一、前置条件
注意：原子服务开通说明：
注意：原子服务开通后才支持接口调用，请及时前往 控制台 开通服务，原子服务开通后将获得 100 次免费体验额度，超出后自动开启后付费模式。
注意：
二、原子服务列表
目前智能搜索开发提供以下类型的原子服务，调用方式请参见 原子服务调用指引。每个模型服务都有默认限频，如有更多需求，请 联系我们。
| 类型 | 描述 | 服务 | 默认限频（QPS） | 说明 |
| 文档解析 | 本服务可将 PDF、DOC、PPT、XLS、HTML、TXT、PNG 等多格式文档转换为标准格式，满足企业级知识库建设、技术文档迁移、内容平台结构化存储等需求。 | doc-llm | 5 | 腾讯优图实验室推出的精品 OCR 大模型，覆盖论文、书籍、说明书、试卷、PPT、海报等众多场景，可满足各行业的文档处理需求。 |
| 文本切片 | 文本切片是将长文本分割为短片段的技术，用于适配模型输入、提升处理效率或信息检索，平衡片段长度与语义连贯性，适用于 NLP、数据分析等场景，本服务支持语义切分。 | doc-chunk | 100 | 基于分隔符、文本长度进行切片，适用规则性较强的文本，仅支持 Markdown 与 TXT 格式文件输入。 |
| | | doc-tree-chunk | 5 | 腾讯自研文档拆分模型，支持多种文件类型，能够解析并深入理解图表中的信息，语义切分成文本块。 |
| 查询分析 | 承担搜索链路入口的认知决策，通过意图识别精准路由下游交互模式，多轮改写消除上下文指代歧义，搜索改写将复杂问题拆解为多路并行子查询，该模块能有效提升数据检索的准召率。 | youtu-intent | 2 | 腾讯优图自研，支持多语言，最大 1600 token，支持自定义意图标签识别，负责判定用户请求的交互类型，区分是信息查询、任务执行还是闲聊等，决定后续的链路走向。 |
| | | ima-rewrite | 3 | 腾讯 ima 自研，支持中英文，最大 8000 token，将用户原始提问智能拆解为多个语义独立、面向不同检索维度的子查询，通过并行或递进检索全面覆盖信息需求。 |
| | | ima-rewrite-multiround | 2 | 腾讯 ima 自研，支持中英文，最大 8000 token，针对对话式搜索设计，解决指代消解与上下文关联问题，结合历史会话，消除语义歧义，确保每一轮交互建立在连贯的上下文逻辑之上。 |
| Embedding | 将文本、图片等多模态数据转化为稠密或稀疏的向量形式的服务，支持多款不同语言、输入长度、维度的文本向量模型，可用于信息检索、分类和相似性比较等场景。 | bge-base-zh-v1.5 | 20 | 768 维，最大 512 token经典轻量级中文 Embedding 模型，适合资源有限、轻量级 RAG。 |
| | | bge-large-zh-v1.5 | 20 | 1024 维，最大 512 token经典轻量级中文 Embedding 模型，适合资源有限、轻量级 RAG。 |
| | | KaLM-embedding-multilingual-mini-v1 | 20 | 896 维，最大 131072 token微信自研多语言模型，支持多语言。 |
| | | bge-m3 | 20 | 1024 维，最大 8194 token经典 BGE Embedding 模型，支持 100+ 语言，适合多语言检索场景。 |
| | | Conan-embedding-v1 | 20 | 1792 维，最大 512 token腾讯内部自研，曾登顶中文 CMTEB 榜单，适合高精度中文检索。 |
| | | Qwen3-Embedding-0.6B | 20 | 1024维，最大 32768 token开源 Qwen3 系列专有文本嵌入模型，支持自定义 32~1024 输出维度 |
| | | WeProduct | 10 | 768维，同款商品检索模型微信团队研发，聚焦于实例级商品图像检索任务，该模型在多个业务评测集与学术评测集上均达到业界领先水平， 已在微信的电商、直播、视频号、搜一搜等多个产品的同款比价、电商治理、商品搜索、大模型 RAG 等多种场景落地应用。 |
| | | WeCLIPv2-Base | 10 | 768维，最大 72 token微信自研图文 Embedding 模型，在中文场景下表现优秀，适合文搜图、图搜图等场景 |
| | | WeCLIPv2-Large | 10 | |
| 重排序 | 在 RAG 场景中，可通过 RAG 排序服务找到相关性更高的内容，引入排序服务可有效提升检索和大模型生成准确率，同时减少大模型成本。 | bge-reranker-large | 20 | 单个 doc 最大 514 token经典 BGE 重排序模型，通过交叉编码提升 Top-K 结果相关性，支持中文、英文，适合检索结果精排后进行问答。 |
| | | bge-reranker-v2-m3 | 20 | 单个 doc 最大 8192 token升级版 BGE 重排模型，有更大的文本长度，同时支持多语言。 |
| | | ima-post-rerank | 5 | 单个 doc 最大 4000 token腾讯 ima 自研，支持中文、英文，基于 LLM 将用户 query 与一组候选文档进行相关性打分，返回每个文档的得分（0-4分），用于检索结果重排。 |
注意：说明：
注意：LLM 服务支持一系列高性能的大语言模型，包括 DeepSeek、GLM、Kimi 等系列和自主研发的 Hy 模型，通过深度优化和精确训练，目前已具备强大的自然语言处理能力和高效的文本理解能力，结合混合搜索等先进搜索技术，快速高效实现 RAG，有效解决幻觉和知识更新问题，具体模型请参考：LLM 套餐。