Inception: Mercury Decide (free)

Mercury Decide to model Inception do ustrukturyzowanych decyzji na podstawie dostarczonego materiału. Łączy wspólny stan z nazwanymi pytaniami i zwraca typowane odpowiedzi z prawdopodobieństwami. Wynikiem może być wybrana kategoria, szacowane prawdopodobieństwo tak/nie lub pozycja na zdefiniowanej skali. Profil służy ograniczonej decyzji możliwej do zinterpretowania przez oprogramowanie; jego udokumentowany interfejs nie generuje swobodnej odpowiedzi na czacie.

Wspólny stan i znaczące nazwy pytań

Żądanie producenta zawiera model, stan i niepustą mapę pytań. Nazwy pytań są zachowywane w mapie odpowiedzi. Podaj informacje potrzebne do oceny każdego pytania i nazywaj pytania według wyników używanych w procesie, na przykład category, priority lub needs_follow_up. Kilka pytań niezależnie ocenia ten sam materiał. Umieszczenie ich w jednym żądaniu nie sprawia, że późniejsze pytanie zależy od wcześniejszej odpowiedzi.

Przykład Inception używa obiektu JSON jako stanu. Przewodnik dopuszcza również ciągi znaków, obiekty lub tablice w stanie, instrukcjach i opisach kryteriów, przy czym instrukcje są opcjonalne lub null. Zachowaj użyteczną strukturę, gdy materiał już składa się z pól, oraz identyfikowalność dokumentu lub wiadomości przy podawaniu tekstu. Dla przypadku wsparcia uwzględnij rzeczywiste zgłoszenie i istotne fakty zamiast prośby o wywnioskowanie brakującego kontekstu.

noul: szacowana odpowiedź twierdząca

Pytanie noul reprezentuje warunek tak/nie. Wyjściem jest prawdopodobieństwo od 0 do 1, że odpowiedź twierdząca ma zastosowanie. Opcjonalne opisy true i false mogą wskazywać, co liczy się po każdej stronie pytania. Na przykład zapytaj, czy wiadomość wyraźnie żąda wymiany, i odróżnij to od ogólnej skargi na przedmiot. Prawdopodobieństwo daje osąd liczbowy; aplikacja wybiera próg i wynikowe działanie w procesie.

Utrzymuj warunek na tyle wąski, by materiał mógł go rozstrzygnąć. Jeśli jedno pytanie miesza to, czy użytkownik chce pomocy, czy przedmiot jest wadliwy i czy sprawa jest pilna, rozdziel te warunki. Zachowaj zwrócone prawdopodobieństwo z definicją pytania, aby późniejszy recenzent mógł ustalić, co rzeczywiście mierzy liczba.

Choice: wybór jednej nazwanej opcji

Pytanie Choice korzysta z mapy od jednej do 255 nazw opcji i ich opisów; opisy mogą być null. Zwracany wybór to dostarczona opcja o najwyższym prawdopodobieństwie. Wynik zawiera również prawdopodobieństwo każdej opcji i pewność. Zdefiniuj odrębne znaczenia kategorii i uwzględnij kategorię zastępczą, gdy część wejść znajdzie się poza konkretnymi opcjami. Krótkie klucze wyjściowe mogą identyfikować kategorie, a pełniejsze opisy wyznaczać ich granice.

Instrukcja kierowania może odróżniać problem z dostępem, pytanie o produkt i zgłoszoną wadę. Określ znaczenie każdej opcji i podaj wiadomość wymagającą skierowania. Wyjściem jest wybrana kategoria z rozkładem, a nie instrukcja, która już zmieniła kolejkę lub skontaktowała się z innym systemem. Przy niejednoznacznym przypadku analizuj konkurujące prawdopodobieństwa, zamiast interpretować zwycięską etykietę jako dowód pewności.

Score: oczekiwana pozycja w rubryce

Pytanie Score korzysta z uporządkowanej tablicy od jednego do dziesięciu opisów poziomów, zaczynając od poziomu 0. Ocena jest średnią indeksów poziomów ważoną prawdopodobieństwami i może znajdować się między poziomami. Odpowiedź zawiera legendę, prawdopodobieństwa poszczególnych poziomów i pewność. Zdefiniuj kolejność oraz kryteria każdego poziomu, na przykład brak natychmiastowych skutków, problem z wykonalną alternatywą i całkowicie zablokowane zadanie.

Ułamkowa oczekiwana ocena przydaje się do ustalania priorytetów lub agregacji. Różni się od wyboru pojedynczego najbardziej prawdopodobnego poziomu. Zachowaj legendę z liczbą, aby oceny nie interpretowano według niezwiązanej skali. Pewność dla Choice i Score jest raportowana osobno w zakresie od 0 do 1; odpowiedni przewodnik nie definiuje jej jako tożsamej z największym prawdopodobieństwem opcji ani nie podaje uniwersalnego wzoru do jej odtworzenia.

Przygotowanie użytecznego wyniku decyzyjnego

Jeden materiał może wspierać niezależne pytania o kategorię, pilność i warunek. Zadanie przeglądu dokumentu może pytać, czy wymagany temat jest obecny, wybierać jego kategorię i oceniać trafność na opisanych poziomach. Używaj wyłącznie materiału źródłowego dostępnego w stanie, z kryteriami związanymi z następną decyzją potrzebną w procesie. Jeśli działanie wymaga wcześniejszego wyniku, uwidocznij go w materiale następnego kroku, zamiast zakładać, że pytania tworzą ukrytą sekwencję.

Odpowiedź zwraca nazwę modelu i mapę answers z kluczami odpowiadającymi dostarczonym nazwom pytań. Prawdopodobieństwa Choice używają nazw opcji; prawdopodobieństwa Score — indeksów zapisanych jako ciągi znaków, z legendą objaśniającą te indeksy. Zachowaj powiązanie identyfikatora stanu, definicji pytań i typowanych odpowiedzi. Tworzy to interpretowalny artefakt klasyfikacyjny lub oceniający zamiast liczby oderwanej od faktów, które ją wytworzyły.

Zakres interfejsu i limity

Inception dokumentuje Mercury Decide przez dedykowany interfejs decyzyjny. Nie obsługuje on interfejsów producenta do uzupełniania czatu, przesyłania strumieniowego ani wywoływania narzędzi, więc nie należy przenosić na ten model możliwości profili Mercury do rozumowania, głosu i generowania kodu. Przewodnik decyzyjny określa liczbę opcji i poziomów, ale nie podaje liczbowego limitu tokenów stanu ani maksymalnej liczby pytań; skupiaj wspólny materiał na ocenianych pytaniach.

Oceniaj prawdopodobieństwa i granice kategorii na reprezentatywnym oznaczonym materiale z docelowego zadania. Sprawdzaj graniczne odpowiedzi w odniesieniu do stanu i zachowuj informację o brakach, zamiast zastępować je wymyślonymi faktami. Użyteczny wynik Mercury Decide daje zamkniętą decyzję, jej prawdopodobieństwa i definicje potrzebne do zrozumienia; otaczająca aplikacja określa, jak ten wynik staje się kierowaniem, ustalaniem priorytetów lub wynikiem przeglądu.