> ## Documentation Index > Fetch the complete documentation index at: https://gomodel.enterpilot.io/docs/llms.txt > Use this file to discover all available pages before exploring further. # Decisions API > Zadawaj przez GoModel typowane pytania typu predicate, choice i score za pomocą Decisions API od OpenAI, na które odpowiadają OpenAI, Jev / Kev lub modele decyzyjne OpenRouter. `POST /v1/decisions` obsługuje [Decisions API od OpenAI](https://developers.openai.com/api/docs/guides/decisions): request zawiera `input` (tekst lub wiadomości użytkownika z tekstem i obrazami) oraz listę typowanych pytań, a każda odpowiedź jest prawdopodobieństwem, wyborem lub oceną (score) zamiast dowolnego tekstu. Endpoint jest dostępny, gdy skonfigurowany jest provider `openai`, [`jev`](https://gomodel.enterpilot.io/docs/pl/providers/jev) lub `openrouter`. Bez żadnego z nich odpowiada `404`. | Provider | Jak odpowiada | | - | - | | `openai` | Natywnie: body trafia do `/v1/decisions` w wysłanej postaci | | `jev` (hostowany Jev, self-hosted Kev) | Przez [System One](https://gomodel.enterpilot.io/docs/pl/advanced/systemone-api.md), z tłumaczeniem w obie strony; obrazy tylko w hostowanym Jev | | `openrouter` | Jego modele decyzyjne System One (`openrouter/typesafe/jev-1.13`, `openrouter/~typesafe/jev-latest`, Kev), tłumaczone w ten sam sposób; tylko tekst. Modele czatowe OpenRouter nie odpowiadają na ten endpoint | W każdym przypadku odpowiedź ma kształt OpenAI, więc SDK OpenAI działają bez zmian. ## Request i odpowiedź ```bash theme={null} curl -s http://localhost:8080/v1/decisions \ -H "Authorization: Bearer $GOMODEL_MASTER_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "openai/gpt-6-luna", "input": "Shoes arrived two weeks late and in the wrong size. Also I see two charges on my card.", "questions": [ {"type": "predicate", "name": "escalate", "instructions": "Does this need urgent human attention?"}, {"type": "choice", "name": "department", "instructions": "Which team should handle this?", "choices": [{"value": "returns", "description": "Exchanges, wrong items"}, {"value": "shipping", "description": "Delivery status, delays"}, {"value": "billing", "description": "Charges, invoices"}]}, {"type": "score", "name": "frustration", "instructions": "How frustrated is the customer?", "levels": [{"label": "Calm"}, {"label": "Frustrated"}, {"label": "Very angry"}]} ] }' ``` ```json theme={null} { "model": "gpt-6-luna", "answers": [ {"name": "escalate", "type": "predicate", "probability": 0.93}, {"name": "department", "type": "choice", "choice": "returns", "confidence": 0.21, "probabilities": [{"value": "returns", "probability": 0.47}, {"value": "shipping", "probability": 0.28}, {"value": "billing", "probability": 0.25}]}, {"name": "frustration", "type": "score", "score": 1.44, "confidence": 0.78, "probabilities": [{"label": "Calm", "probability": 0.0, "value": 0}, {"label": "Frustrated", "probability": 0.56, "value": 1}, {"label": "Very angry", "probability": 0.44, "value": 2}]} ], "usage": {"input_tokens": 101, "input_tokens_details": {"cache_write_tokens": 0, "cached_tokens": 0}, "output_tokens": 0, "output_tokens_details": {"reasoning_tokens": 0}, "total_tokens": 101} } ``` W SDK OpenAI skieruj `base_url` na gateway: ```python theme={null} from openai import OpenAI client = OpenAI(api_key="change-me", base_url="http://localhost:8080/v1") decision = client.decisions.create( model="jev/jev-latest", # lub openai/gpt-6-luna input="I was charged twice. Please fix this ASAP.", questions=[{"type": "predicate", "name": "billing", "instructions": "Is this ticket about billing?"}], ) print(decision.answers[0].probability) ``` ## Jev i Kev Model `jev` odpowiada na ten sam request przez System One, który zadaje te same trzy rodzaje pytań: `predicate` to `noul`, a `choice` i `score` zachowują swoje nazwy. GoModel tłumaczy request i odpowiedź, więc możesz przełączać się między OpenAI a Jev lub robić failover z jednego na drugi bez zmiany kodu klienta. | Decisions | System One | | - | - | | String `input` lub tekstowe części wiadomości użytkownika połączone pustymi liniami | `state` | | Lista `questions`, w kolejności | Mapa `questions` w tej samej kolejności, z kluczami `name` (`question_`, gdy pytanie nie ma nazwy) | | `choices[].value` i `description` | Nazwa i opis opcji w `criteria` (`null`, gdy brak), w wysłanej kolejności | | `levels[].label` i `description` | Poziomy `criteria`, w kolejności | | Listy `probabilities` w odpowiedzi | Mapy `probabilities` w odpowiedzi | Niektóre części requestu tłumaczą się z ograniczeniami: * **Obrazy** działają w hostowanym Jev, wysyłane jako data URL z base64 PNG lub JPEG (`data:image/png;base64,...