版本：最新版（main）

System One 信号

概述

systemone 向决策模型提出一个你编写的类型化问题，再把答案变成一个路由事实。你用自然语言写问题：从几个选项中选一个（choice）、是或否（noul）、刻度上的等级（score）、这些标签中哪些适用（set），或者每个标签出现在文本的什么位置（span）。它是应用信号编译后的原语，System One 一章介绍了背后的模型。

主要优势

问题写好就能用，无需训练分类器。
答案带有概率，路由可以要求答案足够可信。
规则读取问题需要的内容：当前轮次、之前的轮次、工具结果、请求中的图片，或模型的答案。
针对同一请求的问题，与该请求向同一部署提出的其他问题共享一次调用。

解决什么问题？

固定标签的分类器只能回答训练时定义的问题。System One 模型仅凭问题文本，就能回答“这需要逐步推理吗？”或“这和我们的产品有关吗？”。

何时使用

当你需要对请求做出某种判断，而现有的应用信号都不涵盖时使用它。长度、关键词、输入媒体、身份等结构性事实，优先使用启发式信号。编写自定义问题从一个想法一路讲到调优好的规则。

配置

recipes:
  - name: default
    signals:
      systemone:
        - name: needs_tools
          question:
            type: noul
            instructions: Does answering this request need a tool call?
          predicate:
            gte: 0.7
        - name: request_kind
          question:
            type: choice
            instructions: What kind of request is this?
            choices:
              - key: code
                description: Writing, reviewing or debugging code
              - key: math
                description: Mathematics or quantitative reasoning
              - key: chat
                description: Anything else
          labels: [code, math]
        - name: difficulty
          deployment: scorer
          question:
            type: score
            instructions: How difficult is this request?
            levels: [Trivial, Moderate, Hard]
          predicate:
            gte: 1.5
    decisions:
      - name: hard-code
        priority: 200
        rules:
          operator: AND
          on_unknown: no_match
          conditions:
            - type: systemone
              name: request_kind
              label: code
            - type: systemone
              name: difficulty
        modelRefs:
          - model: large-coder
global:
  model_catalog:
    deployments:
      scorer:
        provider: model_runtime
        artifact: vllm-sr/Decision-2.0-Kai-0.6B

没有 deployment 的规则询问决策模型 global.model_catalog.system.decision_model（除非另行选择，否则为 vela3-fast）；选择部署介绍了本地、挂接和远程模型。部署必须能回答规则的问题类型，否则配置加载时会被拒绝。vela3-fast 回答 choice、noul 和 span 问题，并把 set 问题拆成每个标签一个 noul 来回答，但不回答 score 问题，所以 difficulty 询问的是一个 Decision 2.0 部署。

为早期版本编写的配置把这个信号命名为 decision（recipes[].signals.decision 和 type: decision 条件）。它们仍能加载，但会给出 renamed_signal_type 警告，vllm-sr config migrate 会把它们改写为 systemone。

规则字段

字段	含义
`name`	规则名称，供条件和投影使用。
`question`	类型化问题：`type`、`instructions`，以及它的 `choices`、`levels` 或 `labels`。
`labels`	`choice`、`set` 或 `span` 规则匹配的选项。`choice` 规则上的条件仍可以指定任意选项；`set` 或 `span` 规则上的条件只能指定计入的标签。
`ignore_labels`	仅 `set` 和 `span`：永不计入规则的标签。
`predicate`	答案必须满足的概率或等级（`gt`、`gte`、`lt`、`lte`）。
`deployment`	回答问题的部署；不写时为决策模型。
`stage`	`request`（默认）或 `response`。
`input`	规则在当前用户轮次之外读取的内容；见读取当前轮次之外的内容。
`coverage`	`truncate`（默认）读取能放进模型输入的部分；`full` 读取全部。
`on_unscanned`	仅 `coverage: full`：无法读完整个输入的答案意味着什么：`match`、`no_match` 或 `unknown`（默认）；`best_effort` 在这里等同于 `unknown`，因为 `systemone` 规则一次调用读取其输入。
`timeout_ms`	答案的截止时间，最长 60000 毫秒；否则使用部署的值，再否则为 1000 毫秒。

