#Jina AI

reader

Reader 提供读取和搜索功能，将任意URL转换为LLM友好的输入，提升代理和RAG系统的输出质量。同时，搜索功能使LLM获取最新的网络知识。该工具免费、稳定、可扩展，适合生产环境使用。

vectordb

`vectordb` 是一款轻量级的Python向量数据库，支持本地、内部和云端部署。它具有全面的CRUD操作和扩展选项，包括分片和复制，可适应各种环境。结合DocArray的检索能力和Jina的扩展性能，vectordb提供了简洁而强大的用户体验。同时，它支持gRPC、HTTP和WebSocket等通信协议，能在多种场景中灵活应用，极大地方便了开发人员。

jina-clip-v1

jina-clip-v1是Jina AI开发的英语多模态嵌入模型，支持高效文本-图像和文本-文本检索。它结合了传统文本嵌入和跨模态模型的优势，适用于多模态检索增强生成应用。该模型在Flickr和MSCOCO跨模态检索任务中表现出色，文本相似度评估能力也与专业文本嵌入模型相当。

jina-reranker-v1-tiny-en

jina-reranker-v1-tiny-en在JinaBERT模型基础上通过知识蒸馏技术实现高效文本重排序，支持最长8192个token的处理，适用于高速度需求场景，并确保结果的准确性。提供多种接入方式，包括Jina AI Reranker API、sentence-transformers库及transformers.js等。该模型表现优异，确保搜索结果的相关性和准确性。

jina-reranker-v1-turbo-en

jina-reranker-v1-turbo-en使用JinaBERT，旨在实现快捷的文本重排序，可处理最多8,192个标记的长文本。通过知识蒸馏提升运行速度，同时确保高精度。6层结构和37.8百万参数设置使其成为神经搜索的有效工具。尽管其NDCG@10评分略低于旧版本，但因速度优势适合快速处理需求。模型对于多种环境可通过Jina AI Reranker API或transformers库轻松集成和使用。