Score：分级评分

Score 给内容按 2–10 个有序、带描述的等级打分。和 Choice 的区别：等级之间有顺序（严重程度、质量、情感强度），因此答案是一个可以比较、可以加权合并的数值。

请求结构

{
  "type": "score",
  "instructions": "用户的沮丧程度",
  "criteria": [
    "平静，只是陈述事实",
    "不满但克制",
    "愤怒，用词激烈"
  ]
}

• criteria 是有序数组：索引 0 是最低级，最后一个最高级
• 等级数 2–10（官方文档，2026-09-22 核验）
• 每个等级都要写可区分的描述——描述质量直接决定分数质量

答案结构

{
  "type": "score",
  "score": 1.0,
  "legend": { "0": "平静…", "1": "不满…", "2": "愤怒…" },
  "probabilities": { "0": 0.0, "1": 1.0, "2": 0.0 },
  "confidence": 1.0
}

字段	含义
score	各等级概率的加权均值，因此可以是小数（如 1.4 表示“介于不满与愤怒之间，偏不满”）
legend	等级号 → 描述的回显，方便日志与展示
probabilities	每个等级的概率分布
confidence	分布集中度；方差大的分布（如 0.5/0.5）置信度低

本站建议

如果你的业务逻辑是”≥ 某阈值就动作”，直接用 score 数值；如果要在两个相邻等级间犹豫时保守处理，同时读 probabilities 并结合 confidence 决定是否复核。

典型用法

• 内容分级审核：对 UGC 按风险等级打分再决定放行/复审/下线——见内容分级
• 组合评分（composite scoring）：官方模式——把一个复杂判断拆成多个原子 Score，在你的代码里按自己控制的权重合并（经官方 llms.txt 索引核验）。权重属于业务逻辑，不必也不应交给模型
• 实体对齐：官方 Cookbook 用一个三级 Score（合并 / 保留不链 / 交人工）完成两份啤酒目录 450 个候选对的实体对齐——三个等级恰好对应三种可执行动作，无需拟合阈值

与 Choice 的选择

• 候选集合无序（部门、数据源、技能名）→ 用 Choice
• 候选集合有序且你要的是“程度” → 用 Score
• 只要一个是非判断 → 用 Noul

下一页：Noul：是非概率。