指南

从「什么是 reranker？」到混合检索、评测与自托管 —— 选一个起点，或从头到尾读完。

按这个顺序读

五篇循序渐进的指南：从重排序模型是做什么的，到在你自己的数据上评估它。

  1. 什么是 reranker？

    两阶段检索、排序为何重要、何时值得加重排序。

    基础约 7 分钟

  2. Cross-encoder vs bi-encoder

    速度 vs 精度 —— 生产环境为何两者都用。

    架构约 8 分钟

  3. 如何为 RAG 加重排序

    宽召回、紧重排 —— 含 Python、LangChain 与延迟建议。

    实战约 10 分钟

  4. 混合检索 + 重排序

    结合 BM25 与向量检索，再由 reranker 修正合并结果。

    生产约 9 分钟

  5. 如何评测 reranker

    NDCG、MRR、标注查询与领域回归测试。

    评测约 8 分钟

已经有具体问题？

直接去解决你手头问题的那一页。

按场景选型

RAG / 客服 / 法律 / 代码 —— 哪种模型适合你的场景。

决策约 8 分钟

在国内做重排序

阿里云百炼、硅基流动还是自己部署 —— 人民币价格、中文分数、模型下载。

实战约 8 分钟

重排序没起作用

看不到提升的七个原因 —— 召回、候选池大小、截断 —— 以及如何判断你属于哪一种。

排障约 9 分钟

重排序成本计算器

按次计费还是按 token 计费？在你的量级下哪个 rerank API 更便宜。

交互工具

自托管 reranker

sentence-transformers、GPU 选型与最小 FastAPI 服务。

生产约 10 分钟

在向量数据库上做重排序

把重排序这一步接到 pgvector、Qdrant 或 Elasticsearch 上，含代码。

实战约 10 分钟

Late-interaction（ColBERT）

ColBERT 何时胜过 bi-encoder，何时仍需要 cross-encoder rerank。

架构约 9 分钟

指令跟随 rerank

改变「相关」含义的任务指令 —— 对比经典 cross-encoder。

新兴约 7 分钟

浏览器在线 Demo

观看 cross-encoder 重排段落 —— 含 bi-encoder 代理对比。

交互