硅基流动（SiliconFlow）在一篇技术博客中解释Embedding与Rerank在RAG中的分工，并称其国际版API同时提供两类接口；文章将“正确段落已被召回但排名靠后”列为引入重排序的主要信号。
AI解读：博客建议用检索评测而非知识库规模来决定是否加Rerank：若正确段落经常进入候选集（例如前 20）却很少进入前三，属于排序问题，重排序更可能有效；若正确段落根本未被召回，应先检查Embedding模型、分块、元数据过滤与索引配置。
重排序不能替代文档治理：重复与多版本文档会挤占初始结果，版本元数据、发布日期、权限、去重与归档规则仍需在入库或检索阶段处理；分块割裂上下文（表格与表头分离、限制与适用模型分离）也无法靠排序修复。
博客称硅基流动国际版API的Embedding接口列有Qwen/Qwen3-Embedding-8B及 0.6B、4B版本，Rerank接口接收查询与文档字符串数组，支持top_n和return_documents等可选字段，返回原始候选索引与相关性分数。
博客把两阶段流程拆为：入库时生成并存储向量与元数据；查询时取候选集；对候选重排序；按上下文预算组装最终上下文。文章称候选深度没有通用数值，需在召回率与延迟、成本间测试取舍。
评估方法上，博客要求用同一批查询对比仅Embedding基线与两阶段管线，分别测Recall@k、命中率、Precision@k、MRR、nDCG@k，以及答案正确性、引用准确率、端到端p50/p95延迟与单次查询成本；文章称重排序通常增加一个推理步骤，只有应用据此裁掉低价值段落时才可能减少送入生成模型的token。
上述内容来自硅基流动官方博客的方法说明与产品描述，文章未给出第三方基准或具体客户效果数据；其中模型可用性被提示可能变化，建议将模型ID放入配置并在生产前核实。
硅基流动（SiliconFlow）在其官方博客发文解释RAG中Embedding模型与Rerank（重排序）模型的分工，并给出判断是否需要重排序的评测思路。文章的核心主张是：重排序不是每个RAG应用的必需品，它主要解决“相关证据已被检索到、但排名不够靠前”的问题。
文章称，硅基流动的国际版API同时提供Embedding与Rerank接口，开发者可在同一平台搭建两阶段检索管线，再把选出的上下文经Chat Completions接口送入生成模型。这一产品可用性描述来自博客本身，未附第三方评测。
博客给出的判断标准：召回对了但排得低
文章将“正确段落经常出现在初始候选集中、却很少进入最终上下文”列为引入重排序的最明确信号，例如相关分块常进前 20、很少进前三。此时生成模型拿到的是较弱段落，属于排序问题。
相反，若正确段落没有进入足够宽的候选集，文章建议先排查Embedding模型、分块策略、元数据、查询改写、混合检索或索引配置，而不是加重排序。文章同时列出重排序帮助有限的场景：知识库小且结构清晰、正确答案稳定靠前、元数据过滤已能区分类似文档、查询与FAQ高度重合、精确匹配或混合检索已够用、延迟预算极紧，以及离线评测未见明显提升。
- 查询含多个条件（预算、型号与地区、生效日期、特定配置下的报错）时，向量相似度可能不够，重排序可对完整查询逐条比较候选。
- 检索结果高度相似（产品目录、API文档、内部知识库、法律政策）时，重排序可区分版本、日期、地区、环境、用户类型等细节。
- 只能向LLM送入少量上下文时，重排序可用于从更大候选集中挑出信号更强的段落。
两阶段检索的接口与流程
按博客描述，第一阶段在入库时把文档切块，调用Embedding API生成向量，并与原文、文档标识、来源URL、版本、权限等元数据一同存储；查询时对问题生成向量，从向量库取回候选集。文章称第一阶段应优先保证召回。
第二阶段调用Rerank API，输入原始查询与候选文档字符串，可选top_n、return_documents等字段，返回原始候选索引与相关性分数，应用再据此与已存数据对应。文章称国际版API文档当前列有Qwen/Qwen3-Embedding-8B，以及 0.6B、4B版本；Qwen3模型支持可配置的输出维度，但须与向量索引保持一致。
候选数量方面，文章明确没有适用于所有系统的通用值：取太少限制重排序可选范围，取太多增加输入与处理时间，需按数据集和延迟预算测试。
- 最终上下文组装还可做去重、来源多样性、token上限、版本或日期检查、权限校验与引用格式处理。
- 文章提醒相关性分数阈值并非通用，会随模型、数据集和查询类型变化，应以代表性查询校准。
- 文章建议把模型ID写入配置而非硬编码，并在生产部署前核实当前可用性。
如何衡量重排序是否值得
博客要求用同一组评测查询对比仅Embedding的基线与两阶段管线，不要凭少数手选例子判断。先测一阶段召回：Recall@k与Hit Rate@k；召回不足时重排序无法补回缺失证据。再测排序质量：Precision@k、MRR、nDCG@k以及重排序后较小结果集的Recall@k。
文章还要求评估最终答案的正确性、相关性、对检索上下文的忠实度、无依据主张比例、引用准确率、任务完成率与用户纠正频率，评测集应覆盖常见、困难、歧义、版本敏感和高风险查询。
成本与延迟方面，文章称重排序通常增加一次推理，应统计重排序调用延迟、端到端p50/p95延迟、输入token、生成输入token、单次完成查询成本与超时错误率；重排序本身不会自动缩短上下文，只有应用据此删除低价值段落时才可能减少token。