> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing Fastino API routes. Only call operations present in that specification. Do not infer or call undocumented routes. Direct Fastino API integrations use https://api.fastino.ai, /v1 routes, and FASTINO_API_KEY.

# GLiDE 决策模型：分类、路由与评分

> 运行 Fastino 的决策模型 GLiDE，在单次调用中完成分类、路由和评分，返回经过校准的概率而非生成文本。

GLiDE 是一款决策模型：它不生成自由格式的文本，而是根据一个或多个类型化问题评估您描述的情况（`state`），并在调用方定义的固定结果集合上返回经过校准的概率。无需解析生成的 token，答案以结构化标签、概率和置信度分数的形式返回。

## 基本类型

您向 GLiDE 提出的每个问题都使用以下三种类型之一：

* **Noul**：是/否问题，返回 0 到 1 之间的概率。例如，“此请求是否符合退款条件？”可能返回 `0.999`。
* **Choice**：多选一问题，返回各命名选项（最多 255 个）上的概率分布。例如，“应由哪个团队处理此请求？”可能返回 `{"billing": 0.0006, "returns": 0.999, "shipping": 0.0005}`。
* **Score**：基于您定义的有序评分标准进行分级评估的问题。返回离散的 `score`（胜出等级的索引）以及 `expected_level`，即跨所有等级按概率加权得到的连续估计值。

| 如果答案是…… | 使用 | 示例 |
| - | - | - |
| 若干无序类别中的一个 | Choice | 应由哪个团队处理此工单？ |
| 具有明确等级的有序量表上的某个位置 | Score | 此请求有多紧急？ |
| 是或否，且概率本身有参考价值 | Noul | 此请求是否符合退款条件？ |

<Tip>
  Noul 与 Score 的区别：Noul 为 `0.5` 表示在是与否之间存在最大不确定性，它并不表达程度。如果需要衡量程度（紧急程度、严重程度、不满程度），请使用定义了等级的 Score。如果需要二元判断关卡，请使用 Noul。
</Tip>

不存在多标签基本类型，每个问题都是单标签的。如果需要同时做出多个判断，可以在一次调用中提出多个相互独立的问题。

## 限制

* 每个 Choice 问题最多 **255 个选项**
* 请求体（`state` 加上所有 `questions`）限制为约 **160,000 个输入 token**
* 上下文窗口为 **262,144 个 token**

## 定价

| | 每 100 万 token 价格 |
| - | - |
| 输入 | \$0.00 |
| 输出 | \$0.04 |

## 端点

| 方法 | 路径 | 说明 |
| - | - | - |
| `POST` | `/v1/systemone` | 针对某个 state 运行一个或多个类型化决策问题 |

## 请求参数

<ParamField body="state" type="string | object | array" required>
  要评估的上下文，可以是纯字符串、JSON 对象或 JSON 数组。关于如何选择，请参阅下方的 [State 形状](#state-形状)。
</ParamField>

<ParamField body="questions" type="object" required>
  针对 `state` 进行评估的一个或多个已命名的类型化问题。每个键是您自定义的问题名称；每个值是一个问题对象，包含 `type`、`instructions`，以及（对于 `choice`/`score`）`criteria`。

  <ParamField body="type" type="string" required>
    取值为 `noul`、`choice` 或 `score` 之一。
  </ParamField>

  <ParamField body="instructions" type="string" required>
    以自然语言描述的待评估问题。
  </ParamField>

  <ParamField body="criteria" type="object | string[]">
    对于 `noul`：包含 `true`/`false` 描述键的对象。对于 `choice`：将最多 255 个选项键映射到描述字符串的对象。对于 `score`：由等级描述组成的有序数组（索引 0 为最低等级）。
  </ParamField>
</ParamField>

<ParamField body="model" type="string" required>
  要使用的决策模型，例如 `fastino/glide`。省略该参数将返回 `422 'model' must be provided`。响应会回显该值，并去除提供方前缀（`fastino/glide` → `glide`）。
</ParamField>

### State 形状

`state` 是评估每个问题所依据的材料。可以把它理解为在请专家小组做出判断之前交给他们的资料。

| 形状 | 适用场景 | 示例 |
| - | - | - |
| 字符串 | 单条消息、文章或段落 | `"My card was charged twice."` |
| 对象 | 命名字段、相关记录或应用状态 | `{"message": "My card was charged twice.", "order_id": "A-104"}` |
| 数组 | 一系列消息或记录 | `["Hi", "My order number is A-104.", "My card was charged twice."]` |

