Passer au contenu principal
POST
/
v1
/
rerank
curl -X POST "https://api.lemondata.cc/v1/rerank" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "BAAI/bge-reranker-v2-m3",
    "query": "What is machine learning?",
    "documents": [
      "Machine learning is a subset of AI",
      "The weather is nice today",
      "Deep learning uses neural networks"
    ],
    "top_n": 2,
    "return_documents": true
  }'

{
  "results": [
    {
      "index": 0,
      "relevance_score": 0.95,
      "document": "Machine learning is a subset of AI"
    },
    {
      "index": 2,
      "relevance_score": 0.82,
      "document": "Deep learning uses neural networks"
    }
  ],
  "model": "BAAI/bge-reranker-v2-m3",
  "usage": {
    "prompt_tokens": 45,
    "total_tokens": 45
  }
}
Réorganisez les documents à l’aide de modèles de similitude sémantique. Utile pour améliorer les résultats de recherche et les applications RAG.

​
Corps de la requête

​
model
string
requis
ID du modèle de reranker à utiliser (par ex., BAAI/bge-reranker-v2-m3, qwen3-rerank).
​
query
string
requis
La requête par rapport à laquelle classer les documents.
​
documents
array
requis
Liste de documents (chaînes de caractères) à réorganiser.
​
top_n
integer
Nombre de meilleurs résultats à retourner. Par défaut, tous les documents.
​
return_documents
boolean
défaut:"false"
Indique s’il faut inclure le texte original du document dans la réponse.

​
Réponse

​
results
array
Liste classée des documents avec scores.Chaque résultat contient :
  • index (integer) : Index du document original
  • relevance_score (number) : Score de pertinence (0-1)
  • document (string) : Texte original (si return_documents=true)
​
model
string
Le modèle utilisé pour la réorganisation.
​
usage
object
Statistiques d’utilisation des tokens.
curl -X POST "https://api.lemondata.cc/v1/rerank" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "BAAI/bge-reranker-v2-m3",
    "query": "What is machine learning?",
    "documents": [
      "Machine learning is a subset of AI",
      "The weather is nice today",
      "Deep learning uses neural networks"
    ],
    "top_n": 2,
    "return_documents": true
  }'

{
  "results": [
    {
      "index": 0,
      "relevance_score": 0.95,
      "document": "Machine learning is a subset of AI"
    },
    {
      "index": 2,
      "relevance_score": 0.82,
      "document": "Deep learning uses neural networks"
    }
  ],
  "model": "BAAI/bge-reranker-v2-m3",
  "usage": {
    "prompt_tokens": 45,
    "total_tokens": 45
  }
}

Corps

application/json
​
model
string
requis

ID du modèle de reranker à utiliser (par ex., BAAI/bge-reranker-v2-m3 , qwen3-rerank ).

​
query
string
requis

La requête par rapport à laquelle classer les documents.

​
documents
object[]
requis

Liste de documents (chaînes de caractères) à réorganiser.

​
top_n
integer

Nombre de meilleurs résultats à retourner. Par défaut, tous les documents.

​
return_documents
boolean

Indique s’il faut inclure le texte original du document dans la réponse.

Réponse

200 - application/json

Response 200

​
results
object[]

Liste classée des documents avec scores. Chaque résultat contient : index (integer) : Index du document original relevance_score (number) : Score de pertinence (0-1) document (string) : Texte original (si return_documents=true )

​
model
string

Le modèle utilisé pour la réorganisation.

​
usage
object

Statistiques d’utilisation des tokens.