`). Każdy z nich staje się zasobem obrazu System One, umieszczonym w stanie w tym miejscu, w którym był w input, a GoModel dodaje nagłówek `TypeSafe-Danger-Zone-Images: true` wymagany przez TypeSafe. GoModel nie pobiera obrazów z linków dla Jev, więc URL obrazu `https` zwraca `400`; `detail` jest ignorowane. TypeSafe oznacza obsługę obrazów jako eksperymentalną i ogranicza każdy obraz do 280–1568 pikseli na bok. Serwer Kev czyta tylko tekst, więc request z obrazem do modelu Kev zwraca `400`: GoModel traktuje providera `jev` jako serwer Kev, chyba że jego bazowy URL to hostowane API TypeSafe (`https://api.typesafe.ai`). * **Wartości choice** to stringi lub wartości logiczne; wartość logiczna jest wysyłana jako `"true"` lub `"false"` i wraca jako wartość logiczna. String `"true"` i wartość logiczna `true` w jednym pytaniu kolidują i są odrzucane. * `prompt_cache_key`, `prompt_cache_options` i `safety_identifier` są usuwane. * Pytanie, na które System One nie odpowie, wraca jako `refusal`, na co Decisions API pozwala dla dowolnego pytania. * Błędy upstreamu zachowują status i komunikat TypeSafe; błędnie sformułowane pytanie wskazuje swój klucz System One. ## Co robi gateway Podobnie jak w [System One](https://gomodel.enterpilot.io/docs/pl/advanced/systemone-api.md#co-robi-gateway), endpoint rozwiązuje `model` (w tym [modele wirtualne](https://gomodel.enterpilot.io/docs/pl/features/virtual-models.md) i przypięte wersje Jev), stosuje listę dozwolonych modeli wywołującego, rate limity i budżety, uruchamia [guardrails](https://gomodel.enterpilot.io/docs/pl/advanced/guardrails.md) promptu na input, obsługuje identyczne requesty z dokładnego [cache’u odpowiedzi](https://gomodel.enterpilot.io/docs/pl/features/cache.md), robi failover na kolejny cel przy błędach dostępności i zapisuje audyt oraz użycie pod modelem, który odpowiedział. Filtruj log audytowy po typie requestu **Decisions**. Użycie na `/v1/decisions` jest wyceniane wyłącznie za tokeny wejściowe, każdy według stawki wejściowej modelu, tak jak OpenAI rozlicza Decisions API: tokeny wyjściowe, odczytu z cache’u i zapisu do cache’u są tam darmowe, nawet dla modelu takiego jak `gpt-6-luna`, którego cennik w katalogu ma stawki czatowe. Progi długiego kontekstu nadal wyznaczają stawkę wejściową. OpenRouter raportuje naliczoną kwotę jako `usage.cost`; przetłumaczona odpowiedź ją zachowuje, a użycie zapisuje ją jako koszt requestu. Guardrails widzą każdą wiadomość wejściową jako wiadomość użytkownika z jej częściami tekstowymi i obrazowymi; zmiany trafiają do providera, a nietknięte części zachowują dokładny JSON. Zmiany, na które request decyzyjny nie ma miejsca, takie jak wstrzyknięty system prompt, są odrzucane z ostrzeżeniem. Obowiązuje tylko faza promptu: odpowiedź to typowane wartości (prawdopodobieństwa, wybory, oceny), a nie completion, więc guardrails fazy odpowiedzi i streamu nie są na niej uruchamiane, a odpowiedź jest przekazywana bez zmian. Workflow, który wybiera takie guardrails dla requestu Decisions, loguje jedno ostrzeżenie na guardrail. Modele decyzyjne mogą też oceniać inny ruch: guardrail [`llm_judge`](https://gomodel.enterpilot.io/docs/pl/advanced/guardrails#ocena-modelem-decyzyjnym) z modelem decyzyjnym zadaje mu pytanie tak/nie o politykę dla każdego promptu czatu lub Responses i blokuje na podstawie prawdopodobieństwa. To wywołanie przechodzi tą samą ścieżką co ten endpoint, w ramach ścieżki użytkownika guardraila. Łańcuch failoveru może mieszać providerów: każdy cel otrzymuje request we własnej postaci, a cel u providera bez Decisions API albo taki, który nie potrafi odczytać obrazów z requestu (serwer Kev lub model `jev`, któremu przekazano link do obrazu), jest pomijany bez zużywania próby. Gdy pierwszy cel łańcucha nie potrafi odczytać obrazów, request zaczyna się od pierwszego celu, który to potrafi, więc poniższy łańcuch wysyła tekst do Kev, a obrazy do OpenAI. ```yaml theme={null} virtual_models: - source: classifier strategy: failover targets: - { model: kev/kev-latest } # najpierw lokalny Kev - { model: openai/gpt-6-luna } # OpenAI, gdy Kev nie działa, oraz dla obrazów ``` ## Błędy | Sytuacja | Wynik | | - | - | | Nie skonfigurowano providera `openai`, `jev` ani `openrouter` | `404` | | Model czatowy w OpenRouter | `400 invalid_request_error`: na Decisions odpowiadają tylko jego modele decyzyjne | | Brak `model` | `400` | | Model u providera bez Decisions API (także przez model wirtualny) | `400 invalid_request_error`; gateway loguje ostrzeżenie | | Obraz wysłany do modelu obsługującego tylko tekst (Kev), link do obrazu lub obraz inny niż PNG/JPEG wysłany do modelu `jev` albo inny request, którego System One nie potrafi wyrazić | `400 invalid_request_error` ze wskazaniem pola | | Błąd upstreamu | Status providera wraz z jego komunikatem | This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.