GetRouter文档
  • 简体中文

    • Rerank

    Rerank 用于在关键词检索或向量召回之后，按查询与文档的相关性重新排序候选结果。它可以帮助生成模型优先看到更相关的上下文。

    POST https://getrouter.ai/v1/rerank

    最小请求

    curl https://getrouter.ai/v1/rerank \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MODEL_ID",
    "query": "如何认证 API 请求？",
    "documents": [
      "将 API Key 作为 Bearer Token 放在 Authorization 请求头中。",
      "视频生成任务通常是异步的。",
      "图片接口可能返回 URL 或 Base64 数据。"
    ],
    "top_n": 2,
    "return_documents": true
  }'

    响应中的 results 数组按相关性排序。每项结果包含原始文档的索引和相关性分数；启用 return_documents 后，也可以在结果中返回文档内容。

    请求字段

    字段说明
    model必填，Rerank 模型 ID
    query必填，用户查询或检索问题
    documents必填，候选文档数组
    top_n最多返回的排序结果数量
    return_documents在模型支持时，是否在结果中返回文档内容

    典型检索流程

    用户查询
    ↓
关键词或向量召回
    ↓
候选文档
    ↓
POST /v1/rerank
    ↓
按相关性排序的上下文
    ↓
生成模型

    实践建议

    • 保留原始文档索引，确保排序后的结果可以映射回数据源。
    • 先召回一组规模可控的候选文档，再进行 Rerank。
    • 使用 top_n 限制最终传给生成模型的上下文数量。
    • 使用自己的数据评估检索质量，不要直接照搬其他模型的分数阈值。
    • 除非模型文档明确说明，否则不要比较不同 Rerank 模型之间的原始分数。

    下一步