# Laya Decision Model

> 421M param ModernBERT-large Classifier (Apache 2.0) auf CT152, CPU-only.
> Nutze in normalen Sessions fuer schnelle Klassifizierung, Binaerentscheidungen und Pre-Filter.

## Zugang
- **Endpoint:** `POST http://10.0.30.152:8000/predict`
- **Payload:** `{"state": "<text>", "questions": {...}}`
- **Health:** `GET http://10.0.30.152:8000/health`
- **Presets:** `GET http://10.0.30.152:8000/presets/{router|guard|moderation|triage}`

## Entscheidungstypen (Primitives)

| Typ |用途 | Return Fields |
|-----|------|---------------|
| `choice` | Klassifizierung in N Labels | `choice`, `answer_confidence`, `probabilities` |
| `noul` | Ja/Nein mit Wahrscheinlichkeit | `noul` (0..1), `answer_confidence` |
| `score` | Ordinale Bewertung | `score`, `answer_confidence` |

## Verwendung in Sessions

**Praeferieren fuer:**
- Pre-Filter vor teuren LLM-Calls (z.B. "ist diese Email eine Rechnung?" → nur bei "ja" LLM aufrufen)
- Binaerentscheidungen: alert/skip, escalate/ignore, move/keep
- Multi-Kategorie-Klassifizierung mit Confidence
- Gatekeeping: Notification-Suppression, Alert-Filtering

**NICHT geeignet fuer:**
- Textgenerierung / Zusammenfassungen (dafür LLM verwenden)
- Komplexe Reasoning-Tasks
- Embeddings / Semantische Suche (dafür Harrier/Hindsight)

## Example Call

```python
import json, urllib.request

payload = json.dumps({
    "state": "Von: amazon.de\nBetreff: Bestellbestätigung #12345",
    "questions": {
        "kategorie": {
            "type": "choice",
            "instructions": "Welche Kategorie?",
            "criteria": {
                "rechnung": "Rechnung, Invoice",
                "bestellung": "Bestellbestätigung, Order",
                "werbung": "Newsletter, Marketing"
            }
        },
        "ignorieren": {
            "type": "noul",
            "instructions": "Soll ignoriert werden?"
        }
    }
}).encode()

req = urllib.request.Request(
    "http://10.0.30.152:8000/predict",
    data=payload,
    headers={"Content-Type": "application/json"}
)
result = json.loads(urllib.request.urlopen(req, timeout=30).read())
# result["answers"]["kategorie"]["choice"] → "bestellung"
# result["answers"]["kategorie"]["answer_confidence"] → 0.99
```

## Performance
- Latenz: ~1.5-1.7s warm cache (CPU)
- Load time: ~18s (cold start)
- systemd service: `laya.service` (enabled, onboot)

## Einsatzgebiete (aktiv)
- **Rechnungen-Organizer** (Cron `f773f8c23230`): 12-Kategorie Email-Klassifizierung, 3-Schichten-Safety
- Weitere Kandidaten: Beleg-Sammler, SRE Network Recon, Backup Digest, Frigate Event Gate

## Constraints
- 421M Modell → niedrige Confidence bei ambiguous Inputs (Feature, nicht Bug!)
- Batch funktioniert nicht — ein Request pro Input-Instanz
- `noul` ist nicht zuverlaessig fuer kritische Entscheidungen allein — immer mit `choice` kombinieren
- Confidence-Threshold empfohlen (≥0.6 fuer Moves, ≥0.5 fuer Ignores)

## Related
- [[concepts/email-organization]] — Rechnungs-Organizer Architecture
- [[entities/infrastructure]] — CT152 auf proxmox6
- Solution Doc: `docs/solutions/architecture/2026-09-27-laya-email-organizer-migration.md`