نمای کلی اجرایی و اهمیت معماری

انتشار نسخه ۱.۲ ورسل نشان‌دهنده یک نقطه عطف حیاتی در یکپارچه‌سازی مدل‌های تصمیم‌گیری چندوجهی تخصصی در زیرساخت ابری اصلی است. با گنجاندن بومی موتورهای تصمیم‌گیری پیشرفته پرپلکسیتی—به‌ویژه Perplexity Decider V1.2 27B (perplexity/pplx-decider-v1.2) و Decider Flash V1.2 4B سبك‌وزن (perplexity/pplx-decider-flash-v1.2)—در اکوسیستم AI Gateway ورسل، توسعه‌دهندگان دسترسی برنامه‌نویسی بی‌سابقه‌ای به استدلال احتمالی به دست می‌آورند. این مدل‌ها به‌طور اختصاصی برای ارزیابی متن‌های ساختارنیافته، رکوردهای ساختاریافته پیچیده و داده‌های تصویری خام ساخته شده‌اند و ورودی‌های کیفی را به احتمال‌های ریاضی گسسته و دسته‌بندی‌های موضوعی تبدیل می‌کنند. در معماری‌های نرم‌افزاری مدرن، قابلیت برون‌سپاری دسته‌بندی‌های پیچیده، امتیازدهی به معیارهای چندگانه و مسیریابی هوشمند درخواست‌ها به پایگاه‌های احتمالی قطعی، باعث کاهش تورم خطوط لوله دسته‌بندی سفارشی و افزایش بهره‌وری عملیاتی می‌شود.

از منظر معماری، این انتشار شکاف بین تولید خام LLM و اجرای منطق سخت‌گیرانه کسب‌وکار را پر می‌کند. مدل‌های زبانی بزرگ سنتی اغلب به مهندسی پرامپت گسترده، تجزیه عبارت‌های منظم (regex) و اسکریپت‌های شکننده پس‌پردازش برای استخراج پرچم‌های مسیریابی قابل اقدام یا وضعیت‌های بولی نیاز دارند. معماری Decider V1.2 خروجی‌ها را به‌صورت بومی ساختاردهی می‌کند تا به سوالات تایپ‌شده با احتمالات قابل تأیید پاسخ دهد—چه در حال ارزیابی احتمال یک شرط بولی باشد، چه دسته‌بندی ورودی‌ها در برابر طرح‌واره‌های دامنه از پیش تعریف‌شده، یا امتیازدهی به محتوا در امتداد یک معیار کمی مرتب‌شده. همراه با رابط یکپارچه AI Gateway ورسل، تیم‌ها اکنون می‌توانند این وظایف را به‌طور یکپارچه در چندین مدل زیربنایی با استفاده از یک کلید API واحد، قیمت‌گذاری شفاف ارائه‌دهنده بدون هیچ‌گونه افزایش قیمت پلتفرم، و قابلیت مشاهده بومی جامع از طریق ثبت وقایع متمرکز درخواست‌ها و محدودیت‌های بودجه هزینه اجرا کنند.

بهبودهای کلیدی و ارگونومی توسعه‌دهنده

محور اصلی نسخه ۱.۲ ورسل، ارائه مدل دو لایه است که با مبادلات محاسباتی متمایز سازگار شده است. مدل پرچمدار Decider V1.2 27B قابلیت‌های تحلیلی عمیق و ظریفی را ارائه می‌دهد که قادر به تجزیه زمینه پیچیده و سلسله‌مراتب معیارهای پیچیده است، و آن را به گزینه‌ای ایده‌ал برای مسیرهای تصمیم‌گیری با ریسک بالا مانند تأیید انطباق قانونی، تریاژ پشتیبانی مشتری ارجاع‌شده، یا تشخیص ناهنجاری ظریف تبدیل می‌کند. برعکس، مدل Decider Flash V1.2 4B برای حداکثر توان عملیاتی و اجرای با تأخیر کم مهندسی شده است. این مدل در فیلتر کردن داده‌های حجم بالا، برچسب‌گذاری خودکار و وظایف مسیریابی سریع که در آن معیارهای واضح و صریح حاکم هستند، برتری دارد. هر دو مدل یک پارادایم تعامل واحد را به اشتراک می‌گذارند و به توسعه‌دهندگان اجازه می‌دهند چندین پارامتر ارزیابی را به‌طور هم‌زمان در برابر یک ورودی بار مشترک در یک تراکنش شبکه پرس‌وجو کنند.

