❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

1. 功能：支持多模态内容处理、混合搜索、知识图谱构建。
2. 技术：基于 RESTful API，提供 GraphRAG 聚类分析和用户管理。
3. 应用：适用于客户服务自动化、企业知识管理、智能聊天机器人等场景。

正文（附运行示例）

R2R 是什么

R2R 是一款先进的 AI 检索系统，专注于 Retrieval-Augmented Generation（增强型检索生成）。它集成了多模态内容摄取、混合搜索、知识图谱构建、GraphRAG 聚类分析、用户和文档管理等核心功能。

R2R 基于 RESTful API 提供服务，支持快速部署，用户可以通过直观的配置文件和开源 React+Next.js 管理仪表板进行交互。R2R 简化了 AI 应用的开发，提高了检索效率和准确性，适用于需要复杂数据处理和分析的生产环境。

R2R 的主要功能

• 多模态摄取：解析和处理多种格式的文件，包括文本、PDF、JSON、图片和音频等。
• 混合搜索：结合语义搜索和关键词搜索技术，基于相互融合排名提高搜索结果的相关性。
• 知识图谱：自动从数据中提取实体和关系，构建知识图谱支持更深入的数据分析。
• GraphRAG：在构建的知识图谱上进行聚类和总结，提供更丰富的洞察力。
• 用户管理：支持在 R2R 系统中高效地管理文档和用户角色。
• 可观测性：提供工具观察和分析 RAG 引擎的性能。

如何运行 R2R

1. 安装 R2R

推荐使用 CLI 安装 R2R：

pip install r2r

2. 运行 R2R

可以直接从 Python 包中运行 R2R，但需要配置额外的依赖项，如 Postgres+pgvector：

pip install 'r2r[core,ingestion-bundle]'
r2r --config-name=default serve

3. 使用 Docker 运行 R2R

R2R 也可以与 Docker 一起运行：

r2r serve --docker --full

资源

• 项目官网：https://r2r-docs.sciphi.ai
• GitHub 仓库：https://github.com/SciPhi-AI/R2R
• Discord 社区：https://discord.gg/p6KqD2kjtB
• MIT 许可证：https://opensource.org/licenses/MIT

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