> ## Documentation Index
> Fetch the complete documentation index at: https://docs.crazyrouter.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Reordenación

> Reordenar los resultados de búsqueda semánticamente

> Contenido actualizado: 2026-06-06

## Descripción de la interfaz

Reordena un conjunto de documentos según su relevancia semántica con la consulta, comúnmente utilizado en la segunda fase de clasificación fina en la generación mejorada por recuperación RAG.

> [!NOTE]
>
> Consultar la implementación en el formato [SiliconFlow Rerank API](https://docs.siliconflow.cn/cn/api-reference/rerank/create-rerank).

## Modelos soportados

| Modelo | Descripción |
| - | - |
| `gte-rerank-v2` | Modelo de reordenación multilingüe, recomendado |
| `gte-rerank-v2` | Principalmente en inglés |

## Parámetros de solicitud

**model** `string` *required*

Nombre del modelo de reordenación, como `gte-rerank-v2`

**query** `string` *required*

Texto de la consulta

**documents** `string[]` *required*

Lista de documentos a ordenar

**top\_n** `integer`

Retornar los primeros N resultados; por defecto retorna todos

**return\_documents** `boolean` (default: true)

Si se debe devolver el texto original del documento en la respuesta

## Formato de respuesta

```json theme={null}
{
  "model": "gte-rerank-v2",
  "results": [
    {
      "index": 2,
      "relevance_score": 0.9875,
      "document": { "text": "最相关的文档内容" }
    },
    {
      "index": 0,
      "relevance_score": 0.7432,
      "document": { "text": "次相关的文档内容" }
    },
    {
      "index": 1,
      "relevance_score": 0.1205,
      "document": { "text": "不太相关的文档内容" }
    }
  ],
  "usage": {
    "total_tokens": 128
  }
}
```

## Ejemplo de código

```python Python theme={null}
import requests

response = requests.post(
    "https://api.crazyrouter.com/v1/rerank",
    headers={
        "Authorization": "Bearer sk-xxx",
        "Content-Type": "application/json"
    },
    json={
        "model": "gte-rerank-v2",
        "query": "什么是向量数据库",
        "documents": [
            "向量数据库是专门存储和检索高维向量的数据库系统",
            "关系型数据库使用表格存储结构化数据",
            "向量数据库支持近似最近邻搜索，适合语义检索场景",
            "Redis 是一个内存键值存储系统"
        ],
        "top_n": 2,
        "return_documents": True
    }
)

data = response.json()
for result in data["results"]:
    print(f"[{result['relevance_score']:.4f}] {result['document']['text']}")
```

```bash cURL theme={null}
curl -X POST https://api.crazyrouter.com/v1/rerank \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gte-rerank-v2",
    "query": "什么是向量数据库",
    "documents": [
      "向量数据库是专门存储和检索高维向量的数据库系统",
      "关系型数据库使用表格存储结构化数据"
    ],
    "top_n": 2
  }'
```

## Proceso típico de RAG

```
用户查询 → Embedding 检索 Top-K → Rerank 精排 → LLM 生成回答
```

> [!WARNING]
>
> Se recomienda que el número de documentos de entrada para el modelo de reordenación no supere las 100 entradas. Un número excesivo de documentos incrementa la latencia y el costo.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.