Jina AI

面向多语言与多模态数据的搜索AI平台

本指南将帮助你了解并开始使用Jina AI平台，解决以下问题：

• 为多语言文档或图片生成向量嵌入，用于语义搜索或聚类
• 对搜索结果进行重排序，提升准确率
• 从网页中提取结构化文本内容
• 基于小语言模型进行深度搜索或问答

前置条件

• 注册Jina AI账号并获取API密钥：访问 https://jina.ai/ 点击“Get Started”完成注册，在Dashboard中生成API Key。
• 确保网络环境可访问 api.jina.ai（部分区域可能需要代理）。
• 准备Python 3.8+环境（可选，用于代码示例）。

分步操作

1. 获取API密钥并验证

1. 登录Jina AI控制台，进入“API Keys”页面。
2. 点击“Create New Key”，输入名称（如“my-app”），复制生成的密钥。
3. 在终端测试连接：

   curl -H "Authorization: Bearer YOUR_API_KEY" https://api.jina.ai/v1/ping

返回 {"pong": true} 表示成功。

2. 生成文本嵌入（Embeddings）

适用于：将文本转换为向量，用于语义搜索或相似度计算。

1. 使用 /v1/embeddings 端点，发送POST请求：

   curl -X POST "https://api.jina.ai/v1/embeddings" \
     -H "Authorization: Bearer YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "model": "jina-embeddings-v3",
       "input": ["你好世界", "Hello world"],
       "normalized": true
     }'

2. 响应中包含 data 数组，每个元素有 embedding 字段（浮点数列表）。
3. 注意：jina-embeddings-v3 支持多语言，无需指定语言。输入长度上限为8192 tokens。

3. 重排序搜索结果（Reranker）

适用于：对初步检索结果进行排序，提升相关性。

1. 使用 /v1/rerank 端点：

   curl -X POST "https://api.jina.ai/v1/rerank" \
     -H "Authorization: Bearer YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "model": "jina-reranker-v2-base-multilingual",
       "query": "如何安装Python",
       "documents": [
         "Python安装教程",
         "Java入门指南",
         "Python环境配置"
       ]
     }'

2. 响应返回 results 数组，按 relevance_score 降序排列，包含原始文档索引和分数。
3. 适用边界：文档数量建议不超过1000条，单条文档长度不超过512 tokens。

4. 网页内容读取（Reader）

适用于：将任意网页URL转换为结构化文本（Markdown格式）。

1. 使用 /v1/reader 端点，将URL作为路径参数：

   curl "https://api.jina.ai/v1/reader/https://example.com" \
     -H "Authorization: Bearer YOUR_API_KEY"

2. 响应返回Markdown格式的文本内容，包含标题、段落、列表等。
3. 注意事项：

• 仅支持公开可访问的网页。
• 如果页面需要JavaScript渲染，可能无法完整获取。此时可添加 ?render=true 参数（会消耗更多配额）。
• 返回内容长度限制为10000 tokens，超出部分会被截断。

5. 深度搜索（Deep Search）

适用于：对复杂问题执行多步推理，结合外部知识生成答案。

1. 使用 /v1/deepsearch 端点：

   curl -X POST "https://api.jina.ai/v1/deepsearch" \
     -H "Authorization: Bearer YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "query": "2024年诺贝尔物理学奖得主的主要贡献是什么？",
       "search_engine": "web"
     }'

2. 响应包含 answer 字段（最终回答）和 steps 数组（推理过程）。
3. 注意：每次调用会消耗较多配额，且响应时间较长（约5-30秒）。search_engine 可选 web 或 news。

6. 使用小语言模型（SLM）进行对话

适用于：轻量级问答、文本生成，无需调用大模型。

1. 使用 /v1/chat/completions 端点（兼容OpenAI格式）：

   curl -X POST "https://api.jina.ai/v1/chat/completions" \
     -H "Authorization: Bearer YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "model": "jina-chat-v1",
       "messages": [
         {"role": "user", "content": "用中文解释什么是向量数据库"}
       ]
     }'

2. 响应返回 choices[0].message.content 字段。
3. 模型 jina-chat-v1 为轻量模型，适合简单任务。复杂推理建议使用外部大模型。

预期结果

完成以上步骤后，你将能够：

• 使用Embeddings API为多语言文本生成向量，用于构建语义搜索系统。
• 使用Reranker API优化搜索结果排序。
• 使用Reader API从任意网页提取结构化文本。
• 使用Deep Search API获取带推理过程的答案。
• 使用Chat API进行轻量级对话。

常见问题

适用边界与注意事项

• Embeddings模型 jina-embeddings-v3 支持100+语言，但罕见语言（如小众方言）效果可能下降。
• Reader API不适用于需要登录认证的网站（如社交媒体、付费墙）。
• Deep Search的答案质量取决于搜索引擎结果，对于高度专业或小众问题可能不准确。
• 所有API调用均受速率限制（免费账户：每分钟60次），超出会返回429错误。