返回 AI 工具目录
R2R
开发框架人工精选最近核验 2026年7月23日
R2R 是 SciPhi 开源的检索系统,面向生产环境把文档管理与检索增强生成(RAG)整合在一起。它支持多模态摄取(文本、PDF、JSON、图像、音频),提供语义与关键词结合的混合检索,并能自动抽取实体与关系构建知识图谱;在此之上提供带推理的 Agentic RAG 与多步推理的 Deep Research API,同时内置用户与权限、文档管理等基础设施。以 RESTful API 为主要接口,配套 Python、JavaScript SDK,可用 pip 轻量安装或 Docker 加 PostgreSQL 完整部署并自托管。定位是可自建、可扩展的企业级 RAG 与检索后端,而非单一的向量数据库或前端问答应用。
定价开源部署自托管、API 接入、本地运行国内可达国内可达性待核验许可MIT
解决什么问题
- 企业知识库缺少可自建的生产级 RAG 后端
- 多格式文档摄取与统一检索工作量大
- 纯向量检索召回不足,需要混合检索
- 需要在检索之上叠加实体关系与推理
适合
- 自建企业知识库问答与检索服务
- 需要混合检索加知识图谱的 RAG 场景
- 用 API 或 SDK 把检索能力嵌入自有系统
- 要求权限管理与文档治理的部署
不适合
- 完整部署依赖 Docker 与 PostgreSQL,有运维成本
- 属后端框架,不含成品前端问答界面
- 效果依赖所接入的嵌入与生成模型质量
- 轻量 pip 模式功能少于完整 Docker 模式
如何接入
- 通过 RESTful API 对接自有应用
- 提供 Python、JavaScript SDK
- Docker 加 PostgreSQL 完整自托管
- pip 轻量模式用于快速试用
已知限制
- 自托管需自备向量化与生成模型能力
- 部署与配置有一定复杂度
- 调用境外模型 API 时涉及数据出域
- 检索质量随语料与模型而变,需评估
接入与使用事实
- 部署方式
- 自托管、API 接入、本地运行
- 实现语言
- Python、TypeScript
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- MIT
- 国内可达性
- 国内可达性待核验
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。