复合指标

用你控制的权重把多个回答组合成一个数字——Σ(weight × value) / Σ|weight|——在 composites 中返回,并在策略中使用。

复合指标是 Dcision 在引擎作答后计算的回答加权组合。可以用它来排序(线索评分、简历匹配度、风险评分),同时对多个信号设定阈值,或者只是把权重保存在决策中而不是写在提示词里。

引擎回答小而原子化的问题;复合指标负责算术。这种分工很重要:Jev 擅长判断而不擅长数学,所以数学留在 Dcision 中——精确、有版本、易于调整。这就是内置在 schema 中的组合评分模式。

定义复合指标

复合指标位于 schema 的 composites 数组中。下面这个来自线索资格评估模板:

{
  "key": "lead_score",
  "description": "0–1 ranking: intent counts double, priority adds, spam-like routes don't count",
  "terms": [
    { "question": "purchase_intent", "weight": 2 },
    { "question": "priority", "weight": 1 },
    { "question": "route", "option": "sales", "weight": 1 }
  ]
}
属性类型必填描述
keystring是snake_case,在决策的问题和复合指标之间唯一。响应的 composites 中和策略中使用的键。
descriptionstring否最多 500 个字符。仅用于文档:不会发送给引擎。
termsarray是1 到 20 项。

每一项指向一个问题:

属性类型必填描述
questionstring是此决策中某个问题的键。
optionstring仅 choice 问题计入其概率的选项——choice 问题必填,其他问题会被拒绝。
weightnumber是从 −100 到 100,不能为 0。负权重表示相减。

一个决策最多有 20 个复合指标。错误会使 schema 无效(422 INVALID_SCHEMA),并给出诸如 Unknown question "intent".、"route" has no option "buyer". 或 Pick the option whose probability counts. 之类的消息。

值如何计算

composite = Σ(weight × term value) / Σ|weight|

每一项贡献一个 0 到 1 之间的值:

问题类型项的值
probability是的概率——即回答本身
score归一化的加权级别,(level − 1) / (levels − 1):第一个级别为 0,最后一个级别为 1。加权级别即 scores 中返回的值
choiceoption 在该问题分布中的概率
  • 权重都为正时,复合指标介于 0 和 1 之间;有负权重时,介于 −1 和 1 之间。
  • 它会四舍五入到 4 位小数。
  • 没有可用回答的项会被跳过,没有任何可用项的复合指标不会出现在响应中。

对于上面的线索——purchase_intent 为 0.9412,priority 在 4 级等级上的加权级别为 2.81,route = sales 的概率为 0.88:

priority term = (2.81 − 1) / (4 − 1) = 0.6033
lead_score    = (2 × 0.9412 + 1 × 0.6033 + 1 × 0.88) / (2 + 1 + 1) = 0.8414

在响应中

只要决策定义了复合指标,响应中就会多出一个 composites 对象,以你的复合指标键为键:

{
  "result": { "purchase_intent": 0.9412, "priority": "high", "route": "sales" },
  "scores": { "priority": 2.81 },
  "composites": { "lead_score": 0.8414 },
  "action": "continue"
}

Playground 会在单独的卡片中显示复合指标,编辑器的 API 契约将它们列为数字,当 storeOutput 开启时,执行记录会保存它们。

在策略中

策略规则可以用六种运算符中的任意一种把复合指标与一个数字进行比较——on 保持为默认值 output:

{ "field": "lead_score", "operator": "gte", "value": 0.75, "action": "continue" }

复合指标可以像其他字段一样与 and 条件组合。简历筛选模板只有在两个岗位匹配度都较低时才会拦截候选人:

{
  "field": "senior_ic",
  "on": "output",
  "operator": "lt",
  "value": 0.35,
  "and": [{ "field": "eng_manager", "on": "output", "operator": "lt", "value": 0.35 }],
  "action": "block"
}

参见策略与行动。

在编辑器中

在决策的编辑器标签页中,复合指标卡片位于“问题”和“策略”之间:

  1. 点击添加复合指标并为其命名——例如 lead_score——可附加描述。
  2. 每一项的形式为权重 × 问题:设置权重并选择问题。对于 choice 问题,还要选择选项,显示为 p(option);score 项显示归一化级别,probability 项显示 p(yes)。
  3. 为每个维度点击添加项,最多 20 项。

之后,复合指标会出现在每条策略规则字段列表的复合指标下。重命名复合指标会更新以它开头的规则;删除复合指标后,请检查策略卡片——仍指向它的条件会被标记为需要修复的问题。可视化构建器暂不显示复合指标——请在编辑器标签页中编辑它们。

提示

  • 每个问题一个维度。 复合指标的质量取决于它的各项:原子化、字面意义明确的问题——参见编写好的问题。
  • 调整权重,而不是措辞。 权重会改变排序,却不影响引擎读取的内容,每次修改都会作为新版本发布。
  • 同一组回答的多个视角。 基于相同问题的两个复合指标——高级个人贡献者和工程经理的匹配度——不会产生额外成本:没有新问题,也没有新的引擎调用。
  • 对否决项使用负权重,例如 lead_score = 2 × purchase_intent + 1 × priority − 3 × spam。
  • 设定阈值,不要插值。 加权级别适合“高于或低于”的决策;不要用它们来还原两个级别之间的精确数值。

本页内容