R2R V2：生产级开源 RAG 引擎

最先进的 AI 检索系统。通过 RESTful API 提供 Agentic Retrieval-Augmented Generation（RAG）。

通过 RESTful API 提供 Agentic Retrieval-Augmented Generation（RAG）。

R2R 是一套先进的 AI 检索系统，支持 Retrieval-Augmented Generation（RAG），并具备可用于生产环境的功能。R2R 围绕 RESTful API 构建，提供多模态内容摄取、混合搜索、知识图谱和全面的文档管理能力。

R2R 还提供 Deep Research API。这是一套多步骤推理系统，能够从你的知识库和/或互联网中获取相关数据，针对复杂查询给出信息更丰富、更具上下文感知能力的回答。

# Basic search
results = client.retrieval.search(query="What is DeepSeek R1?")

# RAG with citations
response = client.retrieval.rag(query="What is DeepSeek R1?")

# Deep Research RAG Agent
response = client.retrieval.agent(
  message={"role":"user", "content": "What does deepseek r1 imply? Think about market, societal implications, and more."},
  rag_generation_config={
    "model": "anthropic/claude-3-7-sonnet-20250219",
    "extended_thinking": True,
    "thinking_budget": 4096,
    "temperature": 1,
    "top_p": None,
    "max_tokens_to_sample": 16000,
  },
)

# Quick install and run in light mode
pip install r2r
export OPENAI_API_KEY=sk-...
python -m r2r.serve

# Or run in full mode with Docker
# git clone git@github.com:SciPhi-AI/R2R.git && cd R2R
# export R2R_CONFIG_NAME=full OPENAI_API_KEY=sk-...
# docker compose -f compose.full.yaml --profile postgres up -d

详细的自托管说明请参阅自托管文档。

1. 安装 SDK 并完成设置

# Install SDK
pip install r2r  # Python
# or
npm i r2r-js    # JavaScript

2. 初始化 Client

from r2r import R2RClient
client = R2RClient(base_url="http://localhost:7272")

const { r2rClient } = require('r2r-js');
const client = new r2rClient("http://localhost:7272");

3. 文档操作

# Ingest sample or your own document
client.documents.create(file_path="/path/to/file")

# List documents
client.documents.list()

📁 多模态摄取：解析 .txt、.pdf、.json、.png、.mp3 等格式

🔍 混合搜索：结合语义搜索与关键词搜索，并使用倒数排名融合

🔗 知识图谱：自动提取实体及其关系

🤖 Agentic RAG：与检索能力集成的推理 Agent

🔐 用户与访问管理：完整的身份认证与 Collection 系统

社区与贡献

加入我们的 Discord，获取支持并参与讨论。

提交功能请求或错误报告。

针对新功能、功能改进或文档提交 PR。