# jev 打分服务调用指南(FAT · API Key 各自配置) > 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-****" # key 明文见飞书《jev使用文档》第 6 节;丢了在平台重建一把再绑定服务。明文不要提交进 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