跳到主要内容

用 AI 按相关性排序文档

生成文本向量,按查询相关性重排文档,优化语义搜索结果。

MCP / oo CLI + Skill2 个接入服务

可以做什么

将查询与文档集合中的相关段落匹配,为相似度检索生成文本向量,或围绕研究问题重排候选文档。

按相关性排序文档

生成文本向量,按查询相关性重排文档,优化语义搜索结果。

检索团队知识

从已建立索引的团队文档中检索相关段落。

试试这些提示词

替换方括号里的内容,复制到已接入 OOMOL 的 AI 助手。

选择接入方式

按相关性排序文档

生成文本向量,按查询相关性重排文档,优化语义搜索结果。

使用 OOMOL MCP 的 AIsa 服务完成以下任务: 按 [查询] 对 [文档集合] 进行相关性排序,展示最匹配的内容。

检索团队知识

从已建立索引的团队文档中检索相关段落。

使用 OOMOL MCP 的 OOMOL 知识库 服务完成以下任务: 用 OOMOL 知识库查找与[问题]相关的段落,并引用返回的来源。

开始使用 语义搜索

  1. 接入你的 AI 助手

    选择接入方式

    在 MCP 客户端中添加 OOMOL,使用你的团队完成登录,即可调用接入服务。

  2. 选择服务

    AIsa使用 OOMOL 提供的服务,或连接自己的 AIsa 账号。

    生成文本向量,按查询相关性重排文档,优化语义搜索结果。

    查看 AIsa 接入说明 →

    OOMOL 知识库登录 OOMOL 即可使用,无需单独配置供应商凭据。

    使用当前团队的 OOMOL 服务。

    查看 OOMOL 知识库 接入说明 →
  3. 尝试第一个任务

    使用 OOMOL MCP 的 AIsa 服务完成以下任务: 按 [查询] 对 [文档集合] 进行相关性排序,展示最匹配的内容。

提供 语义搜索 能力的服务

按任务选择服务。操作数为各服务的全部操作总数。

所有操作

3 个工具

Create Jina Embeddings

计算输入文本的 Jina 嵌入向量,不创建持久检索索引。AISA 文档声明支持模型输出 1024 维向量,按 token 计费。

按用量计费。

aisa.create_jina_embeddings

Rerank Jina Documents

使用 Jina 对输入文档按查询相关性重排,保留原始索引用于检索流水线;不创建上游索引或持久文档集合,按 token 计费。

按用量计费。

aisa.rerank_jina_documents

Retrieve

从当前 OOMOL 团队知识库检索最相关的文本片段。

查询向量化: 100 点数 / 1M Token; 重排(默认开启): 100 点数 / 1M Token
查询向量化
100 点数 / 1M Token
重排(默认开启)
100 点数 / 1M Token
oomol_rag.retrieve

常见问题

文档重排如何改善搜索?

文档重排按内容与查询的相关性调整顺序,让更有用的段落优先呈现。