您在实际测试、生产的过程中，可能会遇到一些查询不符合预期的情况，针对这些难以调整搜索效果的场景，云搜索服务提供了多种调优策略。本文介绍重排调优方案。

背景信息

云搜索服务可以将整个混合搜索流程闭环在一个 pipeline 中。您可以通过类似向量 embedding 模型的方式，启动一个 Rerank 模型，然后将模型配置在 Search Pipeline 中。
您可以直接使用云搜索服务的公共 Rerank 模型，比如cross-encoder等；也可以创建自定义的模型，只需要在模型处理中实现 rerank 接口，然后就可以开发业务相关的干预逻辑（快速支持调优上线）。

• 公共模型：选择 rerank 模型
  
• 自定义模型：单击创建模型，上传模型文件。

重排调优配置

在 Search Pipeline 中，使用以下示例中的response_processors添加 Rerank 模型的相关配置。

PUT /_search/pipeline/my_pipeline
{
  "description": "Pipeline for reranking with a cross-encoder",
  "response_processors": [
    {
      "remote_rerank": {
        "ml_opensearch": {
          "remote_config": {    
            "method": "POST",
            "url": "http://d-18283223**-serve-svc.r-00g0so8**:8000/v1/rerank",
            "params": { //主要是在http url 里面注入token 密钥等等
                "token": ""
            },
            "headers" : { //主要是在http header 里面注入信息，例如 token、user等等
                "Content-Type" : "application/json"
            },
            "advance_request_body" : { //这个对应OpenAi协议中的model
                "model" : "cross-encoder/ms-marco-MiniLM-L-6-v2"
            }
          }
        },
        "context": {
          "document_fields": [
            "passage_text"
          ]
        }
      }
    }
  ]
}