Entradas — texto, JSON, imágenes, audio y documentos

Lo que una decisión puede leer — texto, JSON estructurado, imágenes, notas de voz y documentos (PDF, Word, Excel, PowerPoint, CSV y más) — y cómo llega cada uno a Jev, Laya u OpenAI Decisions.

Una decisión lee su estado. Además de texto y JSON, un estado object puede llevar archivos: declara un campo como image, audio o file y envía el archivo en él. Dcision convierte cada archivo en algo que el motor lee — texto, o una imagen para los motores que ven imágenes — antes de llamar al motor, así que la misma decisión se ejecuta en cualquier motor.

EnvíasDeclarasLo que recibe el motor
Textoun estado text, o un campo stringel texto
JSON estructuradoun estado object con campos tipados, o un listel JSON
Imagenun campo image — PNG, JPEG, GIF o WebPOpenAI Decisions: la imagen en sí. Jev y Laya: una descripción de la imagen con su texto visible, escrita por OpenAI
Texto + imagenun estado object con un campo string y un campo imageambos, uno al lado del otro
Voz / audioun campo audio — MP3, WAV, OGG/Opus (notas de voz de WhatsApp), M4A, WebM, FLAC, AAC, AMRla transcripción (speech-to-text de OpenAI)
Documento o cualquier archivoun campo filesu texto: PDF, Word (.docx), PowerPoint (.pptx), Excel (.xlsx, .xls), OpenDocument (.odt, .ods, .odp), CSV, RTF, HTML, XML, EPUB, Markdown y texto plano los lee Dcision; los PDF escaneados, los .doc/.ppt antiguos y otros formatos los lee OpenAI. Las imágenes y el audio enviados en un campo file se tratan como arriba

Declara campos de archivo

{
  "kind": "object",
  "fields": [
    { "key": "message", "type": "string" },
    { "key": "photo", "type": "image" },
    { "key": "voice", "type": "audio" },
    { "key": "invoice", "type": "file", "required": true }
  ]
}

Envía un archivo

Un campo de archivo acepta cualquiera de estas formas:

FormaEjemplo
URL data: (base64)"data:image/png;base64,iVBORw0KGgo…"
Objeto con base64{ "data": "JVBERi0xLjQK…", "filename": "nf-1042.pdf", "mime_type": "application/pdf" } — filename y mime_type son opcionales
URL https://"https://files.example.com/nf-1042.pdf" o { "url": "…", "filename": "nf-1042.pdf" } — Dcision la descarga
curl -X POST https://api.dcision.io/v1/decisions/invoice-triage \
  -H "Authorization: Bearer $DCISION_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{\"state\": {\"message\": \"Can we pay this?\", \"invoice\": {\"data\": \"$(base64 -w0 nf-1042.pdf)\", \"filename\": \"nf-1042.pdf\"}}}"

Desde los SDKs y la CLI:

import { readFile } from "node:fs/promises";
import { Dcision, fileFromBytes, fileFromUrl } from "@dcision/sdk";

const decision = await new Dcision().decide("invoice-triage", {
  message: "Can we pay this?",
  invoice: fileFromBytes(await readFile("nf-1042.pdf"), "nf-1042.pdf"),
  photo: fileFromUrl("https://files.example.com/receipt.jpg"),
});
from dcision import Dcision, file_from_path

decision = Dcision().decide("voice-routing", {"voice": file_from_path("note.ogg")})
dcision decide invoice-triage --state '{"message":"Can we pay this?"}' --file invoice=./nf-1042.pdf

Desde un formulario, n8n, Make o Zapier, el webhook de entrada también acepta archivos como multipart/form-data:

curl https://api.dcision.io/v1/hooks/whk_… \
  -F state='{"message":"Can we pay this?"}' \
  -F invoice=@nf-1042.pdf

En el Playground, los campos de archivo tienen un selector de archivos — y los campos de audio un botón Grabar para una nota de voz.

El formato sale de los bytes del archivo, no de su nombre ni de su mime_type: un .pdf que en realidad es un PNG se lee como imagen. Un campo image rechaza todo lo que no sea una imagen y un campo audio todo lo que no sea audio (422 INVALID_STATE); un campo file acepta cualquier formato.

Las URLs deben ser direcciones https:// públicas que respondan 200 con el archivo — las redirecciones no se siguen, y las direcciones privadas o reservadas se rechazan, como en los destinos.

