Leina 
Wanta 
根据提供的文档回答
将来源文档作为具体问题的上下文。
/oo Cohere: 使用 Cohere 模型 [模型 ID]，根据文档 [文档] 回答 [问题]。支持时请求引用，并说明尚未解答的要点，区分有来源依据的表述与一般解释。
试试这些 Cohere 任务
将提示词复制到已安装 oo Skill 的 Agent，补充页面链接和原始笔记后执行。
oo Skill Cohere
排序相关候选文档
在提供的文档集合中找出最相关候选项。
/oo Cohere: 使用 Cohere 重排模型 [模型 ID]，为查询 [查询] 和候选文档 [文档] 返回前 [N] 项。将结果索引对应回原文档标题，并将相关性评分作为相对排序信号展示。
开始使用 Cohere
-
安装 OOMOL
在 Agent 中配置 oo CLI 和 oo Skill。
安装 OOMOL → -
连接 Cohere
使用 Cohere API 密钥连接。
连接 Cohere → -
向 Agent 交代任务
使用 /oo，说明要读取的页面、修改的内容和保存位置。
连接指南 →
选择你的 Agent
- 提供任务兼容的模型 ID、问题与来源文本。
- 聊天回答不支持流式输出。此连接的向量操作接受文本输入。
Cohere 工具
通过 Cohere 结合提供的文档生成聊天回答，为查询重排候选文档，并创建文本向量。这些操作处理你提供的材料，本身不会建立可搜索知识库。
回答与相关性
结合文档生成回答并重排提供的候选项。
文本向量
按合适输入类型为提供文本创建向量。
3 个工具
Chat
使用 Cohere Chat API 生成同步文本响应。
cohere.chat Embed Texts
使用 Cohere Embed API 为文本输入生成嵌入。
cohere.embed_texts Rerank Documents
使用 Cohere Rerank API 按查询相关性对文本文档进行排名。
cohere.rerank_documents 没有匹配的工具。
常见问题
回答需要提供哪些文档？
提供相关文本与可识别的标题或 ID。聚焦的文档集合便于将表述对应到来源。
如何使用重排结果？
使用索引与相关性评分安排候选项复核顺序。重排不验证事实准确性，也不搜索集合之外的内容。
可以创建搜索用向量吗？
可以，提供兼容模型、文本，以及适合文档或查询的输入类型。向量存储与搜索需要其他检索系统。