云搜索服务
云搜索服务
云搜索服务
文档指南
请输入
用户指南
实例管理
可视化配置
插件管理
搜索管理
可观测
Cerebro 管理
任务中心
Logstash 用户指南
最佳实践
连接实例
数据集成
应用构建
API 参考
实例查询
实例管理
- 文档首页
云搜索服务最佳实践检索结果调优重排调优
复制全文
下载 pdf重排调优
文档反馈
问问助手您在实际测试、生产的过程中，可能会遇到一些查询不符合预期的情况，针对这些难以调整搜索效果的场景，云搜索服务提供了多种调优策略。本文介绍重排调优方案。
背景信息
云搜索服务可以将整个混合搜索流程闭环在一个 Pipeline 中。您可以通过类似向量 embedding 模型的方式，启动一个 Rerank 模型，然后将模型配置在 Search Pipeline 中。
您可以直接使用云搜索服务的公共 Rerank 模型，比如 cross-encoder 等；也可以创建自定义的模型，只需要在模型处理中实现 Rerank 接口，然后就可以开发业务相关的干预逻辑（快速支持调优上线）。
- 公共模型：选择 Rerank 模型。
- 自定义模型：单击创建模型，上传模型文件。
重排调优配置
在 Search Pipeline 中，使用以下示例中的 response_processors 添加 Rerank 模型的相关配置。
PUT /_search/pipeline/my_pipeline
{
"description": "Pipeline for reranking with a cross-encoder",
"response_processors": [
{
"remote_rerank": {
"ml_opensearch": {
"remote_config": {
"method": "POST",
"url": "http://d-18283223**-serve-svc.r-00g0so8**:8000/v1/rerank",
"params": { //主要是在 http url 里面注入 token 密钥等等
"token": ""
},
"headers" : { //主要是在 http header 里面注入信息，例如 token、user等等
"Content-Type" : "application/json"
},
"advance_request_body" : { //对应 OpenAI 协议中的 model
"model" : "cross-encoder/ms-marco-MiniLM-L-6-v2"
}
}
},
"context": {
"document_fields": [
"passage_text"
]
}
}
}
]
}
最近更新时间：2025.09.22 18:43:14
这个页面对您有帮助吗？
有用
有用
无用
无用