요약

R2R은 RESTful API 기반의 고급 AI 검색 시스템으로, 프로덕션 환경에 최적화된 Retrieval-Augmented Generation (RAG) 기능을 제공합니다. 단순 검색을 넘어 멀티모달 콘텐츠 수집(Ingestion), 하이브리드 검색(Hybrid Search), 지식 그래프(Knowledge Graphs), 그리고 복잡한 추론이 가능한 에이전트형 RAG (Agentic RAG)까지 지원합니다. 개발자는 이 프레임워크를 통해 기업용 수준의 문맥 인식 답변 시스템을 쉽게 구축할 수 있습니다.

핵심 포인트

R2R은 RESTful API를 중심으로 설계되어, 다양한 언어(Python/JavaScript)에서 접근 가능한 표준화된 인터페이스를 제공합니다.
단순 검색(`client.retrieval.search`)부터 인용 기반 RAG (`client.retrieval.rag`), 그리고 시장 및 사회적 함의까지 고려하는 Deep Research Agentic RAG까지 지원합니다.
멀티모달(텍스트, PDF, JSON, PNG, MP3 등) 콘텐츠 수집을 자동화하며, 하이브리드 검색과 지식 그래프 생성을 통해 검색 정확도를 극대화합니다.
사용자 및 접근 권한 관리(User & Access Management) 기능을 내장하여 엔터프라이즈급 보안 및 운영 환경에 적합합니다.

Show HN: R2R – 프로덕션급 RAG를 위한 오픈 소스 프레임워크

가장 진보된 AI 검색 시스템입니다.
RESTful API를 갖춘 에이전트형 검색 증강 생성(Agentic Retrieval-Augmented Generation, RAG).

R2R은 프로덕션 환경에서 사용할 수 있는 기능들을 지원하는 고급 AI 검색 시스템으로, 검색 증강 생성(RAG)을 구현합니다. RESTful API를 중심으로 구축된 R2R은 멀티모달 콘텐츠 수집(multimodal content ingestion), 하이브리드 검색(hybrid search), 지식 그래프(knowledge graphs), 그리고 포괄적인 문서 관리 기능을 제공합니다.

R2R에는 또한 Deep Research API가 포함되어 있는데, 이는 복잡한 질의에 대해 지식 기반 및/또는 인터넷에서 관련 데이터를 가져와 더 풍부하고 문맥을 이해하는 답변을 제공하는 다단계 추론 시스템입니다.

기본 검색 (Basic search)

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

인용 기반 RAG (RAG with citations)

response = client.retrieval.rag(query="What is DeepSeek R1?")

Deep Research RAG 에이전트 (Deep Research RAG Agent)

response = client.retrieval.agent(
message={\

AI 자동 생성 콘텐츠

원문 바로가기

Show HN: R2R – 프로덕션급 RAG를 위한 오픈 소스 프레임워크

요약

핵심 포인트

Show HN: R2R – 프로덕션급 RAG를 위한 오픈 소스 프레임워크

기본 검색 (Basic search)

인용 기반 RAG (RAG with citations)

Deep Research RAG 에이전트 (Deep Research RAG Agent)

댓글

Show HN: R2R – 프로덕션급 RAG를 위한 오픈 소스 프레임워크

기본 검색 (Basic search)

인용 기반 RAG (RAG with citations)

Deep Research RAG 에이전트 (Deep Research RAG Agent)