当决策依赖于比较多个命名部分时（例如一张工单及用于评估它的策略），请使用对象，这样每个部分都有标签，彼此之间的关系也更清晰。当案例是单个独立的段落时，纯字符串就足够了。同一请求中的所有问题看到的是同一个 `state`，并分别独立地针对它进行评估。

## 第一次调用

<CodeGroup>
  ```bash cURL theme={null}
  curl -s https://api.fastino.ai/v1/systemone \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "fastino/glide",
      "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      "questions": {
        "refund_allowed": {
          "type": "noul",
          "instructions": "Does this request qualify for a refund?",
          "criteria": { "true": "Qualifies", "false": "Does not qualify" }
        }
      }
    }'
  ```
</CodeGroup>

响应：

```json theme={null}
{
  "model": "glide",
  "answers": {
    "refund_allowed": {
      "type": "noul",
      "noul": 0.99767683794902,
      "confidence": 0.9953536758980399
    }
  },
  "usage": {
    "input_tokens": 89,
    "output_tokens": 1
  },
  "token_usage": 90
}
```

* `answers.refund_allowed.noul`：答案为“是”的概率。`0.999` 是强烈的符合条件信号。
* `answers.refund_allowed.confidence`：其计算方式请参阅下方的[置信度](#置信度)。
* `usage`：标准的输入/输出 token 计量。`token_usage` 是两者之和，为方便起见在顶层提供。

## 置信度

每个答案都带有一个 `confidence` 值。答案告诉您 GLiDE 得出了*什么*结论；置信度则告诉您*是否应据此采取行动*。请将二者视为两个独立的维度，而不是同一个。

| 问题类型 | 公式 | 范围 |
| - | - | - |
| Noul | `\|2 × noul − 1\|` | 从 `0`（最大不确定性，`noul = 0.5`）到 `1`（完全确定，`noul = 0` 或 `1`） |
| Choice / Score | `top1 − top2`（最佳与次佳选项或等级之间的概率差） | 从 `0`（两个选项持平）到 `1`（某个选项占据几乎全部概率质量） |

低置信度的答案并不代表错误，而是表示概率质量分散在两个或更多结果上，而不是集中在一个结果上，这本身就是有用的信号。一种常见模式是**置信度门控路由**：对高置信度答案自动执行操作，将低置信度答案路由到备用流程（人工审核、更宽泛的类别或二次检查）：

```python theme={null}
answer = response["answers"]["department"]

if answer["confidence"] >= 0.6:
    route_to(answer["choice"])
else:
    route_to("triage-queue")  # ambiguous — let a human or a broader handler decide
```

请根据您使用场景的真实数据调整阈值，而不要假定 `0.5` 就是正确的。置信度是按模型校准的，并不保证与任何特定业务对模糊性的容忍度相对应。

## 使用示例

### Noul

Noul 问题返回单个概率。没有单独的标签字段，您需要自行对概率设定阈值来做出二元决策。

<CodeGroup>
  ```bash cURL theme={null}
  curl -s https://api.fastino.ai/v1/systemone \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "fastino/glide",
      "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      "questions": {
        "refund_allowed": {
          "type": "noul",
          "instructions": "Does this request qualify for a refund?",
          "criteria": { "true": "Qualifies", "false": "Does not qualify" }
        }
      }
    }'
  ```
</CodeGroup>

响应（`answers` 字段）：

```json theme={null}
{
  "refund_allowed": {
    "type": "noul",
    "noul": 0.99767683794902,
    "confidence": 0.9953536758980399
  }
}
```

使用结果：

```python theme={null}
answer = response["answers"]["refund_allowed"]

if answer["noul"] > 0.8:
    action = "auto_approve"
elif answer["noul"] < 0.2:
    action = "auto_deny"
else:
    action = "human_review"  # genuinely ambiguous — don't force a threshold here
```

### Choice

Choice 问题返回所选选项、一个 `confidence` 值，以及您定义的所有选项上的完整概率分布。

<CodeGroup>
  ```bash cURL theme={null}
  curl -s https://api.fastino.ai/v1/systemone \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "fastino/glide",
      "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      "questions": {
        "department": {
          "type": "choice",
          "instructions": "Which team should handle this request?",
          "criteria": {
            "billing": "Payment or charge disputes",
            "returns": "Refund or return requests",
            "shipping": "Delivery or shipping issues"
          }
        }
      }
    }'
  ```
</CodeGroup>

响应（`answers` 字段）：

```json theme={null}
{
  "department": {
    "type": "choice",
    "choice": "returns",
    "confidence": 0.9983415574354015,
    "probabilities": {
      "billing": 0.000576420510560337,
      "returns": 0.9989179779459618,
      "shipping": 0.0005056015434779647
    }
  }
}
```

