API Rerank — Tài liệu TokSpan

Endpoint

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

Tham Số Yêu Cầu

Tham Số	Kiểu	Bắt Buộc	Mô Tả
model	string	Có	ID mô hình rerank (ví dụ: `cohere-rerank-v3`, `jina-reranker-v2`)
query	string	Có	Truy vấn tìm kiếm để đánh giá tài liệu dựa trên
documents	array	Có	Danh sách chuỗi hoặc đối tượng tài liệu để sắp xếp lại
top_n	integer	Không	Chỉ trả về N kết quả hàng đầu. Mặc định: trả về tất cả
return_documents	boolean	Không	Bao gồm văn bản tài liệu trong phản hồi. Mặc định: `true`

Ví Dụ

Gửi một truy vấn với danh sách tài liệu ứng viên và nhận kết quả được chấm điểm theo mức độ liên quan:

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']}")

Trường Hợp Sử Dụng Phổ Biến

Pipeline RAG — Sắp xếp lại các đoạn đã truy xuất trước khi chuyển đến LLM để có câu trả lời chính xác hơn
Tìm kiếm lai — Kết hợp kết quả tìm kiếm từ khóa (BM25) và vector, sau đó sắp xếp lại để đạt mức độ liên quan tốt nhất
Truy xuất đa giai đoạn — Pipeline truy xuất thô → sắp xếp lại → tạo sinh

Mô Hình Khả Dụng

Các mô hình sắp xếp lại được hỗ trợ bao gồm Cohere Rerank v3, Jina Reranker v2 và BGE-Reranker. Xem trang Mô Hình để biết danh mục đầy đủ và giá theo mô hình.