curso-langchain/slides/pages/rag/24b.md

layout

layout
default

Reranking: mejorando la relevancia

La búsqueda vectorial recupera documentos similares, pero no siempre los más relevantes. Un reranker reordena los resultados usando un modelo especializado.

import { CohereRerank } from "@langchain/cohere";

const reranker = new CohereRerank({
  apiKey: process.env.COHERE_API_KEY,
  model: "rerank-v4.0-fast", // multilingüe por defecto
  topN: 3,
});

// .compressDocuments() → devuelve los topN Document[] listos para usar en chains
const rerankedDocs = await reranker.compressDocuments(docs, query);

// .rerank() → devuelve TODOS los índices + scores (más control manual)
const results = await reranker.rerank(docs, query);
// [{ index: 2, relevanceScore: 0.95 }, { index: 0, relevanceScore: 0.72 }, ...]

✨ Patrón común: recuperar ~10 docs con vector search → reranking → top 3 al LLM