Входные данные — текст, JSON, изображения, аудио, документы

Что может читать решение — текст, структурированный JSON, изображения, голосовые сообщения и документы (PDF, Word, Excel, PowerPoint, CSV и другие) — и как каждый из них попадает в Jev, Laya или OpenAI Decisions.

Решение читает своё состояние. Помимо текста и JSON, объектное состояние может содержать файлы: объявите поле как image, audio или file и отправьте в нём файл. Прежде чем вызвать движок, Dcision превращает каждый файл в то, что движок умеет читать, — текст или изображение для движков, которые видят изображения, — поэтому одно и то же решение работает на любом движке.

Вы отправляетеОбъявитеЧто получает движок
Текстсостояние text или поле stringтекст
Структурированный JSONсостояние object с типизированными полями или listJSON
Изображениеполе image — PNG, JPEG, GIF или WebPOpenAI Decisions: само изображение. Jev и Laya: описание изображения с видимым на нём текстом, написанное OpenAI
Текст + изображениесостояние object с полем string и полем imageи то и другое, рядом
Голос / аудиополе audio — MP3, WAV, OGG/Opus (голосовые сообщения WhatsApp), M4A, WebM, FLAC, AAC, AMRрасшифровку (speech-to-text от OpenAI)
Документ или любой файлполе fileего текст: PDF, Word (.docx), PowerPoint (.pptx), Excel (.xlsx, .xls), OpenDocument (.odt, .ods, .odp), CSV, RTF, HTML, XML, EPUB, Markdown и простой текст читает Dcision; сканированные PDF, устаревшие .doc/.ppt и другие форматы читает OpenAI. Изображения и аудио, отправленные в поле file, обрабатываются как описано выше

Объявление полей-файлов

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

Отправка файла

Поле-файл принимает любую из этих форм:

ФормаПример
URL data: (base64)"data:image/png;base64,iVBORw0KGgo…"
Объект с base64{ "data": "JVBERi0xLjQK…", "filename": "nf-1042.pdf", "mime_type": "application/pdf" } — filename и mime_type необязательны
URL https://"https://files.example.com/nf-1042.pdf" или { "url": "…", "filename": "nf-1042.pdf" } — Dcision скачивает его
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\"}}}"

Из SDK и 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

Из формы, n8n, Make или Zapier триггер вебхука также принимает файлы как multipart/form-data:

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

В Playground у полей-файлов есть выбор файла, а у аудиополей — кнопка Записать для голосового сообщения.

Формат определяется по байтам файла, а не по его имени или mime_type: .pdf, который на самом деле PNG, читается как изображение. Поле image отклоняет всё, кроме изображений, а поле audio — всё, кроме аудио (422 INVALID_STATE); поле file принимает любой формат.

URL должны быть публичными адресами https://, которые отвечают 200 с файлом, — редиректы не выполняются, а частные или зарезервированные адреса отклоняются, как и у назначений.

Что читает движок

Каждое поле-файл заменяется тем, что из него прочитано, и движок — а также ваши назначения и журнал выполнений — видят это вместо байтов:

{
  "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 }
}

В OpenAI Decisions "image": 1 указывает на первое изображение, отправленное с вызовом; пишите инструкции, которые ссылаются на него естественно («Видно ли на фото повреждение?»). В Jev и Laya вместо этого в text находится описание изображения.

Указывайте в инструкциях на текст по имени поля: "Does the `invoice` total exceed R$ 1,000?", "Does `voice` ask for a refund?". В назначениях используйте {{state.voice.text}}, чтобы передать расшифровку дальше.

Длинные файлы обрезаются, чтобы уложиться в бюджет токенов движка: тексты всех файлов делят около 96 000 символов — короткие остаются целыми, — а обрезанный текст заканчивается на … и имеет "truncated": true.

Кто читает каждый файл — и кто платит

ФайлКто читаетСтоимость
Документы, которые Dcision умеет разбирать (PDF с текстом, Office, OpenDocument, таблицы, CSV, RTF, HTML, текст)Dcisionбесплатно
Изображения в OpenAI Decisionsдвижоквходит в вызов движка
Аудио; изображения в Jev или Laya; сканированные PDF и другие форматыOpenAIваш аккаунт OpenAI

Файлы, которым нужен OpenAI, используют ключ OpenAI рабочего пространства (Настройки → Движок → Ключ OpenAI) или ключ Dcision, если он есть в этом окружении. Если нет ни того ни другого, такие запуски отвечают 424 ENGINE_NOT_CONFIGURED, — документам, которые разбирает Dcision, ключ не нужен никогда. Сбой при чтении файла в OpenAI — это ошибка движка (ENGINE_*): с onEngineError: "fallback" решение отвечает своим действием fallback.

Чтение файлов занимает время — расшифровка минуты аудио занимает несколько секунд — сверх вызова движка. Задайте клиентам таймаут 60 с для решений с аудио.

Стоимость в ответе

Если в состоянии были файлы, metrics ответа показывают, чего стоило их чтение:

ПолеЧто это
metrics.input_filesСколько файлов прочитано.
metrics.input_processing_msВремя на их загрузку и чтение, входит в latency_ms.
metrics.input_cost_usdОценка стоимости их чтения через OpenAI — 0, если Dcision прочитал их все сам.

metrics.estimated_cost_usd — а также оценочная стоимость в журнале выполнений и в Обзоре — включает input_cost_usd. Оценка использует прейскурантные цены OpenAI для моделей, которые читают файлы по умолчанию: gpt-4o-transcribe для аудио (2,50 долл. США за 1 млн входных токенов, 10 долл. США за 1 млн выходных токенов) и gpt-5-mini для описания изображений и чтения файлов (0,25 и 2 долл. США). Это оценка; ориентиром служит ваш счёт OpenAI. Без файлов этих полей нет. См. Запуск решения.

Лимиты

ЛимитЗначение
Один файл20 МБ
Все файлы одного состояния24 МБ, до 10 файлов
Тело запроса запуска32 МБ в API, Playground и триггерах вебхука (сверх этого — 413 PAYLOAD_TOO_LARGE); состояние без файлов по-прежнему ограничено 128 КБ
Текст файлов, прочитанный в состояниеоколо 96 000 символов в сумме, обрезается равномерно
Чтение файлов одного запуска60 с

Журнал выполнений хранит имя, тип, размер каждого файла и первые 4 000 символов его текста — сам файл никогда. С storeInput: false он не хранит ничего.

Запросы MCP ограничены 1 МБ: отправляйте файлы MCP-серверу как URL https://.

На этой странице