# Embeddings et Rerank

> Générez des embeddings et re-classez des documents via LLMoxy.

## Embeddings

Les requêtes d'embedding compatibles OpenAI utilisent `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"
  }'
```

Champs courants :

| Champ | Description |
| --- | --- |
| `model` | Obligatoire. ID du modèle d'embedding. |
| `input` | Chaîne ou tableau de chaînes. |
| `encoding_format` | Peut être `float` ou `base64` lorsque le fournisseur le prend en charge. |
| `dimensions` | Les modèles pris en charge peuvent spécifier les dimensions de sortie. |
| `user` | Identifiant de suivi facultatif. |

Les requêtes d'embedding de style Gemini peuvent utiliser :

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

## Rerank

Utilisez `POST /v1/rerank` pour appeler les modèles de rerank Jina, Cohere, etc.

```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
  }'
```

Champs courants :

| Champ | Description |
| --- | --- |
| `model` | Obligatoire. ID du modèle de rerank. |
| `query` | Texte de la requête. |
| `documents` | Tableau de chaînes ou d'objets document. |
| `top_n` | Nombre maximal de résultats classés à renvoyer. |
| `return_documents` | Inclure ou non les documents originaux dans la réponse. |

Ceci est la version markdown de https://fr.llmoxy.com/docs/api-reference/embeddings-rerank.
