> Discover all available pages from the documentation index: https://mastra.zisheng.pro/llms.txt

# rerankWithScorer()

`rerankWithScorer()` 函数通过结合语义相关性、向量相似度和基于位置的评分，为向量搜索结果提供高级重排序功能。

```typescript
function rerankWithScorer({
  results: QueryResult[],
  query: string,
  scorer: RelevanceScoreProvider,
  options?: RerankerFunctionOptions,
}): Promise<RerankResult[]>;
```

## 使用示例

```typescript
import { rerankWithScorer as rerank, CohereRelevanceScorer } from '@mastra/rag'

const scorer = new CohereRelevanceScorer('rerank-v3.5')

const rerankedResults = await rerank({
  results: vectorSearchResults,
  query: 'How do I deploy to production?',
  scorer,
  options: { weights: { semantic: 0.5, vector: 0.3, position: 0.2 }, topK: 3 },
})
```

## 参数

**results** (`QueryResult[]`): 要重排序的向量搜索结果

**query** (`string`): 用于评估相关性的搜索查询文本

**scorer** (`RelevanceScoreProvider`): 用于重排序的相关性评分器

**options** (`RerankerFunctionOptions`): 重排序模型的选项

**options.weights** (`WeightConfig`): 不同评分组件的权重（总和必须为 1）

**options.weights.semantic** (`number (default: 0.4)`): 语义相关性的权重

**options.weights.vector** (`number (default: 0.4)`): 向量相似度的权重

**options.weights.position** (`number (default: 0.2)`): 基于位置评分的权重

**options.queryEmbedding** (`number[]`): 查询的嵌入

**options.topK** (`number`): 要返回的顶部结果数量

`rerankWithScorer` 函数接受来自 @mastra/rag 的任意 `RelevanceScoreProvider`。

> **备注:** 要使重新排序期间的语义评分正常工作，每个结果都必须在其 `metadata.text` 字段中包含文本内容。

## 返回

该函数返回 `RerankResult` 对象数组：

**result** (`QueryResult`): 原始查询结果

**score** (`number`): 综合重排序分数（0-1）

**details** (`ScoringDetails`): 详细的评分信息

### `ScoringDetails`

**semantic** (`number`): 语义相关性分数（0-1）

**vector** (`number`): 向量相似度分数（0-1）

**position** (`number`): 基于位置的分数（0-1）

**queryAnalysis** (`object`): 查询分析详情

**queryAnalysis.magnitude**: 查询的幅度

**queryAnalysis.dominantFeatures**: 查询的主要特征

## 相关内容

- [createVectorQueryTool](https://mastra.zisheng.pro/reference/tools/vector-query-tool)