需先检查API返回result中是否有relevance_score字段，仅启用“研究模式”且勾选【启用语义相关性评估】时才存在；其值0.0～1.0非线性：≥0.75为高度匹配，0.45～0.74为部分相关，＜0.45为噪声；0.0是明确无关而非缺失；再结合source_type交叉验证，如document/pdf且≥0.78优先提取，academic在0.60～0.72需人工确认，webpage＜0.55直接丢弃。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在调用秘塔AI搜索API后，快速判断返回结果中每条数据与原始查询意图的匹配程度，避免把低相关甚至无关的条目当作有效依据纳入后续分析或Agent推理链路。
先确认API返回体里有没有相关性字段
调用搜索API（非问答、非网页读取）后，检查返回JSON的每个result对象内部是否包含relevance_score或relevance字段。该字段仅在启用“研究模式”或“深入模式”且配置了相关性增强参数时才会出现；简洁模式默认不返回此值。
若未看到该字段，说明当前请求未触发相关性计算模块——需要回到API配置页，在“高级参数”中勾选【启用语义相关性评估】并重新生成脚本。
识别relevance_score数值的真实含义
relevance_score是浮点数，取值范围为0.0～1.0，但并非线性分布：0.75以上表示高度匹配用户查询意图，含直接答案或权威佐证；0.45～0.74为部分相关，可能只覆盖子问题或提供间接背景；低于0.45的结果基本可视为噪声，即使标题含关键词也大概率答非所问。
【0.0值不等于缺失，而是明确判定为无关】——它不是空值或null，是模型主动打的“排除票”，遇到必须跳过，不可用于训练样本或人工复核初筛。
结合source_type和relevance_score交叉验证
第一步：定位result数组中每个对象的source_type字段，常见值有“document”“pdf”“webpage”“academic”“video”等。
第二步：对照relevance_score做分组判断：
→ source_type为“document”或“pdf”且relevance_score ≥ 0.78：优先提取，这类结果通常来自可全文解析的原始文件，匹配稳定；
→ source_type为“academic”且relevance_score在0.60～0.72之间：需人工点开摘要页确认是否真含方法论或数据支撑，因学术库结果普遍只有题录，高分可能源于标题关键词堆砌；
→ source_type为“webpage”且relevance_score ＜ 0.55：直接丢弃，网页类结果在此分数下92%以上为营销软文或SEO套壳页，无信息密度。
