APIs Search Foundation: Reader, búsqueda web, embeddings y reranking
Jina AI documenta en docs.jina.ai APIs Search Foundation. Reader POST r.jina.ai convierte URL a markdown/JSON; Search POST s.jina.ai devuelve SERP para LLM; Embeddings POST api.jina.ai/v1/embeddings (v5-small/nano, v4, v3, clip-v2); Reranker POST /v1/rerank (jina-reranker-v3). Endpoints EU eu.r.jina.ai y eu.s.jina.ai.
Casos de uso
- RAG sin parsers HTML custom
- Investigación web con s.jina.ai
- Embeddings + bases vectoriales
- Reranking tras retrieval
- Combinar con jina-mcp-server
Funciones principales
- Reader API r.jina.ai con motores browser/direct
- Search API s.jina.ai estilo SERP
- Embeddings v5, v4 multimodal, v3, clip-v2
- Reranker jina-reranker-v3 y m0 multimodal
- Batch embeddings asíncrono
Relacionados
Relacionados
3 Entradas indexadas
Voyage AI
Voyage AI documenta en docs.voyageai.com embeddings y rerankers para RAG. API POST /v1/embeddings; paquete Python voyageai.Client.embed() con modelos voyage-4-large, voyage-4-lite, voyage-code-3, etc. input_type query/document, output_dimension y output_dtype. Rerankers refinan retrieval. Parte del ecosistema MongoDB AI.
Chroma
Chroma documenta en docs.trychroma.com una base de embeddings open source para almacenar y consultar vectores, metadatos y texto en clientes Python y JavaScript. Cubre colecciones en memoria, almacenamiento persistente, servidor self-hosted y Chroma Cloud con tokens. APIs: add/query/get/update/delete, funciones de embedding e híbrido para RAG y memoria de agentes.
Typesense
Typesense documenta en typesense.org/docs un motor open source con búsqueda tolerante a typos, facetas y vectores. Vector search: KNN con embeddings importados o auto-generados vía OpenAI, PaLM o modelos ts/* en Hugging Face. Híbrida con rank fusion y alpha; similar por ID; HNSW y flat_search_cutoff. Cloud o self-hosted con API REST.