3.2 Choice：单选题

3.2 Choice：单选题

本节摘要：Choice 是 Jev 的归堆原语：从你定义的选项里挑一个，返回三件东西——胜出项 choice、全选项的概率分布 probabilities、整体把握 confidence。四条设计准则：选项描述写给"阅卷老师"看（具体情形而非抽象程度词）；永远留一个 other 逃生门，否则语义模糊的输入会被硬塞进错误选项且概率虚高；选项之间要可判别，高度重叠会让概率抖动、置信度下降；上限 255 个选项但实践建议 ≤ 20，更多时分层两次 Choice。Choice 是分类与路由（第 6 章）的主力原语。

学习目标

阅读完本节，你应当能够：

1. 写出带逃生门的 Choice 请求并解读三个响应字段。
2. 解释"缺 other 逃生门"为什么会制造隐蔽错误。
3. 用"可判别性"审查一张选项表。

一、语义与请求/响应

语义：criteria 把选项名映射到描述，模型从中选一个。

{
  "route": {
    "type": "choice",
    "instructions": "这条客服工单应该路由到哪个团队",
    "criteria": {
      "billing":   "计费、扣款、发票、订阅价格问题",
      "technical": "产品故障、报错、无法登录、功能异常",
      "sales":     "询价、方案咨询、购买意向",
      "other":     "以上都不符合，或语义不明"
    }
  }
}
​

响应：

{
  "choice": "billing",
  "probabilities": { "billing": 0.84, "technical": 0.10, "sales": 0.02, "other": 0.04 },
  "confidence": 0.6
}
​

• choice：概率最高的选项——你 if 分支的取值；
• probabilities：所有已定义选项上的分布（含 other）——次优选项是什么、差距多大；
• confidence：对整个判断的把握——与分布是两个维度（第 5.3 节详述）。

结构保证：模型不可能产出 criteria 之外的选项——0% 类型错误由构造成立；但选错选项、给错分布是可能的（形状 vs 判断，第 10.2 节）。

二、设计准则

准则一：选项描述写给"阅卷老师"看

阅卷细则写得越具体，两个"阅卷员"（模型与你未来的回归集）之间的一致性越高。

准则二：永远留 other 逃生门

没有逃生门时，语义模糊的输入必须被塞进某个错误选项，而且概率看起来还挺高——模型被迫在你划死的空间里选边。有了 other，模糊输入有了体面的去处，你还能用 other 的占比监控"选项表是否覆盖了真实流量"：

other 占比 > 15%？→ 该细分选项表了（分层 Choice：先粗分再细分）
​

准则三：选项之间要可判别

两个选项描述高度重叠（"technical" 和 "product_issue" 都写着"功能异常"）时，概率会在两者间抖动、confidence 下降。先审自己的选项表，再怀疑模型——把两个候选合并，或给各自补上排他性描述（"technical：产品自身故障；product_issue：用户不会用产品"）。

准则四：≤ 20 个选项，超了就分层

API 上限 255，但选项越多判别越难。超过 ~20 个时改用两次 Choice：

第一次：粗分（账务类 / 技术类 / 商务类 / other）
第二次：在账务类里细分（billing / refund / invoice / other）
​

两次调用的总成本仍远低于一次 LLM 分类（第 5.1 节）。

三、典型用途

意图分类（第 6.1 节）、模型路由（第 6.2 节完整代码）、工具选择（Agent 从注册的工具表里挑一个）。

本节要点回顾

1. 响应三件套：choice（分支取值）+ probabilities（分布，含次优信息）+ confidence（整体把握）。
2. 四条准则：具体情形、留逃生门、可判别、≤ 20 超则分层。
3. 结构保证选不出圈外值；判断质量取决于你的选项表——它就是你的模型。

归堆之外还有第三种形态：在一条有序的标尺上落位——严重度、风险级、相关度，Score 登场。