Decis
Decis es un servidor autocontenido que ejecuta modelos de decisión ligeros, compatibles con la API Jev. Permite servir múltiples motores de decisión en una sola instancia con un contrato de API único.
Ficha actualizada 23 sept 2026, 12:34 · upstream 23 sept 2026, 12:31 · release v0.1.0
Qué es Decis
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Decis es un servicio autocontenido que ejecuta modelos de decisión ligeros, compatibles con la API Jev (TypeSafe AI). Ofrece un solo endpoint /v1/systemone para consultar decisiones calibradas por preguntas tipificadas. Permite múltiples motores de decisión intercambiables en una sola instancia, con un contrato de wire único y un contenedor Docker por motor. Es ideal para aplicaciones que necesitan respuestas rápidas a decisiones estructuradas sin necesidad de entrenar modelos desde cero.
La arquitectura se basa en un contrato API estándar (TypeSafe System One) que permite inyectar cualquier modelo de decisión ligero como servicio. El servidor actúa como capa de orquestación, delegando la lógica inferencial a motores especializados mientras mantiene una interfaz uniforme para los clientes.
- Servir modelos de decisión ligeros (probabilidades calibradas) sin necesidad de entrenar modelos desde cero
- Implementar sistemas de recomendación o clasificación con decisiones binarias o multi-oclase
- Integrar motores de decisión como LLMs pequeños en aplicaciones web sin infraestructura pesada
- Procesar consultas de decisión rápidas (pocos milisegundos) para decisiones críticas en tiempo real
- Servir modelos multilingües con un solo endpoint, facilitando la localización y escalabilidad
- Implementar sistemas de toma de decisiones con probabilidades calibradas para aplicaciones de negocio
- Soporte para múltiples motores de decisión (laya-multilingual, laya, kev-0.8b) en un solo contenedor Docker
- Contrato API único que permite inyectar cualquier modelo ligero sin modificar el servidor
- Modelos ligeros con pesos preentrenados (menos de 1 GB de memoria para modelos pequeños)
- Soporte nativo para Python y Node.js, compatible con la librería oficial typesafe-sdk
- Diseñado para ser rápido: latencia de 230-450 ms por pregunta en CPU sin GPU
- Arquitectura modular que permite añadir motores nuevos mediante un solo comando docker run
- Los modelos deben ser ligeros (menos de ~1 GB) para funcionar eficientemente en contenedores Docker
- La latencia puede ser significativa con múltiples preguntas en una sola llamada (puede superar los 3 segundos)
- No se soporta el entrenamiento de modelos desde cero; solo sirve modelos preentrenados
- El rendimiento en CPU es limitado: la memoria RAM necesaria escala linealmente con el número de motores activos
- La API no tiene límites explícitos de longitud de respuesta, lo que puede generar respuestas muy largas
- No se soporta el entrenamiento de modelos desde cero ni la adaptación a nuevos datos sin reentrenamiento
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar Decis, utiliza Docker Compose con un solo archivo docker-compose.yml. Cada motor de decisión es una imagen Docker independiente (ej: kingfs/decis:laya-multilingual) que se ejecuta en un puerto distinto. Para usar múltiples motores simultáneamente, despliega cada uno con su propio puerto o usa el modo compose para ejecutarlos en contenedores separados. El comando make help lista todos los targets disponibles. Se recomienda configurar un token de autenticación (DECIS_API_KEY) y proteger la API mediante HTTPS. Los modelos se cargan desde archivos .bin dentro del contenedor, por lo que no es necesario descargarlos antes de iniciar el servicio.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.