Справочник API

Rerank

Улучшите качество поиска и извлечения данных путём повторного ранжирования релевантности документов с помощью моделей Cohere, Jina AI и других провайдеров через единую конечную точку.

Конечная точка

http
POST https://api.tokspan.com/v1/rerank

Параметры запроса

ПараметрТипОбязательныйОписание
modelstringДаID модели ранжирования (например, cohere-rerank-v3, jina-reranker-v2)
querystringДаПоисковый запрос для оценки релевантности документов
documentsarrayДаСписок строк или объектов документов для ранжирования
top_nintegerНетВернуть только топ-N результатов. По умолчанию: возвращает все
return_documentsbooleanНетВключать текст документа в ответ. По умолчанию: true

Пример

Отправьте запрос со списком документов-кандидатов и получите результаты с оценкой релевантности:

python
import requests

response = requests.post(
    "https://api.tokspan.com/v1/rerank",
    headers={
        "Authorization": "Bearer sk-your-key",
        "Content-Type": "application/json",
    },
    json={
        "model": "cohere-rerank-v3",
        "query": "What is the capital of France?",
        "documents": [
            "Paris is the capital of France.",
            "Berlin is the capital of Germany.",
            "France is a country in Europe.",
        ],
        "top_n": 2,
    },
)

for result in response.json()["results"]:
    print(f"Score: {result['relevance_score']:.3f} — {result['document']['text']}")

Типовые сценарии использования

  • RAG-пайплайны — Ранжируйте извлечённые фрагменты перед передачей в LLM для более точных ответов
  • Гибридный поиск — Объедините результаты ключевого (BM25) и векторного поиска, затем ранжируйте для наилучшей релевантности
  • Многоэтапный поиск — Пайплайн: грубый поиск → ранжирование → генерация

Доступные модели

Поддерживаемые модели ранжирования включают Cohere Rerank v3, Jina Reranker v2 и BGE-Reranker. См. страницу Моделей для полного каталога и цен на каждую модель.