Rerank
使用查询和候选文档进行相关性精排。
概述
Rerank 接收一个查询和一组候选文档，返回按相关性排列的结果。它通常位于向量召回、关键词召回或混合召回之后，用于从有限候选中选出更相关的内容。
API 接入
Base URL
https://api.agtcloud.cn/v1执行精排
以下示例使用 Jina 风格的 POST /v1/rerank 请求。
curl 'https://api.agtcloud.cn/v1/rerank' \
-H 'Authorization: Bearer your-api-key' \
-H 'Content-Type: application/json' \
--data '{
"model": "MODEL_ID",
"query": "API Key 应该怎样保存？",
"documents": [
"将 API Key 保存在服务端环境变量或密钥管理服务中。",
"模型广场用于查看当前可用模型。",
"不要把真实 API Key 写入浏览器前端或公开仓库。"
],
"top_n": 2
}'| 参数 | 必填 | 说明 |
|---|---|---|
model | 否 | Rerank 模型 ID；是否可省略取决于所选格式 |
query | 是 | 用于判断相关性的查询文本 |
documents | 是 | 需要重新排序的候选文档数组 |
top_n | 否 | 返回的结果数量 |
读取结果
结果按相关性排列。使用 results[].index 映射回原始 documents，并从 results[].relevance_score 读取相关性分数。
选择请求格式
| 格式 | 请求路径 | API Reference |
|---|---|---|
| Jina | POST /v1/rerank | Jina Rerank |
| Cohere | POST /v1/rerank | Cohere Rerank |
| Xinference | POST /v1/rerank | Xinference Rerank |
理解相关性分数
- 相关性分数不是概率。
- 分数主要用于比较同一次请求中的候选顺序。
- 阈值和
top_n应使用业务数据评估。