Rerank¶

接口用途¶

根据 query 对候选文档重新排序，适合放在向量召回之后。字段和能力以 Genesis「使用」页及实际响应为准。

请求方式¶

POST

接口地址¶

$GENESIS_BASE_URL/rerank

身份认证¶

使用 Genesis API Key：Authorization: Bearer <API_KEY>。详见接口地址与身份认证。

请求¶

curl "$GENESIS_BASE_URL/rerank" \
  -H "Authorization: Bearer $GENESIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<rerank-model-id>",
    "query": "如何创建 Genesis API Key？",
    "documents": [
      "在凭据管理中创建服务账号并签发 Genesis API Key。",
      "在 MatrixOne 中创建一张新表。",
      "打开用量页查看模型调用统计。"
    ],
    "top_n": 2,
    "return_documents": true
  }'

参数	说明
`model`	重排序模型 ID
`query`	用于判断相关性的查询文本
`documents`	候选文档字符串数组
`top_n`	可选；只返回相关性最高的前 N 条
`return_documents`	可选；控制结果是否携带原文

响应通常在 results 中按相关性降序排列。results[].index 指向请求中的 documents 下标，results[].relevance_score 是模型给出的相关性分数；启用原文返回时可读取 results[].document.text。接口可能同时返回 usage。

分数适合在同一模型、同一业务数据上排序，不应把不同模型的分数直接比较，也不要在未评测前把某个固定分数当作通用相关性阈值。

多模态候选¶

支持多模态 Rerank 的模型可让 query 和 documents 使用统一内容分段，混合文本与图像。该格式不是通用 OpenAI 规范，只有模型详情明确展示对应能力时才可使用；请从控制台代码生成器复制当前格式。

在检索链路中使用¶

典型顺序是 Embedding 召回较大的候选集，再由 Rerank 精排，最后仅把前几条交给对话模型。调用方应保留 index 与文档业务 ID 的映射，并根据离线评测选择召回数和 top_n，避免把全部语料直接提交给 Rerank。

向量召回的输入处理见Embeddings，模型 ID 的获取方法见模型与 Provider。