跳到正文
土土金API

API 参考

Rerank 重排序接口

POST /v1/rerank 的参数、请求与响应示例:按与查询的相关性给候选文档打分排序,常用于知识库 RAG 检索后的精排。请求格式为常见的 query、documents、top_n,本站按原格式转发。

POST /v1/rerank 接收一个查询和一组候选文档,给每个文档打一个相关性分数,按分数从高到低返回。在知识库 RAG 里,通常先用向量检索召回几十个候选段落,再用 Rerank 挑出最相关的几段交给对话模型:答案更准,塞给对话模型的无关内容也更少。请求格式是常见的 query、documents、top_n,本站按原格式转发给模型服务。

POSThttps://www.tutujin.com/v1/rerank

请求头

请求头必填说明
Authorization是Bearer sk-...,控制台创建的 API Key
Content-Type是application/json

请求参数

参数类型必填说明
modelstring是模型名,例如 qwen3-reranker-8b
querystring是查询文本,一般就是用户的问题
documentsarray是候选文档,字符串数组
top_ninteger否只返回分数最高的前 N 个;不传则返回全部
return_documentsboolean否设为 true 时,结果里带回文档原文

请求示例

curl https://www.tutujin.com/v1/rerank \
  -H "Authorization: Bearer $TUTUJIN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-reranker-8b",
    "query": "拆封后还能退货吗?",
    "documents": [
      "商品签收后 7 天内,未拆封可无理由退货。",
      "订单付款后 48 小时内发货,节假日顺延。",
      "已拆封商品如无质量问题,不支持无理由退货。"
    ],
    "top_n": 2
  }'

响应示例

JSON
{
  "results": [
    { "index": 2, "relevance_score": 0.93 },
    { "index": 0, "relevance_score": 0.71 }
  ],
  "usage": { "prompt_tokens": 96, "total_tokens": 96 }
}
字段说明
results[].index对应 documents 里第几个文档,从 0 开始
results[].relevance_score相关性分数,越高越相关。不同模型的分数范围不同,只适合在同一次请求内比较
results[].documentreturn_documents 为 true 时出现,包含文档原文
usage本次计费用量,部分模型按 tokens 计费,部分按次

注意事项

  • 这个接口是原样转发,没有在本站单独实测,接入时先用小流量验证返回格式。
  • 结果已按分数从高到低排好,用 index 回查原文。
  • 候选文档越多、越长,用量越大。一般召回 20 到 50 段再重排,top_n 取 3 到 8 就够用。
  • 分数阈值要用自己的数据调。不同模型的分数没有统一含义,换模型后要重新确定阈值。
  • 和向量检索配合的完整流程见企业知识库与 RAG。

支持此接口的模型

模型厂商最低价分组输入 ¥/百万输出 ¥/百万按次 ¥/次
qwen3-reranker-0.6b通义千问标准——¥0.002
qwen3-reranker-4b通义千问标准——¥0.002
qwen3-reranker-8b通义千问国产模型¥0.00308¥0.00308—
jina-reranker-v2-base-multilingual其他标准¥0.4¥0.4—
netease-youdao/bce-reranker-base_v1其他标准¥0.4¥0.4—
BAAI/bge-reranker-v2-m3其他标准¥0.4¥0.4—

价格为人民币,取各模型最低价分组;价格更新于 2026年11月13日 18:03。

没找到答案?加客服微信 JsnonoChat,发送报错信息里的 request id,我们帮你排查。