决策实验室

决策实验室向决策模型提出关于某个情境的类型化问题，并展示每个答案背后的概率。

侧边栏位置： 决策实验室（在缓存实验室下方） 路由： /decision-lab加入版本： v0.7.0（2026 年 10 月） 需要： Ollama 0.35.1 或更新版本，以及一个决策模型（nimble、tev1、clef-flash 或 clef）

有什么用？

决策模型不生成文本。你给它一个状态（一张工单、一条消息、一行日志、一份文档）和一个或多个问题，它返回：

问题类型	返回内容
选择	选中的候选项、每个候选项的概率，以及置信度
是 / 否概率	条件成立的单一概率
刻度评分	在你的有序刻度上的期望位置、每一档的概率，以及置信度

这些概率是模型自身在候选项上的输出分布，而不是从一句话里解析出来的数字。这正是它们值得看的原因：问聊天模型"这紧急吗？"，它答是；问决策模型，它答 0.99，遇到模棱两可的工单则答 0.55，差别一目了然。

Ollama 通过 /v1/systemone（0.35.1 加入）提供这类模型。它们把 decision 作为唯一能力上报，所以 LLMxRay 把它们排除在所有对话和嵌入选择器之外，只在这里列出。给它们发送对话请求并不会干净地报错，而是回复自己 schema 的碎片，这正是需要过滤的原因。

使用页面

1. 选择一个决策模型。如果没有安装，在模型页拉取一个；tev1:0.8b 最小。
2. 描述状态。所有问题都针对这一段文字。
3. 编辑问题。每个问题有答案键（结果以此为键返回）、类型、指令，选择和评分类型还需要候选项列表：
   • 选择：每行一个，格式为 名称: 描述。
   • 评分：每行一个，从低到高。顺序就是刻度。
   • Ollama 每次请求接受 2 到 26 个候选项、1 到 64 个问题；超出范围时页面会在发送前提示。
4. 判断。答案以条形图显示在右侧，选中项高亮，并附输入、输出 token 数和往返时间。

页面打开时自带一个完整示例：一张客服工单，以三种方式提问，每种类型一个问题。这正是验证 Ollama 0.40.3 时实际运行过的请求。

解读答案

• 选择：条形按概率排序。高亮的是模型的选择。置信度是模型自己报告的数字。
• 是 / 否：显示为是和否两条，总和为 1。
• 评分：条形保持刻度顺序，因为位置即含义。高亮的是概率最高的一档。评分数值是期望位置（按概率加权），因此可能落在两档之间：四档刻度上的 2.37 意味着"重大，偏向完全中断"。

此页面不做什么

它不流式输出（该端点从不流式），不保存历史，也暂不发送图片，尽管 clef 和 clef-flash 支持。它只是一个观察决策模型真实返回内容的观测台，仅此而已。