ارگونومی توسعه‌دهنده نیز از طریق قابلیت همکاری قوی SDK به‌طور قابل‌توجهی ارتقا یافته است. نسخه ۱.۲ ورسل از فراخوانی یکپارچه از طریق Vercel AI SDK، یک Decisions API اختصاصی، و نقاط پایانی سازگار با TypeSafe استاندارد پشتیبانی می‌کند. قابلیت‌های چندوجهی به‌طور پیش‌فرض و بومی پشتیبانی می‌شوند: توسعه‌دهندگان می‌توانند ساختارهای داده image_url کدگذاری شده با base64 را مستقیماً در بار (payload) state با فرمت JSON قرار دهند. این یکپارچه‌سازی تضمین می‌کند که چه برنامه‌ای در حال ارزیابی فاکتورهای اسکن‌شده باشد، چه بازرسی عکس‌های محصول آسیب‌دیده، یا حسابرسی گزارش‌های تحویل پیچیده، تجربه توسعه‌دهنده سازگار، قابل پیش‌بینی و کاملاً تایپ‌شده باقی بماند. علاوه بر این، پشتیبانی از پیکربندی‌های Bring Your Own Key (BYOK) انطباق سازمانی و حاکمیت امنیتی را بدون قربانی کردن مزایای نظارت یکپارچه AI Gateway تضمین می‌کند.

ماتریس مقایسه معماری

تغییرات اساسی و نکات مهاجرت

کاملاً سازگار با نسخه‌های قبلی. نسخه ۱.۲ ورسل خانواده مدل Decider را به عنوان یک افزونه الحاقی به کاتالوگ مسیریابی موجود AI Gateway معرفی می‌کند. استقرارهای موجود که از نقاط پایانی LLM قبلی استفاده می‌کنند، هیچ هشدار منسوخ‌شدگی یا تغییرات اجباری زمان اجرا را تجربه نخواهند کرد. با این حال، تیم‌هایی که منطق دسته‌بندی مبتنی بر پرامپت سفارشی را به نقاط پایانی جدید pplx-decider-v1.2 یا pplx-decider-flash-v1.2 منتقل می‌کنند، باید تغییر ساختاری از پاسخ‌های متنی تولیدی به خروجی‌های تایپ‌شده احتمالی را یادداشت کنند. برنامه‌ها باید به‌گونه‌ای به‌روزرسانی شوند که به جای تجزیه کامل زبان طبیعی، نمرات احتمال صریح و انتخاب‌های دسته‌بندی را مصرف کنند.

راهنمای ارتقای گام‌به‌گام

برای شروع استفاده از مدل‌های تصمیم‌گیری جدید در برنامه خود، وابستگی‌های خود را به‌روزرسانی کرده و بارهای ارزیابی خود را با استفاده از مراحل زیر پیکربندی کنید:

۱. به‌روزرسانی وابستگی‌های SDK: اطمینان حاصل کنید که پروژه شما از آخرین نسخه Vercel AI SDK برای پشتیبانی بومی از طرح‌واره‌های Decisions API استفاده می‌کند. ۲. پیکربندی پایانه تصمیم‌گیری: درخواست‌های دسته‌بندی خود را از طریق AI Gateway با تعیین شناسه مدل perplexity/pplx-decider-v1.2 یا perplexity/pplx-decider-flash-v1.2 مسیریابی کنید. ۳. پیاده‌سازی پرس‌وجوهای تایپ‌شده: بار ورودی خود را برای ارزیابی چندین سوال در برابر یک وضعیت مشترک ساختاردهی کنید و در صورت نیاز تصاویر base64 را مدیریت کنید.

import { generateDecision } from 'ai';
import { perplexity } from '@ai-sdk/perplexity';

const result = await generateDecision({
  model: perplexity('pplx-decider-v1.2'),
  state: {
    text: 'Delivery report: Package arrived with torn outer packaging but intact internal contents.',
    image_url: 'data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ...'
  },
  questions: {
    isDamaged: { type: 'boolean', prompt: 'Is the outer packaging compromised?' },
    severityScore: { type: 'score', rubric: ['None', 'Minor', 'Severe'] }
  }
});

console.log(result.isDamaged); // Probability of yes
console.log(result.severityScore); // Rubric match