# langgraph-decision-models

Скилл учит агента заменять LLM-вызовы, из которых вы вытаскиваете решение, на типизированные вопросы с вероятностями.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1600 установок · ★ 1314
- Автор: langchain-ai
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/langchain-ai/langchain-skills/tree/HEAD/config/skills/langgraph-decision-models/SKILL.md
- Обновлён: 2026-10-21
- HTML: https://affpapa.org/nevibecode/skills/langgraph-decision-models

## Что делает

Внутри — инструкция по `langchain-typesafe`: классы `Noul`, `Choice`, `Score` возвращают вероятности вместо прозы. `Noul` отвечает на бинарный вопрос, `Choice` выбирает одну метку и отдаёт распределение, `Score` оценивает по упорядоченной рубрике. `TypeSafeClassifier` — обычный `Runnable`, поэтому встаёт в узел LangGraph как любой другой runnable. До 32 вопросов уходят одним запросом и считаются независимо, а комбинирует их ваш код.

Ставить есть смысл там, где узел генерирует текст только ради того, чтобы вы распарсили из него решение: маршрутизация, триаж, фильтрация, guardrails, классификация пачки элементов. Если вывод узла — сам продукт (сводки, черновики, код) или нужен многошаговый разбор, скилл не подходит: модель классифицирует, а не рассуждает.

Пакет `langchain-typesafe` в альфе (`0.0.1a3`), а `TypeSafeClassifier` помечен `@beta` — фиксируйте версию. Три способа подключения: TypeSafe напрямую, SemIf через LangSmith Gateway и Jev через Gateway по BYOK. Для Gateway нужен `LANGSMITH_API_KEY`, а не ключ TypeSafe; без секрета `TYPESAFE_API_KEY` в рабочей области LangSmith любой id вида `typesafe/*` вернёт 424 Failed Dependency ещё до проверки имени модели. Пороги калибруются под конкретную модель: одна и та же политика на Jev, SemIf и LLM-адаптере разведёт элементы по-разному, так что при смене модели пороги придётся настраивать заново.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add langchain-ai/langchain-skills --skill langgraph-decision-models -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/langgraph-decision-models/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/langgraph-decision-models/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add langchain-ai/langchain-skills --skill langgraph-decision-models -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/langgraph-decision-models/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add langchain-ai/langchain-skills --skill langgraph-decision-models -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/langgraph-decision-models/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install langchain-ai/langchain-skills langgraph-decision-models
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/langgraph-decision-models/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add langchain-ai/langchain-skills --skill langgraph-decision-models -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/langchain-ai/langchain-skills --path config/skills/langgraph-decision-models
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/langgraph-decision-models/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add langchain-ai/langchain-skills --skill langgraph-decision-models -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/langchain-ai/langchain-skills/tree/HEAD/config/skills/langgraph-decision-models/SKILL.md

## Когда брать
- убрать LLM-вызовы, из которых нужен только выбор ветки
- разложить тикеты по релевантности и тональности одним запросом
- поставить порог на рубрику вместо сравнения с нулём
- найти в существующем агенте места генерации текста ради парсинга решения
- перевести маршрутизацию на модель с вероятностями и оставить роутер тестируемым

## Примеры запросов агенту
- перепиши узел маршрутизации в LangGraph на decision model вместо LLM
- проверь мой агент: где LLM вызывается только ради решения о ветке?
- настрой пороги для Score по рубрике релевантности

## Похожие
- [langgraph](https://affpapa.org/nevibecode/skills/langgraph.md) — скилл · 257 установок
- [options-analytics-agent-langgraph](https://affpapa.org/nevibecode/skills/options-analytics-agent-langgraph.md) — скилл · 2000 установок
- [langgraph-code-review](https://affpapa.org/nevibecode/skills/langgraph-code-review.md) — скилл · 884 установки
- [omni-models](https://affpapa.org/nevibecode/skills/omni-models.md) — скилл · 1000 установок
- [langchain-dev-guide](https://affpapa.org/nevibecode/skills/langchain-dev-guide.md) — скилл · 836 установок
- [langchain-development](https://affpapa.org/nevibecode/skills/langchain-development.md) — скилл · 681 установка

Из того же набора: [langchain-ai/langchain-skills](https://affpapa.org/nevibecode/by/langchain-ai/langchain-skills.md) — 22 карточки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md