Decisions API · 开发者指南
Decisions API 是什么,什么时候需要它?
决策 API 把上下文转成应用可用的分类、评分或概率,适用于客服分流、模型与工具路由,以及来源证据检查。本指南介绍 OpenAI 直连接口,并说明它与本站统一接口的区别。
依据 OpenAI 官方文档核对于 2026 年 10 月 7 日。标注为 OpenAI 的示例使用官方直连接口;本站使用独立的 API key、模型 ID、请求格式和计费方式。
模型
gpt-6-luna
接口
/v1/decisions
输入
文本与图片
答案类型
Choice、Score、Predicate
选择固定分类、根据有序等级评分,或估计一个条件成立的概率。这里使用 OpenAI 直连接口的类型名称。
开放状态
OpenAI Decisions API 已进入公开测试
OpenAI 官方指南已说明可通过 /v1/decisions 调用 gpt-6-luna。通过本站调用时,请根据模型目录及账户实际权限确认当前可用选项。
OpenAI 官方访问权限与本站积分分别管理。
选择合适的接口
Decisions API 与 Structured Outputs 有什么区别?
两者都能用于分类工作流。Decisions 提供专门的答案类型,Structured Outputs 允许你为生成内容定义 JSON Schema。根据应用需要的结果选择,再用相同案例比较质量、延迟和成本。
需要定义什么
提示词与受支持的 JSON Schema,包括必填字段和允许的取值。
上下文和类型化问题,包括条件、可选分类或有序评分等级。
返回什么
符合 Schema 的生成内容,例如提取的字段和文字解释。
选中的分类、评分或条件概率,以及对应答案类型提供的其他信号。
应用需要处理什么
读取结构化字段,处理拒答或不完整响应,并验证内容含义。
读取类型化答案,处理拒答或调用失败,再执行分流和复核阈值。
典型任务
提取发票字段,并在同一对象中生成文字摘要。
选择客服队列,评估紧急程度,并判断是否需要人工复核。
Function calling 负责工作流中的工具调用:模型请求工具并提供参数,应用执行工具。可以先用决策层选择路径,再用工具调用或结构化生成完成后续任务。
阅读 OpenAI 官方 Structured Outputs 指南接入方式
应该直接调用 OpenAI,还是使用本站平台?
先选择需要接入的服务,再使用与其匹配的凭证和请求格式。本站独立运营,通过统一接口帮助你接入和比较多种决策模型。
直接接入 OpenAI
使用 OpenAI API key,向 /v1/decisions 发送请求,模型为 gpt-6-luna,采用官方 input 和 questions 字段。账户限额与账单由 OpenAI 管理。
接入本站统一 API
使用本站 API key,向 /v1/systemone 发送 model、state 和 questions 对象。Luna 的模型 ID 为 openai/gpt-6-luna-decisions,其他兼容模型沿用相同的请求封装。
留意类型名称与请求限制
本站支持每次 1–8 个问题,完整 JSON 请求体上限为 32 KiB。本站的是非问题类型为 noul,OpenAI 直连接口为 predicate。请按所调用接口的文档编写请求。
账户与费用分别计算
通过本站调用会消耗本站积分;直接调用 OpenAI 则计入你的 OpenAI 账户账单。购买本站积分不会增加 OpenAI 账户余额或改变官方账户限额。
问题类型
Choice、Score 和 Predicate 应该怎么选?
每个问题只表达一项清楚的判断。分类用标签,优先级用等级,是非判断用一个明确条件。
Choice
选择互相区分的类别
例如财务、技术、账号或其他。解释每个选项的适用范围,并为已知类别之外的请求设置合理的兜底选项。
Score
根据有序等级评分
例如常规、紧急和严重。说明各等级的判断标准;返回分数可能介于等级之间,需要由应用决定如何映射到优先级。
Predicate / Noul
判断一个条件是否成立
例如这条请求是否需要人工处理。OpenAI 直连使用 predicate,本站使用 noul,再根据标注案例测试合适的阈值。
从原型到接入
如何在已有应用中增加一项决策?
先选择一个容易检查的小流程。评估与后端接入使用相同的输入和判断标准。
明确需要的结果
选择客服队列等重复性判断,定义标签、复核条件,以及证据不足时应该采取的处理方式。
提供判断依据
传入客户消息、相关规则和必要记录,省去与这次判断无关的对话。
评估返回答案
同时测试清晰、模糊和异常案例,检查返回结果,并与预期答案比较。
连接后续操作
将结果映射到已有队列或工具,补上失败处理和人工复核路径,再持续观察错误、用量和复核比例。
OpenAI 直连示例
Decisions API 请求应该怎么写?
使用 OpenAI Bearer Token,将这段 JSON 发送到 https://api.openai.com/v1/decisions。示例通过 Choice 问题选择客服团队,右侧响应节选仅用于说明格式,不是实测结果。
此文本示例使用 OpenAI 的 input 和 questions 数组。通过本站调用时,使用 API 文档中说明的 state 和 questions 对象。
{
"model": "gpt-6-luna",
"input": "My subscription was billed twice.",
"questions": [{
"type": "choice",
"name": "team",
"instructions": "Select the support team.",
"choices": [
{"value": "billing", "description": "Payment issues"},
{"value": "technical", "description": "Product issues"},
{"value": "other", "description": "Other requests"}
]
}]
}{
"answers": [{
"type": "choice",
"name": "team",
"choice": "billing",
"confidence": 0.94
}]
}使用答案前应检查返回类型,OpenAI 也可能返回拒答。示例中的 confidence 不是实测准确率。请把凭证保存在服务端。
阅读本站 API 接入文档用业务案例评估
如何判断决策模型是否适合上线?
准备独立的、有预期答案的评估集,在相同案例上比较模型,同时记录自动处理结果与交给人工的工作量。
检查具体错误
统计哪些分类容易混淆,重要案例是否漏判。纳入模糊输入,以及正常分类范围之外的情况。
估算每天的费用
运行一批代表性请求,用消耗积分除以完成的请求数,再乘以每天预计调用量,并预留重试用量。预算前查看最新积分包价格。
确定复核阈值
比较不同分数区间的实际正确率,根据误判成本和人工处理能力选择阈值,并在输入变化后重新验证。
观察延迟与失败
记录响应时间分位数、失败请求和限流行为,设置回退路径,让超时请求也有明确的下一步。
常见问题
Decisions API 接入中的实际问题
现在可以使用 OpenAI Decisions API 吗?+
截至 2026 年 10 月 7 日,OpenAI 官方指南已将 Decisions API 标为公开测试,支持 gpt-6-luna。直接调用遵循 OpenAI 账户限额;通过本站调用,请确认当前模型目录与账户访问权限。
每天一万次请求,应该如何估算成本?+
测量代表性请求的平均用量,乘以一万,并计入重试和输入长度变化。使用本站时,根据实际积分消耗和当前价格页计算;直接调用 OpenAI 时,根据官方当期价格和账单记录计算。
可以把 confidence 当成判断正确的概率吗?+
不能直接等同。条件概率与置信度含义不同,模型信号也不能代替在你的数据上测得的准确率。请用已知结果验证分数,并根据评估设定阈值。
OpenAI 请求示例可以直接复制到本站 API 吗?+
请根据目标接口使用对应格式。OpenAI 直连示例采用 input 与 questions 数组;本站采用 state 与 questions 对象,并使用不同的模型 ID 和本站 API key。本站 API 文档提供对应的请求与响应示例。
用你自己的业务测试一个决策
带上一条客服工单、一个路由问题或一组来源证据,在 Playground 比较结果,再把选定模型接入后端。