JEV_SIDECAR_API: team usage guide (external URL + Bearer auth +适用边界)

This commit is contained in:
D-robotics 2026-11-11 15:49:08 +08:00
parent 19716ea966
commit 272c9f0fae

59
JEV_SIDECAR_API.md Normal file
View File

@ -0,0 +1,59 @@
# jev 打分服务调用指南(团队共享 · FAT)
> 模型: jev r41 (Laya mmBERT-base + LoRA), 文档级相关度打分, 输出校准概率
> 部署: d-cloud FAT 推理服务 `jev-r41-sidecar` (svc-6uz682ztqn), API Key 鉴权
## 接口
### POST /score — 单条打分
```bash
BASE="https://dcloud-ns6hy2.inference-fat.d-robotics.cc/AIStudio/v1/inference/api/svc-6uz682ztqn"
KEY="sk-****" # 向 dingbin.wang 申请, 不要提交进 git (网关只认 Authorization: Bearer, 不认 X-API-Key)
curl -X POST "$BASE/score" \
-H "Authorization: Bearer $KEY" \
-H "Content-Type: application/json" \
-d '{
"query": "S100 的默认调试串口波特率是多少",
"doc_text": "RDK S100 使用 UART0 作为调试串口, 默认波特率 921600..."
}'
```
返回:
```json
{
"p_win": [0.99, 0.71, 0.12], // 每个滑动窗口的相关度概率
"p_mean": 0.607, // 窗口均值 (主排序依据)
"p_max": 0.99, // 窗口最大值
"p_final": 0.643, // 温度校准后的最终分 (展示/阈值用)
"n_win": 3 // 文档被切的窗口数
}
```
### POST /score_batch — 批量打分
```json
{"items": [{"query": "...", "doc_text": "..."}, {"query": "...", "doc_text": "..."}]}
```
### GET /health — 健康检查
## 打分语义
- 输出的是「query 与文档的相关度概率」(0~1), 经温度校准
- 排序用途: 按 `p_mean` 降序; 阈值用途: `p_final`
- 经验阈值 (RDK 知识库场景): >0.7 强相关, 0.4-0.7 待定, <0.3 不相关
- 文档自动滑窗 (800 token/窗, 最多 4 窗), 长文档无需预切
## 适用边界 (实测, 重要)
- ✅ 主题相关度: "这篇文档讲的是不是这个问题的话题" — 强项
- ❌ 型号/实体细粒度区分: "RDK S100 串口(921600)" vs "RDK S600 串口(1500000)" 两篇都会得 0.98 — **模型分不清型号**, 型号过滤要在打分前后自己做 (标题/URL 匹配)
- ⚠️ 完全无关的短文本 (<50字) 校准不稳, 打分对象应是知识库文档块
## 注意
- ⚠️ key 不要写进代码仓库, 用环境变量
- 单条打分 CPU ~1s (4 窗长文档), 批量请用 score_batch
- 服务部署在 FAT 环境, 仅供测试/评测, 不接生产流量