用途：对一段文本做路由、分流、标记与评分，为每个选项给出概率、所选值与置信度。适合工单分派到部门或队列、识别消息意图、判断谓词是否成立、按等级给出严重度评分等决策类任务。
主要能力：接收 OpenAI Decisions API 请求（input 加 predicate、choice、score 三类 question），返回每选项概率、选定值或分数与置信度。由于模型 logits 不暴露，采用 k 路并行采样，每路以不同选项顺序给出概率后取平均，再按带标签评测结果做温度缩放。采样间分歧会降低置信度，并体现在 diagnostics.agreement。
使用方式：请求写成 JSON，每个 question 有唯一 name；选项需带说明何时适用，选项不全时加 other；评分等级从低到高排列。运行： S=/mnt/skills/user/deciding-with-confidence/scripts python3 $S/decide.py run request.json echo '{...}' | python3 $S/decide.py run - 传输方式 --transport auto 默认取首个可用：api 需 pip install anthropic 和 ANTHROPIC_API_KEY 或 ANTHROPIC_AUTH_TOKEN，约 0.7 秒；cli 需已登录的 claude CLI，约 4 秒；bedrock 需 pip install anthropic 及 AWS 区域与凭证，仅显式指定。也可在 Claude Code 会话中用 decider 子代理路径，先 emit 再 aggregate。
决策建议：不要只看最高答案，用阈值处理。agreement 小于 1（样本首选不同）应升级；最高概率低于 0.7 应升级。有每类 50 条以上标签时可用 eval 与 calibrate 校准，并设 DECIDER_CALIBRATION。内置校准只适配 choice（T=0.62）。
限制：不适合标签集过大（需先幻觉标签）、需要推理或解释、需要抽取字段或自由 JSON、可访问真正决策模型且延迟敏感、挑选 Claude 层级、以及图像证据等场景。准确率约为专用决策模型的 85%，在自带 104 项评测中准确率 0.846，ECE 0.041；差距集中在八分类意图问题上，是/否与量表题持平。常见失败包括无可用样本、无可用传输、samples 少于 k、答案接近均匀（多因选项说明缺失或重叠）等。图像输入不支持。以上数据来自公开资料，实际部署前应以自有流量标注验证。