一键部署生产级智能检索，让 RAG 应用开箱即用
R2R 是一个面向生产环境的 AI 检索系统，专注于智能体检索增强生成（Agentic RAG）。它解决了传统 RAG 系统在部署和集成上的痛点，将文档摄取、分块、嵌入、向量存储、重排序、检索和生成等全流程封装为统一的 RESTful API，并支持多模态数据（文本、图像、音频等）的解析与检索。核心能力包括：端到端的 RAG 流水线编排、基于知识图谱的混合搜索（关键词+向量）、可配置的评估与优化机制、以及支持多智能体协作的 Agentic RAG 功能。系统采用模块化设计，支持自定义嵌入模型、向量数据库和重排序器，并提供了 Python 和 TypeScript 客户端 SDK，方便开发者快速集成。其目标是成为生产级 RAG 应用的事实标准，降低企业构建智能搜索和问答系统的门槛。
1安装 R2R
通过 pip 安装 R2R 包，这是 README 给出的 quick install 方式。
pip install r2r2配置 API 密钥
设置 OPENAI_API_KEY 环境变量；示例中的 sk-... 需换成你自己的真实密钥。
export OPENAI_API_KEY=sk-...3启动轻量服务
以 light 模式启动 R2R 服务，执行后保持终端运行以查看日志。
python -m r2r.serve4全模式 Docker 启动
用 compose.full.yaml 的 postgres profile 启动完整模式，需在该文件所在目录执行。
docker compose -f compose.full.yaml --profile postgres up -d| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | OpenAI 接口密钥，供模型调用使用 | sk-xxxxxxxxxxxxxxxx |
执行 python -m r2r.serve 后终端持续输出服务日志且无报错；Docker 模式下容器保持运行即为成功。
Q：不用 OpenAI 可以吗？
A：README 只示范了 OPENAI_API_KEY，其他模型与嵌入方案未给出，需查阅官方 self-hosting 文档。
Q：light 模式和 full 模式有什么区别？
A：README 仅说明 light 模式用 pip 直接运行、full 模式用 Docker 加 postgres profile，细节见官方自托管文档。
Q：服务监听哪个端口？
A：README 未给出默认端口或访问地址，请参考官方 self-hosting 文档确认。
Q：TypeScript SDK 怎么安装？
A：README 只给出 Python SDK 的 pip install r2r，未提供 TS 安装命令。
LangChain、LlamaIndex、Haystack
R2R 是搜索知识领域的开源项目，由 SciPhi-AI 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（8,001）位列前 6%，在搜索知识分类的 585 个项目里位列前 8%。
近 41 天，它的 GitHub 星标从 7,958 增加到 8,001，净增 43。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。MIT许可证，可自行部署，完全免费。
它主要面向的使用场景是：企业知识库智能问答系统。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。
上一篇：deep-searcher
下一篇：vespa
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···