Lo que lee el motor

Cada campo de archivo se reemplaza por lo que se leyó de él, y el motor — y tus destinos y el log de ejecuciones — ven eso en lugar de los bytes:

{
  "message": "Can we pay this?",
  "invoice": { "kind": "document", "file": "nf-1042.pdf", "content_type": "application/pdf", "bytes": 48213, "text": "NOTA FISCAL Nº 1042 … Total R$ 380,00" },
  "voice": { "kind": "audio", "file": "note.ogg", "content_type": "audio/ogg", "bytes": 21877, "text": "I want to cancel order 1042 and get a refund." },
  "photo": { "kind": "image", "file": "receipt.jpg", "content_type": "image/jpeg", "bytes": 90311, "text": "", "image": 1 }
}

En OpenAI Decisions, "image": 1 apunta a la primera imagen enviada con la llamada; escribe instrucciones que se refieran a ella con naturalidad ("¿La foto muestra daños?"). En Jev y Laya, text contiene en su lugar la descripción de la imagen.

Dirige las instrucciones al texto por el nombre del campo: "Does the `invoice` total exceed R$ 1,000?", "Does `voice` ask for a refund?". En los destinos, usa {{state.voice.text}} para reenviar la transcripción.

Los archivos largos se recortan para caber en el presupuesto de tokens del motor: los textos de todos los archivos comparten unos 96,000 caracteres — los cortos quedan completos — y un texto recortado termina en … y tiene "truncated": true.

Quién lee cada archivo — y quién paga

ArchivoLo leeCosto
Documentos que Dcision puede procesar (PDF con texto, Office, OpenDocument, hojas de cálculo, CSV, RTF, HTML, texto)Dcisionninguno
Imágenes en OpenAI Decisionsel motorparte de la llamada al motor
Audio; imágenes en Jev o Laya; PDF escaneados y otros formatosOpenAItu cuenta de OpenAI

Los archivos que necesitan OpenAI usan la clave de OpenAI del workspace (Configuración → Motor → Clave de OpenAI), o la de Dcision cuando este entorno tiene una. Sin ninguna de las dos, esas ejecuciones responden 424 ENGINE_NOT_CONFIGURED — los documentos que procesa Dcision nunca necesitan una clave. Un fallo mientras OpenAI lee un archivo es un error del motor (ENGINE_*): con onEngineError: "fallback" la decisión responde con su acción de fallback.

Leer archivos lleva tiempo — un minuto de audio tarda unos segundos en transcribirse — además de la llamada al motor. Dales a los clientes un timeout de 60 s para decisiones con audio.

Costo en la respuesta

Cuando el estado tenía archivos, los metrics de la respuesta muestran lo que costó leerlos:

CampoQué es
metrics.input_filesCuántos archivos se leyeron.
metrics.input_processing_msTiempo para descargarlos y leerlos, incluido en latency_ms.
metrics.input_cost_usdEl costo estimado de leerlos con OpenAI — 0 cuando Dcision los leyó todos por sí mismo.

metrics.estimated_cost_usd — y el costo estimado en el log de ejecuciones y en el Resumen — incluye input_cost_usd. La estimación usa los precios de lista de OpenAI para los modelos que leen archivos por defecto: gpt-4o-transcribe para audio (US$2.50 por 1M de tokens de entrada, US$10 por 1M de tokens de salida) y gpt-5-mini para descripciones de imágenes y lectura de archivos (US$0.25 y US$2). Es una estimación; la referencia es tu factura de OpenAI. Sin archivos, estos campos no aparecen. Consulta Ejecutar una decisión.

Límites

LímiteValor
Un archivo20 MB
Todos los archivos de un estado24 MB, hasta 10 archivos
Body de la solicitud de una ejecución32 MB en la API, el Playground y los webhooks de entrada (413 PAYLOAD_TOO_LARGE si se supera); el estado sin sus archivos sigue limitado a 128 KB
Texto de archivos leído en el estadounos 96,000 caracteres en total, recortados de forma equitativa
Lectura de los archivos de una ejecución60 s

El log de ejecuciones guarda el nombre, el tipo, el tamaño y los primeros 4,000 caracteres del texto de cada archivo — nunca el archivo en sí. Con storeInput: false no guarda nada.

Las solicitudes por MCP están limitadas a 1 MB: envía los archivos al servidor MCP como URLs https://.

En esta página