Cohere ランカーCompatible with Milvus 2.6.x

Cohere Ranker は、Cohere の強力なリランク・モデルを活用し、セマンティック・リランキングによって検索の関連性を高めます。Cohere Ranker は、堅牢な API インフラストラクチャと本番環境に最適化されたパフォーマンスにより、エンタープライズグレードのリランキング機能を提供します。

Cohere Ranker は、以下を必要とするアプリケーションに最適です：

• 最先端のリランク・モデルによる高品質のセマンティック理解

• 本番ワークロードに対応するエンタープライズグレードの信頼性と拡張性

• 多様なコンテンツタイプに対応する多言語リランキング機能

• レート制限とエラー処理を組み込んだ一貫した API パフォーマンス

前提条件

Milvus に Cohere Ranker を実装する前に、以下を確認してください：

• リランキング対象のテキストを含む、VARCHAR フィールドを持つ Milvus コレクション。

• リランキングモデルにアクセスできる有効な Cohere API キー。Cohere のプラットフォームにサインアップし、API 認証情報を取得します。以下のいずれかを実行します：

  • COHERE_API_KEY 環境変数を設定する。

  • ランカー設定の credential で API キーを直接指定する。

Cohere ランカー関数を作成する

MilvusアプリケーションでCohere Rankerを使用するには、再ランキングの動作方法を指定するFunctionオブジェクトを作成します。この関数は、Milvus の検索操作に渡され、結果のランキングを向上させます。

from pymilvus import MilvusClient, Function, FunctionType

# Connect to your Milvus server
client = MilvusClient(
    uri="http://localhost:19530"  # Replace with your Milvus server URI
)

# Configure Cohere Ranker
cohere_ranker = Function(
    name="cohere_semantic_ranker",          # Unique identifier for your ranker
    input_field_names=["document"],         # VARCHAR field containing text to rerank
    function_type=FunctionType.RERANK,      # Must be RERANK for reranking functions
    params={
        "reranker": "model",                # Enables model-based reranking
        "provider": "cohere",               # Specifies Cohere as the service provider
        "model_name": "rerank-english-v3.0", # Cohere rerank model to use
        "queries": ["renewable energy developments"], # Query text for relevance evaluation
        "max_client_batch_size": 128,       # Optional: batch size for model service requests (default: 128)
        "max_tokens_per_doc": 4096,         # Optional: max tokens per document (default: 4096)
        # "credential": "your-cohere-api-key" # Optional: authentication credential for Cohere API
    }
)

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.common.clientenum.FunctionType;
import io.milvus.v2.service.collection.request.CreateCollectionReq;

MilvusClientV2 client = new MilvusClientV2(ConnectConfig.builder()
        .uri("http://localhost:19530")
        .build());

CreateCollectionReq.Function ranker = CreateCollectionReq.Function.builder()
                       .functionType(FunctionType.RERANK)
                       .name("cohere_semantic_ranker")
                       .inputFieldNames(Collections.singletonList("document"))
                       .param("reranker", "model")
                       .param("provider", "cohere")
                       .param("model_name", "rerank-english-v3.0")
                       .param("queries", "[\"renewable energy developments\"]")
                       .param("endpoint", "http://localhost:8080")
                       .param("max_client_batch_size", "128")
                       .param("max_tokens_per_doc", "4096")
                       .build();

// nodejs

// go

# restful

Cohere ランカー固有のパラメータ

以下のパラメータは Cohere ランカー固有のものです：

パラメータ	必須か？	説明	値 / 例
reranker	Yes	モデルの再ランキングを有効にするには、"model" に設定する必要がある。	"model"
provider	Yes	リランキングに使用するモデルサービスプロバイダ。	"cohere"
model_name	はい	Cohere プラットフォームでサポートされているモデルの中から使用する Cohere リランク・モデル。 使用可能なリランク・モデルのリストについては、Cohere のドキュメントを参照してください。	"rerank-english-v3.0","rerank-multilingual-v3.0"
queries	はい	クエリ文字列のリスト。クエリ文字列の数は、検索操作のクエリ数と正確に一致する必要があります (テキストの代わりにクエリベクトルを使用する場合も同様)。	[検索クエリ］
max_client_batch_size	いいえ	モデルサービスは一度にすべてのデータを処理しない可能性があるため、複数のリクエストでモデルサービスにアクセスする際のバッチサイズを設定します。	128 (デフォルト)
max_tokens_per_doc	いいえ	ドキュメントあたりの最大トークン数。長い文書は自動的に指定されたトークン数に切り詰められます。	4096 (デフォルト)
credential	いいえ	Cohere API サービスにアクセスするための認証クレデンシャル。指定しない場合、システムはCOHERE_API_KEY 環境変数を探します。	"your-cohere-api-key"

標準ベクトル探索への適用

Cohere Ranker を標準的なベクトル探索に適用する：

# Execute search with Cohere reranking
results = client.search(
    collection_name="your_collection",
    data=[your_query_vector],  # Replace with your query vector
    anns_field="dense_vector",                   # Vector field to search
    limit=5,                                     # Number of results to return
    output_fields=["document"],                  # Include text field for reranking
    ranker=cohere_ranker,                       # Apply Cohere reranking
    consistency_level="Bounded"
)

import io.milvus.v2.common.ConsistencyLevel;
import io.milvus.v2.service.vector.request.SearchReq;
import io.milvus.v2.service.vector.response.SearchResp;
import io.milvus.v2.service.vector.request.data.EmbeddedText;

SearchReq searchReq = SearchReq.builder()
        .collectionName(COLLECTION_NAME)
        .data(Arrays.asList(new EmbeddedText("AI Research Progress"), new EmbeddedText("What is AI")))
        .annsField("vector_field")
        .limit(10)
        .outputFields(Collections.singletonList("document"))
        .functionScore(FunctionScore.builder()
                .addFunction(ranker)
                .build())
        .consistencyLevel(ConsistencyLevel.BOUNDED)
        .build();
SearchResp searchResp = client.search(searchReq);

// nodejs

// go

# restful