规则匹配什么

条件 {type: systemone, name: <rule>} 在规则匹配时匹配；带 label 的条件在该选项或标签匹配时匹配：

问题类型	规则匹配的条件	条件的 `label` 匹配的条件
`noul`	“是”的概率满足 `predicate`（默认 `gte: 0.5`）	（不接受 label）
`score`	期望等级满足 `predicate`（必填；等级从 0 开始计）	（不接受 label）
`choice`	选中的选项属于 `labels`，并且设置了 `predicate` 时其概率满足它；没有 `labels` 的规则只能通过 label 匹配	该 label 就是选中的选项，并且设置了 `predicate` 时其概率满足它
`set`	有计入的标签匹配	该标签的概率满足 `predicate`；不设置时，模型选中了该标签
`span`	有计入的标签匹配	带该标签的某个 span 概率满足 `predicate`；不设置时，模型找到了带该标签的 span

set 或 span 规则计入 labels（不写时为问题的所有标签），再减去 ignore_labels。条件可以加上自己的 predicate；带 label 的条件读取该标签的值。以下情况配置会被拒绝：label、labels 或 ignore_labels 中的某项不是问题的选项；条件指定了 set 或 span 规则不计入的标签（被忽略的标签，或不在其 labels 中的标签）；不带 label 的条件指定了没有 labels 的 choice 规则。

规则发布以下值，供条件的 predicate 和投影得分读取：

问题类型	`systemone:<name>`	`systemone:<name>:<key>`
`noul`	P(是)	—
`score`	期望等级	—
`choice`	`labels` 中最高的 P；没有 `labels` 的规则为 P(选中)	每个选项的 P(key)
`set`	计入标签中最高的 P	每个标签的 P(key)
`span`	计入标签中最高的概率	该标签最可能的 span（没有时为 0）

投影得分用 value_source: raw 读取它们：name: <question> 读取 systemone:<name>，name: <question>:<key> 读取 choice、set 或 span 问题的某个选项或标签。只要有被使用的投影读取它，问题就会被提出：

recipes:
  - name: default
    signals:
      systemone:
        - name: difficulty
          deployment: scorer
          question:
            type: score
            instructions: How much reasoning does a strong expert need to answer well?
            levels: [none, a little, multi-step, expert]
          predicate:
            gte: 2
        - name: needs
          question:
            type: set
            instructions: What does a good answer need?
            labels:
              - key: deliberation
                description: a derivation, proof or careful step-by-step check
              - key: tools
                description: calling external tools or functions
    projections:
      scores:
        - name: effort
          method: weighted_sum
          inputs:
            - type: systemone
              name: difficulty
              weight: 0.3
              value_source: raw
            - type: systemone
              name: needs:deliberation
              weight: 0.4
              value_source: raw
      mappings:
        - name: effort_band
          source: effort
          method: threshold_bands
          outputs:
            - name: effort_high
              gte: 0.9
    decisions:
      - name: deliberate
        priority: 200
        rules:
          operator: AND
          conditions:
            - type: projection
              name: effort_high
        modelRefs:
          - model: large-reasoner
global:
  model_catalog:
    deployments:
      scorer:
        provider: model_runtime
        artifact: vllm-sr/Decision-2.0-Kai-0.6B

读取当前轮次之外的内容

规则读取当前用户轮次。input 把对话中的指定部分加入模型读取的内容：

recipes:
  - name: default
    signals:
      systemone:
        - name: escalation
          question:
            type: noul
            instructions: Has the user asked for the same fix more than once?
          input:
            history: true
            previous_turns: 6
            tool_results: true

history：之前的用户轮次。
previous_turns（0 到 32）：最近几个轮次（用户和助手），以对话记录形式给出。
tool_results：请求中的工具结果。
request: false：不读取当前用户轮次，请求阶段的规则只把它指定的之前用户轮次或工具结果作为请求读取。它需要 history 或 tool_results，不能带 previous_turns 或媒体输入；这些部分没有文本时，规则不会被询问，因此也不会匹配。
image：请求携带的所有图片，包括之前轮次、工具结果和已生成的图片，因为后端会读取全部图片。video：当前轮次的视频。部署必须能读取该输入，否则配置以 input_modality_unsupported 被拒绝。目前还没有部署能读取音频，所以 input.audio 总会被拒绝。图片以内联的 PNG、JPEG 或 WebP data URL 读取。其他图片（例如远程 URL 或 GIF）不会被读取：coverage: full 规则按 on_unscanned 的设置处理（见读取完整输入），其他规则读取它能读取的图片。Router 不会获取该图片，后端收到的仍是客户端发送的请求。
answer 和 context：模型的答案及其依据上下文，仅用于 stage: response 规则。

