Rerank

使用 Rerank 依據文件與查詢的相關性,重新排列候選文件。這通常用於關鍵字或向量檢索之後。

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

基本請求

curl https://getrouter.ai/v1/rerank \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MODEL_ID",
    "query": "如何驗證 API 請求?",
    "documents": [
      "以 Bearer token 將 API 金鑰放在 Authorization header 中傳送。",
      "影片生成工作採非同步處理。",
      "圖像回應可能包含 URL 或 Base64 資料。"
    ],
    "top_n": 2,
    "return_documents": true
  }'

回應包含已排序的 results 陣列。每個結果會指出來源文件的索引並包含相關性分數;啟用 return_documents 時,也可一併傳回文件。

請求欄位

欄位說明
model必填的 Rerank 模型 ID
query必填的查詢文字
documents必填的候選文件陣列
top_n最多傳回的排序結果數量
return_documents支援時,在結果中包含文件內容

檢索工作流程

使用者查詢

關鍵字或向量檢索

候選文件

POST /v1/rerank

排名最高的上下文

生成模型

最佳實務

  • 保留原始文件索引,以便安全地將結果對應回原始文件。
  • 在重新排序前,先檢索數量適中的候選集合。
  • 使用 top_n 限制傳入生成模型的上下文。
  • 請使用自己的資料衡量檢索品質,不要依賴從其他模型複製的分數閾值。
  • 除非文件明確指出分數尺度相容,否則請勿比較不同 Rerank 模型的原始分數。

後續步驟