リランキング

POST /v1/rerank

ドキュメント群を、クエリとの関連性でスコアリングして並べ替えます（Jina / Cohere Rerank 互換）。RAG のリコール結果を絞り込むのによく使われます。

RequestREQUEST

POSThttps://test.kailin.com.cn/v1/rerank

API KeyStored only in your browser, never uploaded

Body (JSON){ "model": "jina-reranker-v2-base-multilingual", "query": "What is vector search", "documents": [ "Vector search computes semantic similarity over embedding vectors", "The weather is nice today", "RAG systems typically retrieve first, then rerank" ], "top_n": 2 }

ResponseRESPONSE

Fill in the request and hit Send — the response shows up here

リクエスト

curl https://test.kailin.com.cn/v1/rerank \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-token" \
  -d '{
    "model": "jina-reranker-v2-base-multilingual",
    "query": "What is vector search",
    "documents": [
      "Vector search computes semantic similarity over embedding vectors",
      "The weather is nice today",
      "RAG systems typically retrieve first, then rerank"
    ],
    "top_n": 2
  }'

リクエストボディ

パラメーター	型	必須	説明
model	string	はい	リランキングモデル — 利用可能な一覧を参照
query	string	はい	クエリテキスト
documents	array	はい	ドキュメント。文字列または { "text": "..." } オブジェクト
top_n	integer	いいえ	上位 N 件だけ返す。デフォルトはすべて
return_documents	boolean	いいえ	結果に元テキストを含める。デフォルトは false

レスポンス

{
  "results": [
    {
      "index": 0,
      "relevance_score": 0.93,
      "document": { "text": "Vector search computes semantic similarity over embedding vectors" }
    },
    {
      "index": 2,
      "relevance_score": 0.71,
      "document": { "text": "RAG systems typically retrieve first, then rerank" }
    }
  ],
  "usage": {
    "total_tokens": 120
  }
}

フィールド	説明
results[].index	入力 documents 配列内での元のインデックス
results[].relevance_score	関連性スコア。高いほど関連が強い
usage.total_tokens	課金対象トークン（チャネルによっては存在しない場合があります）

ヒント

典型的なパターン：ベクトル検索で上位 50 件をリコール → rerank で上位 5 件に絞り込み → チャットモデルのコンテキストとして渡す。