重排序 (Rerank)

SupaStore 提供标准的重排序 (Rerank) API 接口，兼容 Cohere 和 Jina Rerank 官方协议格式。

📡 接口信息

• 请求方式: POST
• 接口路径: /v1/rerank
• Content-Type: application/json

---

📦 请求参数 (Request Body)

参数名	类型	必填	默认值	描述
model	string	是	-	使用的重排序模型，例如 bge-reranker-large 或 cohere-rerank-v3。
query	string	是	-	检索的主查询文本。
documents	array	是	-	待排序的候选文档字符串列表。
top_n	integer	否	-	返回相关度最高的前 N 个结果。如果不填，默认返回全部排序结果。

---

💻 调用示例 (cURL)

curl -X POST "https://api.supastore.cc/v1/rerank" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "bge-reranker-large",
    "query": "大模型的微调方法有哪些？",
    "documents": [
      "大模型微调常用的有 LoRA, QLoRA 以及 Full Fine-Tuning 等方案。",
      "机器学习的基础算法包括线性回归、逻辑回归和支持向量机。",
      "微调（Fine-Tuning）能够让模型在特定垂直领域的问答表现更加精准。"
    ],
    "top_n": 2
  }'

返回示例 (200 OK)

{
  "results": [
    {
      "index": 0,
      "relevance_score": 0.9852,
      "document": {
        "text": "大模型微调常用的有 LoRA, QLoRA 以及 Full Fine-Tuning 等方案。"
      }
    },
    {
      "index": 2,
      "relevance_score": 0.8912,
      "document": {
        "text": "微调（Fine-Tuning）能够让模型在特定垂直领域的问答表现更加精准。"
      }
    }
  ],
  "usage": {
    "total_tokens": 42
  }
}