使用结果：

```python theme={null}
answer = response["answers"]["department"]

queue_map = {"billing": "billing-team", "returns": "returns-desk", "shipping": "logistics"}
target_queue = queue_map[answer["choice"]]

if answer["confidence"] < 0.5:
    notify("routing uncertain — runner-up may also apply")
```

### Score

Score 问题返回离散的 `score`（胜出等级的索引）、`expected_level`（跨所有等级按概率加权的连续位置）、一个 `confidence` 值、各等级的 `probabilities`，以及按索引回显您的等级描述的 `legend`。

<CodeGroup>
  ```bash cURL theme={null}
  curl -s https://api.fastino.ai/v1/systemone \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "fastino/glide",
      "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      "questions": {
        "urgency": {
          "type": "score",
          "instructions": "How urgent is this request?",
          "criteria": [
            "low urgency, can wait",
            "medium urgency, handle soon",
            "high urgency, handle immediately"
          ]
        }
      }
    }'
  ```
</CodeGroup>

响应（`answers` 字段）：

```json theme={null}
{
  "urgency": {
    "type": "score",
    "score": 1,
    "expected_level": 0.9015099730675683,
    "confidence": 0.7587802709097535,
    "probabilities": {
      "0": 0.11323658534089268,
      "1": 0.8720168562506462,
      "2": 0.014746558408461077
    },
    "legend": {
      "0": "low urgency, can wait",
      "1": "medium urgency, handle soon",
      "2": "high urgency, handle immediately"
    }
  }
}
```

使用结果：

```python theme={null}
answer = response["answers"]["urgency"]

if answer["score"] >= 2:
    action = "page_oncall"
elif answer["expected_level"] >= 1.5:
    action = "escalate"  # closer to the next level up than a clean 1
else:
    action = "standard_queue"
```

<Note>
  `score` 是离散的整数索引（argmax 等级）。`expected_level` 是跨所有等级按概率加权的连续位置。当您需要比离散索引更细粒度的阈值时，请使用它。
</Note>

### 组合多个问题

在单次调用中，针对同一个 `state` 提出多个不同类型的问题。所有问题会在一次往返中一并评估。

<CodeGroup>
  ```bash cURL theme={null}
  curl -s https://api.fastino.ai/v1/systemone \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "fastino/glide",
      "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      "questions": {
        "department": {
          "type": "choice",
          "instructions": "Which team should handle this request?",
          "criteria": {
            "billing": "Payment or charge disputes",
            "returns": "Refund or return requests",
            "shipping": "Delivery or shipping issues"
          }
        },
        "urgency": {
          "type": "score",
          "instructions": "How urgent is this request?",
          "criteria": [
            "low urgency, can wait",
            "medium urgency, handle soon",
            "high urgency, handle immediately"
          ]
        }
      }
    }'
  ```
</CodeGroup>

响应：

```json theme={null}
{
  "model": "glide",
  "answers": {
    "department": {
      "type": "choice",
      "choice": "returns",
      "confidence": 0.9983415574354015,
      "probabilities": {
        "billing": 0.000576420510560337,
        "returns": 0.9989179779459618,
        "shipping": 0.0005056015434779647
      }
    },
    "urgency": {
      "type": "score",
      "score": 1,
      "expected_level": 0.9015099730675683,
      "confidence": 0.7587802709097535,
      "probabilities": {
        "0": 0.11323658534089268,
        "1": 0.8720168562506462,
        "2": 0.014746558408461077
      },
      "legend": {
        "0": "low urgency, can wait",
        "1": "medium urgency, handle soon",
        "2": "high urgency, handle immediately"
      }
    }
  },
  "usage": { "input_tokens": 1055, "output_tokens": 181 },
  "token_usage": 1236
}
```

## 何时使用 GLiDE

GLiDE 非常适合结构化决策：分类、归类、路由（工单、邮件、请求）、评分、分诊、内容审核、护栏、替代 LLM 作为评审，以及智能体工具调用审批。

对于自由格式生成、多轮对话、开放式问答、摘要或代码生成，请改用通用语言模型。

## 相关内容

* [GLiDE 智能体技能](/cn/concepts/glide-agent-skill)：为 Cursor、Claude Code 和 Codex 安装 GLiDE
* [GLiNER-2.5-Decide](/cn/concepts/gliner-2-5-decide)：相关的决策模型，涵盖模型路由、工具调用、护栏及其他概念性使用场景
* [可用模型](/cn/concepts/models)：编码器与解码器模型目录
* [快速入门](/cn/quickstart)：生成并传递您的 API 密钥
* [推理 API](/cn/inference)：完整的 GLiNER + GLiDE 推理端点参考，包括 `/v1/systemone`