Laya 实战：多语言轻量决策引擎与路由 · 第 0 章 导览

Laya 实战：多语言轻量决策引擎与路由 · 第 0 章 导览

章节摘要：本书开篇先回答「为什么需要一台轻量决策引擎」。0.1 节把决策工具排成谱系：规则与关键词毫秒级但不懂语义；生成式 LLM 懂语义但单次几百毫秒到秒级、按 token 计费；laya 用非自回归的 System 1 架构把语义判断压进单次前向——官方 README 口径 32.8 毫秒、CPU 可跑、自托管，Jev 云端 API 则以 236~276 毫秒居中。据此给出适用清单（高频路由、内容审核、意图分类、多语言筛选）与不适用清单（开放生成、复杂推理）。0.2 节给出三条学习路线——快速上车型、微调定制型、架构选型型——并完成环境准备：Python 3.10 以上、pip 一步安装、无需 GPU、模型首调自动下载；最后用分工图交代本书与《Jev 决策编程》《Kev 实战》的边界。

学习目标

• 能把 laya 放进「规则—轻量决策引擎—云端决策 API—生成式 LLM」四层谱系，说清每层的延迟与成本量级。
• 能对照适用与不适用清单，判断手头的判断型任务是否适合交给 laya。
• 能解释「单次前向」与「逐 token 生成」的延迟差异从何而来。
• 选定一条学习路线（快速上车型 / 微调定制型 / 架构选型型）并知道各自的产出。
• 完成环境三步自检：Python 版本达标、laya 安装成功、检查点可下载。
• 说清本书与《Jev 决策编程》《Kev 实战》的分工：概念、轻量路线、重型路线各归哪本。

核心概念速览

决策工具谱系（延迟为官方 README 口径或量级描述）

 规则/关键词              laya（本书主角）            Jev 云端 API             生成式 LLM
┌─────────────┐       ┌───────────────────┐      ┌───────────────────┐   ┌───────────────────┐
│ 精确匹配     │       │ System 1·单次前向  │      │ System 1·云端      │   │ System 2·逐token   │
│ 毫秒级·免费  │ ────▶ │ 32.8ms·CPU 可跑   │ ───▶ │ 236~276ms         │─▶ │ 几百ms~秒级        │
│ 不懂语义     │       │ 自托管·100+ 语言   │      │ 按 token 计费      │   │ 开放生成/复杂推理  │
└─────────────┘       └───────────────────┘      └───────────────────┘   └───────────────────┘
   快而笨                  快而懂语义                 懂语义·托管              慢而全能
​

一句话金句：决策引擎的竞争力不在「会回答多少问题」，而在「多便宜地答对一个问题」。

（文字流程图）任务进来 ──▶ 判断是不是「高频判断型」──▶ 是则交给 laya ──▶ 否则看是否要开放生成或深推理 ──▶ 是则交给 System 2，不是则回到第 9 章三向选型再权衡。

子章节导航

• 第 0.1 节《轻量决策引擎的位置》：四层谱系、单次前向为什么快、适用与不适用清单、与 Jev 的关系、两条诚实提醒。
• 第 0.2 节《路线图与环境准备》：三条学习路线、环境三步准备、自检脚本、三本书的分工图。

两节按序读：先确认「该不该用」，再决定「怎么学」。

子章节之间的逻辑关系

┌──────────────────────┐       为什么值得学        ┌──────────────────────┐
│ 0.1 位置与谱系        │ ─────────────────────▶ │ 0.2 路线与环境        │
│ 适合什么·不适合什么    │                         │ 三条路线·三步自检      │
└──────────┬───────────┘                         └──────────┬───────────┘
           │ 判断：laya 与你合不合                            │ 决定：按哪条路径走
           ▼                                               ▼
   不合适 → 第 9 章三向选型另找方案                 合适 → 第 1 章心智模型打地基
​

前置知识与后续延伸

• 前置：无硬性先修；建议先翻《Jev 决策编程》第 02 章《核心心智模型》，建立「判断型决策」的概念底座。
• 后续：第 1 章《心智模型》——System 1 与自回归生成的工程分界，以及 typed 三原语在 laya 里的返回形态。
• 延伸阅读：《Kev 实战：训练并运行你自己的决策模型》第 01 章《协议与兼容》——若你关注自训重型路线，可与本书第 4 章对照阅读。