# Embeddings và Rerank

> Tạo vector và sắp xếp lại tài liệu thông qua LLMoxy.

## Embeddings

Yêu cầu embedding tương thích OpenAI sử dụng `POST /v1/embeddings`.

```bash
curl https://llmoxy.com/v1/embeddings \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": ["first document", "second document"],
    "encoding_format": "float"
  }'
```

Các trường thường dùng：

| Trường | Mô tả |
| --- | --- |
| `model` | Bắt buộc, ID mô hình Embedding. |
| `input` | Chuỗi hoặc mảng chuỗi. |
| `encoding_format` | Có thể là `float` hoặc `base64` khi nhà cung cấp hỗ trợ. |
| `dimensions` | Mô hình hỗ trợ có thể chỉ định số chiều đầu ra. |
| `user` | Định danh theo dõi tùy chọn. |

Yêu cầu Embedding kiểu Gemini có thể sử dụng：

```txt
POST /v1/engines/{model}/embeddings
```

## Rerank

Sử dụng `POST /v1/rerank` để gọi các mô hình Rerank như Jina, Cohere.

```bash
curl https://llmoxy.com/v1/rerank \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jina-reranker-v2-base-multilingual",
    "query": "What is LLMoxy?",
    "documents": [
      "LLMoxy is an LLM gateway.",
      "A database stores rows."
    ],
    "top_n": 1,
    "return_documents": true
  }'
```

Các trường thường dùng：

| Trường | Mô tả |
| --- | --- |
| `model` | Bắt buộc, ID mô hình Rerank. |
| `query` | Văn bản truy vấn. |
| `documents` | Mảng chuỗi hoặc đối tượng tài liệu. |
| `top_n` | Số lượng kết quả sắp xếp tối đa trả về. |
| `return_documents` | Có bao gồm tài liệu gốc trong phản hồi hay không. |

Đây là bản markdown của https://vi.llmoxy.com/docs/api-reference/embeddings-rerank.