读取请求相同部分的规则共享一次调用；规则读取不同部分时，这次调用是批量请求，规则读取的每段文本各占一条。

读取完整输入

规则读取能放进模型输入的部分并丢弃其余部分（coverage: truncate）。设置 coverage: full 时，模型读取全部内容，超过一次输入长度时分窗口读取。当答案无法覆盖完整输入时（扫描预算耗尽、模型无法判断覆盖范围，或输入超过模型长度），on_unscanned 决定规则报告什么：match、no_match 或 unknown（默认，交给决策的失败策略处理）：

recipes:
  - name: default
    signals:
      systemone:
        - name: account_ids
          question:
            type: span
            instructions: Which spans are account or order numbers?
            labels:
              - key: account_number
                description: a customer account or order number
          coverage: full
          on_unscanned: match

关于答案的问题

stage: response 针对模型的答案提问，input.answer 和 input.context 指定它读取的内容。response_guard 等响应插件读取这类规则；决策的规则不能读取，因为决策在答案产生之前就完成了路由，读取它的配置会被拒绝。

Set 和 span 问题

set 问题给出一组标签，询问哪些适用；span 问题询问每个标签出现在请求的什么位置。两者都用 labels 代替 choices，每个标签有 key 和可选的 description；针对它们的条件指定一个标签，或者不指定标签以匹配任意计入的标签：

recipes:
  - name: default
    signals:
      systemone:
        - name: support_topics
          question:
            type: set
            instructions: Which topics does the request mention?
            labels:
              - key: billing
                description: payments, invoices or refunds
              - key: shipping
                description: deliveries, tracking or returns
              - key: other
                description: anything else
          ignore_labels: [other]
        - name: account_ids
          question:
            type: span
            instructions: Which spans are account or order numbers?
            labels:
              - key: account_number
                description: a customer account or order number
    decisions:
      - name: billing-with-account
        priority: 200
        rules:
          operator: AND
          conditions:
            - type: systemone
              name: support_topics
              label: billing
            - type: systemone
              name: account_ids
        modelRefs:
          - model: support-model

threshold（0 到 1）为该问题替换模型自己的判定阈值。不写时模型使用其校准阈值，由它决定 selected 的标签和找到的 span。
head（仅 span）在有两个 span head 的模型上指定由哪个回答：router（在个人数据、无依据陈述和有害片段上训练过）或 broad（开放式抽取）。不写时由模型按自己的规则选择。只有 Vela 2.0 0.8B、4B 和 9B 有 broad head；在其他内置模型（vela3-fast、其他 Vela 3.0 模型、Vela 2.0 0.3B）上写 head: broad 的规则会以 span_head_unsupported 加载失败。systemone 部署的 head 在加载时未知，由其 API 拒绝它没有的 head。
规则的 predicate 取代模型的选择：set 规则上的 gte: 0.8 匹配概率至少为 0.8 的标签。
没有原生 set 能力的模型，会在同一次调用中把 set 当作每个标签一个 noul 问题来回答。
部署不支持任何 span 问题时，span 规则以 span_required 被拒绝。默认决策模型能返回 span；d3 家族以及 Decision 1.0 和 2.0 不能。

模型没有给出答案时

当模型正在加载、过载或慢于 timeout_ms 时，规则为未知。决策上的 rules.on_unknown，或条件上的 on_error: match | no_match，决定未知答案意味着什么。截断到部署的扫描预算只缩短规则读取的内容，不会缩短发给所选后端的请求。

要查看哪些规则匹配了，使用路由预览（POST /api/v1/routing/preview）；对允许查看调试响应头的调用方，也可以查看 x-vsr-trace 响应头的 signals 成员。

概述​

主要优势​

解决什么问题？​

何时使用​

配置​

规则字段​

规则匹配什么​

读取当前轮次之外的内容​

读取完整输入​

关于答案的问题​

Set 和 span 问题​

模型没有给出答案时​

概述