Jina 重排序模型 API 文档

概念说明

什么是重排序(Rerank)

重排序是信息检索中的关键技术，在初步检索结果基础上，通过更精细的相关性计算对结果进行重新排序，提升最相关结果的排名。

模型名称

jina-reranker-m0 Jina 多模态多语言文档重排序模型，10K Tokens 上下文，2.4B 参数，用于包含图文的文档排序。

上下文长度

10K Tokens

API 基础信息

• Base URL: https://www.dmxapi.cn/v1/rerank
• 认证方式: Bearer Token

请求参数

参数名	类型	必填	说明
model	string	是	使用的模型名称
query	string	是	查询文本
top_n	integer	否	返回最相关的n个结果(默认全部)
documents	array	是	待排序的文档列表

Python 调用示例

import requests
import json

# API配置
API_URL = "https://www.dmxapi.cn/v1/rerank"
API_KEY = "sk-****************************"  # 替换为你的实际API密钥

def rerank_documents(query, docs, top_n=3):
    """
    文档重排序函数
    
    :param query: 查询文本
    :param docs: 待排序文档列表 
    :param top_n: 返回结果数量
    :return: 排序后的文档索引和分数
    """
    payload = {
        "model": "jina-reranker-m0",
        "query": query,
        "top_n": top_n,
        "documents": docs
    }
    
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    
    # 发送API请求
    response = requests.post(API_URL, headers=headers, data=json.dumps(payload))
    response.raise_for_status()  # 检查请求是否成功
    
    return response.json()

# 使用示例
if __name__ == "__main__":
    query = "如何预防感冒"
    documents = [
        "预防感冒应勤洗手、戴口罩...",
        "流感疫苗每年10月接种最佳...",
        # 其他文档...
    ]
    
    result = rerank_documents(query, documents)
    print("重排序结果:", result)

响应格式

成功响应示例：

{
  "results": [
    {
      "index": 0,
      "relevance_score": 0.97
    },
    {
      "index": 1,
      "relevance_score": 0.93
    }
  ],
  "usage": {
    "prompt_tokens": 144,
    "total_tokens": 144
  }
}

响应字段说明

• results: 排序结果数组
  • index: 原始文档索引
  • relevance_score: 相关性分数(0-1)
• usage: token使用统计

最佳实践

1. 建议top_n不超过20，大列表可分批次处理
2. 相关性分数>0.8通常表示高度相关
3. 对长文档建议先做分块处理