嵌入与重排
配合使用可以搭建 RAG(检索增强生成)应用:嵌入负责把文本变成向量做语义检索,重排负责把召回的候选按相关度重新排序。
文本嵌入(Embeddings)
向 /v1/embeddings 发送文本,返回向量。可用模型与价格以 模型广场 为准(找名称带 embedding 的模型),下文以 text-embedding-v4 为例。
返回的 data 数组中每条含 embedding(浮点数向量)与 index;usage 记录计费 token 数。向量用于入库(如向量数据库)与检索,不要试图直接阅读。
重排(Rerank)
向 /v1/rerank 发送查询与候选文档,返回按相关度排序的结果。可用模型以 模型广场 为准(找名称带 rerank 的模型),下文以 qwen3-rerank 为例。
返回的 results 数组按相关度降序,每条含 index(对应 documents 的下标)与 relevance_score(相关度得分)。
