Rerank API؛ مرتبسازی اسناد بر اساس ارتباط با پرسش برای RAG
در RAG و جستجوی داخلی، جستجوی برداری سریع است ولی همیشه بهترین متن را اول نمیآورد. مدل rerank پرسش را کنار هر متن میخواند و امتیاز ارتباط دقیقتری میدهد. مسیر POST /v1/rerank در وان ای آی (1ai) پرسش را در query و متنها را در documents میگیرد و فهرستی مرتب با index و relevance_score برمیگرداند. معمولاً دهها نتیجهی اول جستجوی برداری را rerank میکنید و چند متن برتر را به مدل چت میدهید؛ پاسخ دقیقتر میشود و توکن کمتری مصرف میکنید. همهی rerankerها، چه به ازای هر درخواست حساب شوند و چه به ازای توکن، یک قالب پاسخ دارند.
چرا با 1ai
دقیقتر از جستجوی برداری
مدل پرسش و متن را با هم میخواند؛ برای مرحلهی دوم جستجو بعد از embeddings ساخته شده است.
یک قالب برای همه
Cohere و Qwen قالبهای متفاوتی دارند؛ 1ai همه را به results با index و relevance_score یکسان میکند.
هزینهی روشن
مدلهای Cohere به ازای هر واحد جستجو (تا ۱۰۰ سند) و Qwen3 به ازای توکن حساب میشوند؛ مصرف در usage میآید.
top_n و بدون تکرار متن
فقط چند نتیجهی برتر را بگیرید و با return_documents: false حجم پاسخ را کم کنید.
در چند قدم
- ۱
کلید API بسازید
از بخش توسعهدهندگان ← کلیدها یک کلید sk-1ai-… بسازید و در ONEAI_API_KEY نگه دارید.
- ۲
نامزدها را جمع کنید
دهها نتیجهی اول جستجوی برداری یا کلیدواژهای را بردارید؛ rerank برای مرتب کردن نامزدهاست، نه جستجو در کل پایگاه.
- ۳
rerank کنید
پرسش و متنها را به https://1ai.ir/v1/rerank بفرستید و top_n را روی تعداد متنی که به مدل میدهید بگذارید.
- ۴
متنها را با index بردارید
index به جایگاه متن در آرایهی ورودی اشاره میکند؛ با آن شناسه و متادیتای خودتان را پیدا کنید.
مدلهای Rerank در API
همهی مدلهاRerank 4 Fast
رتبهبندی مجدد سریع و چندزبانه برای RAG
Rerank 4 Pro
دقیقترین رتبهبندی مجدد Cohere
Qwen3 Rerank
رتبهبندی مجدد چندزبانه با هزینهی توکنی
نمونه درخواست با curl
curl https://1ai.ir/v1/rerank \
-H "Authorization: Bearer $ONEAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "cohere/rerank-v4.0-fast",
"query": "چطور رمز عبورم را عوض کنم؟",
"documents": [
"برای تغییر رمز به تنظیمات، بخش امنیت بروید.",
"ساعت کاری پشتیبانی ۹ تا ۱۷ است.",
"اگر رمز را فراموش کردهاید از گزینهی بازیابی استفاده کنید."
],
"top_n": 2
}'RAG با Python و JavaScript
# pip install requests
import os, requests
def rerank(query, docs, top_n=5):
res = requests.post(
"https://1ai.ir/v1/rerank",
headers={"Authorization": f"Bearer {os.environ['ONEAI_API_KEY']}"},
json={"model": "qwen/qwen3-rerank", "query": query, "documents": docs, "top_n": top_n, "return_documents": False},
timeout=60,
)
res.raise_for_status()
return [docs[r["index"]] for r in res.json()["results"]]
# Vector search first (fast, approximate), rerank the candidates (slow, precise).
candidates = ["...", "...", "..."] # top 50 hits from your vector store
context = rerank("How do I reset my password?", candidates)const res = await fetch("https://1ai.ir/v1/rerank", {
method: "POST",
headers: { Authorization: `Bearer ${process.env.ONEAI_API_KEY}`, "Content-Type": "application/json" },
body: JSON.stringify({ model: "cohere/rerank-v4.0-fast", query, documents: hits.map((h) => h.text), top_n: 5 }),
});
const { results } = await res.json();
const best = results.map((r) => hits[r.index]);قالب پاسخ
نتیجهها از بیشترین امتیاز به کمترین مرتباند. usage.search_units تعداد واحد جستجوی حسابشده است و برای مدلهای توکنی total_tokens هم میآید.
