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

# 文档重排序

> 使用 Cohere Rerank v4.0 Fast 和 Pro 进行搜索与 RAG 重排序。

根据查询对候选文档排序，返回相关性分数和原始文档索引，不生成回答。

## 支持模型

| 模型 ID              | 说明                         |
| ------------------ | -------------------------- |
| `rerank-v4.0-pro`  | Cohere 注重排序质量的多语言相关性重排序模型。 |
| `rerank-v4.0-fast` | Cohere 注重响应速度的多语言相关性重排序模型。 |

## 请求字段

| 字段          | 说明                                     |
| ----------- | -------------------------------------- |
| `model`     | 必填：rerank-v4.0-fast 或 rerank-v4.0-pro。 |
| `query`     | 必填，查询字符串。                              |
| `documents` | 必填，文档字符串数组。                            |
| `top_n`     | 可选，返回结果数，不超过文档数。                       |

## 请求示例

```bash theme={null}
curl --request POST "https://api.mixroute.ai/v1/rerank" \
  --header "Authorization: Bearer $MIXROUTE_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
  "model": "rerank-v4.0-pro",
  "query": "API documentation",
  "documents": [
    "An API reference for developers.",
    "A recipe for soup."
  ],
  "top_n": 1
}'
```

## 响应

读取 `results[].index` 和 `results[].relevance_score`。index 指向原始输入数组；不要假设响应一定包含 document 对象。分数用于排序，不是校准后的概率。

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

documents = ["An API reference for developers.", "A recipe for soup."]
response = requests.post(
    "https://api.mixroute.ai/v1/rerank",
    headers={"Authorization": "Bearer " + os.environ["MIXROUTE_API_KEY"]},
    json={"model": "rerank-v4.0-pro", "query": "API documentation",
          "documents": documents, "top_n": 1},
    timeout=60,
)
response.raise_for_status()
for item in response.json()["results"]:
    print(item["relevance_score"], documents[item["index"]])
```