复或 LLM 回答、交给你的智能体、触发工作流、发送签名 webhook、调用 API,或告诉你的代码运行哪个函数。参见目的地。

你在 Playground 中测试决策,将其部署为一个不可变的版本,然后调用它:

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 } }'
响应(节选)
{
  "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" }
}

每个回答都带有类型:choice 总是你的选项之一,score 总是你的标签之一,probability 总是 [0, 1] 区间内的数字。无需解析任何内容,也没有需要与代码保持同步的提示词。

每次调用时发生什么

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
  1. 状态会根据决策的状态 schema 和引擎的 token 预算进行校验。无效的状态会以 422 INVALID_STATE 快速失败,根本不会到达引擎。
  2. 读取状态中的文件:文档转为文本,音频转为转写文本,图片以图片形式发送给 OpenAI Decisions(对于 Jev 和 Laya 则被描述为文本)。随后决策被编译为与引擎无关的表示,并在决策的时间预算内(含重试)发送给其引擎——Jev、OpenAI Decisions 或 Laya。
  3. 引擎为每个问题返回一个概率分布。Dcision 将其规范化为 result(回答)、confidence,对于 score 问题还有 scores(加权级别)。
  4. 计算复合指标;然后由策略、保留的 other 选项和最低置信度阈值得出 action 及其 action_reason。
  5. 运行与结果匹配的决策目的地:回复和函数会被返回,LLM 和智能体的回答会被等待,webhook、工作流和 API 请求会排队投递。
  6. 本次运行被记录为一条执行记录——是否包含输入和输出,取决于你的配置。

为什么选择 Dcision

  • 便宜到可以用于每个事件。 Jev 和 OpenAI Decisions 只对输入 token 计费;Laya 运行在你的硬件上。每个响应都会报告 metrics.input_tokens 和 metrics.estimated_cost_usd,各套餐每月包含数百万次决策——免费的 Genesis 套餐包含 1M 次。一个决策只计费一次,无论它包含多少个问题。
  • 类型化且稳定。 响应契约来自你的 schema,以你的问题键为键。如果引擎的回答超出契约,调用会以 ENGINE_ERROR 失败,而不是返回格式错误的数据。
  • 如实面对不确定性。 校准过的置信度、other 选项、每个问题的最低置信度以及 fallback 行动,让“我不确定”成为一个明确、可路由的结果——参见处理低置信度和 other。
  • 为组合而生。 TypeSafe 的四种模式——扇出、置信度门控路由、组合评分和意图路由——都是 schema 的功能,每种都有对应的模板。
  • 可审计。 已部署的版本是不可变的快照。每条执行记录都保存版本、行动原因、置信度、分布、模型、延迟和请求 ID。
  • 与引擎无关。 决策 schema 不依赖任何引擎。可以用 Dcision 的密钥或你自己的密钥(OpenRouter、TypeSafe、Vercel AI Gateway)运行 Jev,用你的 OpenAI 密钥运行 OpenAI Decisions,或在你的服务器上运行 Laya——切换时无需修改代码。
  • 任意输入。 文本、JSON、图片、语音消息和文档(PDF、Word、Excel……)可以放在同一个状态中,所有引擎都支持——参见输入。

适用场景

路由(线索、工单、智能体工具)、分诊与优先级排序、内容审核与垃圾信息、调用 LLM 前的相关性检查、评分与排序、把关(“这需要人工吗?”/“这需要更大的模型吗?”)。Dcision 不是文本生成器:用它来决定是否以及往哪里分派工作,然后让你的 LLM、智能体或团队去完成。

对重大决策保留人工参与

回答是概率,而不是保证。对于具有法律效力或同等重大影响的决策——信贷、雇佣、医疗、法律——请用 Dcision 进行分诊和路由,并把最终决定交给人来做(例如通过 escalate 策略)。

后续步骤

本页内容