Choix

Quand l’utiliser

Utilisez Choice lorsque la réponse se situe dans un ensemble fixe d’options mutuellement exclusives. Par exemple :

• Quelle équipe traite ce ticket
• À quelle catégorie appartient un produit
• Dans quel langage est écrit ce code

Si la réponse correspond à une position sur un spectre continu, utilisez Score ; s’il s’agit d’une réponse binaire (oui/non), utilisez Noul.

Exemples de questions typiques :

"What programming language is this code written in"
  → options: python, javascript, typescript, go, rust, other

"What type of meeting is this based on the title and description"
  → options: standup, planning, retrospective, one on one, brainstorm, none of the above

Paramètres

Paramètre	Obligatoire	Description
type	Oui	Doit être "choice"
instructions	Oui	La question elle-même, précisant la décision à prendre
criteria	Oui	Définition des options. Format objet { Nom de l'option: Description }, la description pouvant être null

Chaque élément dans instructions et criteria peut être une chaîne de caractères, un objet ou un tableau. Commencez par des chaînes de caractères ; passez à un objet lorsqu’une option nécessite plusieurs instructions (ce qu’elle couvre, ce qu’elle ne couvre pas, des exemples).

Exemple de requête

Classer les tickets de support client par département :

from typesafe_sdk import Choice, TypeSafeClient

client = TypeSafeClient()

ticket = "Hi, I've been trying to connect my Stripe account for 3 days and it keeps failing."

response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this ticket?",
            criteria={
                "returns": "Refunds, wrong or damaged items",
                "shipping": "Delivery status, delays, lost packages",
                "billing": "Charges, invoices, payment problems",
            },
        ),
    },
)

print(response.answers["department"].choice)

Valeur de retour

{
  "model": "jev-latest",
  "answers": {
    "department": {
      "type": "choice",
      "choice": "billing",
      "probabilities": {
        "returns": 0.02,
        "shipping": 0.05,
        "billing": 0.93
      },
      "confidence": 0.91
    }
  },
  "usage": { "input_tokens": 360, "output_tokens": 39 }
}

Champ	Signification
choice	Nom de l’option sélectionnée
probabilities	Distribution de probabilité pour chaque option
confidence	Valeur résumant la concentration de cette distribution, comprise entre 0 et 1

probabilities constitue la matière première nécessaire pour définir des métriques plus utiles selon vos besoins — consultez la section Confiance pour plus de détails.

Points d’attention

Fournissez toujours une option de repli. Ajoutez une option other ou none of the above pour permettre au modèle de répondre lorsque aucune autre option ne convient, plutôt que de le forcer à choisir la moins mauvaise. Cela réduit considérablement les erreurs sur les cas limites.

Décrivez les « frontières » des options. La valeur des descriptions réside dans la clarification de ce qui est inclus et exclu. Dans l’exemple ci-dessus, billing est décrit comme « Charges, invoices, payment problems », et non de manière vague comme « Tout ce qui est lié à l’argent ».

Lorsque les noms d’options sont suffisamment clairs, la description peut être null. Par exemple, pour une classification en trois tonalités : { "calm": null, "frustrated": null, "angry": null }. Le nom de l’option est déjà sans ambiguïté ; des descriptions superflues pourraient introduire du bruit.

Les questions spéculatives n’ont pas de coût supplémentaire. Dans l’exemple plus complexe ci-dessous, return_reason n’a de sens que si department est returns, et shipping_issue n’a de sens que si department est shipping. Les placer toutes en amont dans la même requête ne ralentit pas le traitement : le modèle évalue toutes les questions en parallèle. Ce type de questions est appelé questions spéculatives (speculative questions).

Pour les classifications à plusieurs niveaux, utilisez des appels en chaîne. Si vous devez classer des documents dans une hiérarchie profonde ou un grand système de catégories, enchaînez les questions Choice couche par couche. Un cookbook officiel explique comment exécuter une recherche par faisceaux (beam search) sur les probabilités de Choice : à chaque niveau, conservez les K meilleurs chemins candidats au lieu de sélectionner de manière gloutonne un seul chemin.

Liens connexes

• Score — Évaluation sur une échelle ordonnée
• Noul — Probabilité Oui/Non
• Motif de routage d’intention — L’utilisation la plus courante de Choice en production
• Confiance — Contrôle du comportement à l’aide de probabilities et confidence