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.
| Envías | Declaras | Lo que recibe el motor |
|---|---|---|
| Texto | un estado text, o un campo string | el texto |
| JSON estructurado | un estado object con campos tipados, o un list | el JSON |
| Imagen | un campo image — PNG, JPEG, GIF o WebP | OpenAI Decisions: la imagen en sí. Jev y Laya: una descripción de la imagen con su texto visible, escrita por OpenAI |
| Texto + imagen | un estado object con un campo string y un campo image | ambos, uno al lado del otro |
| Voz / audio | un campo audio — MP3, WAV, OGG/Opus (notas de voz de WhatsApp), M4A, WebM, FLAC, AAC, AMR | la transcripción (speech-to-text de OpenAI) |
| Documento o cualquier archivo | un campo file | su 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:
| Forma | Ejemplo |
|---|---|
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.pdfDesde 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.pdfEn 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
| Archivo | Lo lee | Costo |
|---|---|---|
| Documentos que Dcision puede procesar (PDF con texto, Office, OpenDocument, hojas de cálculo, CSV, RTF, HTML, texto) | Dcision | ninguno |
| Imágenes en OpenAI Decisions | el motor | parte de la llamada al motor |
| Audio; imágenes en Jev o Laya; PDF escaneados y otros formatos | OpenAI | tu 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:
| Campo | Qué es |
|---|---|
metrics.input_files | Cuántos archivos se leyeron. |
metrics.input_processing_ms | Tiempo para descargarlos y leerlos, incluido en latency_ms. |
metrics.input_cost_usd | El 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
| Límite | Valor |
|---|---|
| Un archivo | 20 MB |
| Todos los archivos de un estado | 24 MB, hasta 10 archivos |
| Body de la solicitud de una ejecución | 32 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 estado | unos 96,000 caracteres en total, recortados de forma equitativa |
| Lectura de los archivos de una ejecución | 60 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://.
Esquema de decisión
El documento JSON detrás de cada decisión — el estado que acepta, las preguntas que responde, los compuestos, las políticas que eligen la acción, la configuración de runtime y los destinos.
Preguntas
Preguntas de choice, score y probability — instrucciones y criterios estructurados, qué devuelve la API para cada una, niveles ponderados, la opción reservada other y la confianza mínima.