{
"id": "rerank-…",
"object": "list",
"model": "cohere/rerank-v4.0-fast",
"results": [
{ "index": 0, "relevance_score": 0.91, "document": { "text": "برای تغییر رمز به تنظیمات، بخش امنیت بروید." } },
{ "index": 2, "relevance_score": 0.64, "document": { "text": "اگر رمز را فراموش کردهاید از گزینهی بازیابی استفاده کنید." } }
],
"usage": { "search_units": 1 }
}فیلدهای درخواست
| فیلد | نوع | توضیح |
|---|---|---|
model | رشته | شناسهی مدل rerank |
query | رشته | پرسش کاربر |
documents | آرایه (۱ تا ۱۰۰۰) | رشته یا { "text": "…" } |
top_n | عدد، اختیاری | تعداد نتیجهی برگشتی؛ پیشفرض همه |
return_documents | بولین، اختیاری | متن هر سند در پاسخ؛ پیشفرض true |
نکتهها
- در مدلهای Cohere هر ۱۰۰ سند یک واحد جستجوست؛ ۱۵۰ سند دو واحد حساب میشود. نامزدها را محدود نگه دارید.
- پنجرهی متن هر مدل متفاوت است؛ سندهای بلند را پیش از rerank به تکههای کوچکتر بشکنید.
- این مسیر استریم ندارد و کتابخانهی openai متدی برای آن ندارد؛ با
requestsیاfetchبفرستید.
سوالات متداول
rerank چه فرقی با embeddings دارد؟
embeddings هر متن را جداگانه به بردار تبدیل میکند و برای جستجوی سریع در میلیونها متن مناسب است. rerank پرسش و هر متن را با هم میخواند و دقیقتر است ولی کندتر، پس روی چند ده نامزدِ جستجوی برداری اجرا میشود.
متن فارسی پشتیبانی میشود؟
بله، Cohere Rerank 4 و Qwen3 Rerank چندزبانهاند. برای دادهی خودتان چند پرسش واقعی را با هر دو مدل امتحان کنید و ترتیب نتیجهها را مقایسه کنید.
هزینهی هر درخواست چطور حساب میشود؟
مدلهای Cohere و رتبهبندهای Google به ازای هر واحد جستجو (تا ۱۰۰ سند) و Qwen3 Rerank به ازای توکن خواندهشده. قیمت هر مدل در صفحهی همان مدل و اعتبار کسرشده در سرآیند x-1ai-credits است.
relevance_score را چطور تفسیر کنم؟
امتیازها برای مقایسهی متنهای همان درخواست ساخته شدهاند و مقیاسشان بین مدلها یکی نیست. اگر آستانه میگذارید، آن را برای هر مدل جداگانه روی دادهی خودتان تنظیم کنید.
مطالب مرتبط

استفاده از API سازگار با OpenAI در 1ai: راهنمای عملی با Python، Node.js و cURL
چطور پروژهای را که با کتابخانهی OpenAI نوشته شده، فقط با تغییر آدرس پایه و کلید به 1ai وصل کنید؛ با نمونه کد Python، Node.js و cURL، استریم، فهرست مدلها و مدیریت خطا.

کلید API در 1ai: امنیت، محدودیتها و کنترل هزینه
چطور کلیدهای API را امن نگه دارید و هزینه را مهار کنید: مدلهای مجاز، سقف اعتبار ماهانه، محدودیت نرخ، تاریخ انقضا، کلیدهای تیمی و گزارش مصرف.
صفحههای مرتبط
همهی امکاناتOpenAI SDK
کتابخانهی رسمی openai را در Python و Node.js با تغییر آدرس پایه به 1ai وصل کنید و چت، فراخوانی ابزار، بردار متن، تصویر و صدا را از یک کلید بگیرید.
Decisions API
به جای تجزیهی متن آزاد مدل، پرسشهایتان را تعریف کنید و برای هر کدام پاسخی تایپدار بگیرید: احتمال درستی یک گزاره، گزینهی انتخابشده یا امتیاز روی یک مقیاس.
اتصال n8n
در n8n یک اعتبارنامهی OpenAI با آدرس 1ai بسازید و در گردشکارهای خودکار، از AI Agent تا ربات تلگرام، با GPT، Claude، Gemini و DeepSeek کار کنید.
Rerank API؛ مرتبسازی اسناد بر اساس ارتباط با پرسش برای RAG
یک پرسش و فهرستی از متنها بفرستید و همان متنها را مرتبشده بر اساس ارتباط با پرسش، همراه با امتیاز هر کدام، پس بگیرید.
ساخت کلید API