
R2R
R2R(Reason to Retrieve)은 RESTful API를 통해 멀티모달 콘텐츠 수집, 하이브리드 검색, 지식 그래프 및 포괄적인 문서 관리를 통해 프로덕션 준비 Retrieval-Augmented Generation(RAG) 기능을 제공하는 고급 AI 검색 시스템입니다.
https://github.com/SciPhi-AI/R2R?ref=aipure&utm_source=aipure

제품 정보
업데이트됨:May 9, 2025
R2R이란?
R2R은 AI 기반 문서 이해 및 검색을 향상시키기 위해 설계된 강력한 라이브러리 및 플랫폼입니다. 문서 처리, AI 기반 검색 및 생성, 분석 도구를 결합하여 조직이 효율적이고 확장 가능한 RAG 시스템을 구현하도록 돕습니다. 이 플랫폼에는 RESTful API와 Python 및 JavaScript용 SDK가 모두 포함되어 있어 개발자가 액세스할 수 있으며 사용자 인증, 액세스 제어 및 포괄적인 문서 관리와 같은 엔터프라이즈급 기능을 제공합니다.
R2R의 주요 기능
R2R(Reason to Retrieve)은 RAG(검색 증강 생성)와 RESTful API를 중심으로 구축된 프로덕션 준비 기능을 결합한 고급 AI 검색 시스템입니다. 다양한 파일 형식에 대한 멀티모달 콘텐츠 수집, 시맨틱 및 키워드 접근 방식을 결합한 하이브리드 검색, 지식 그래프 생성, 에이전트 추론, 강력한 사용자/문서 관리 기능을 제공합니다. 이 시스템에는 내부 지식 베이스와 외부 소스에서 관련 데이터를 가져와 다단계 추론을 가능하게 하는 Deep Research API가 포함되어 있습니다.
멀티모달 콘텐츠 수집: .txt, .pdf, .json, .png, .mp3를 포함한 여러 파일 형식의 구문 분석을 지원하여 다양한 콘텐츠를 지식 베이스에 통합할 수 있습니다.
하이브리드 검색 아키텍처: 상호 순위 융합을 통해 시맨틱 및 키워드 검색을 결합하여 보다 정확하고 문맥적으로 관련된 검색 결과를 제공합니다.
에이전트 RAG 시스템: 추론 에이전트를 검색 기능과 통합하여 보다 정교한 쿼리 처리 및 문맥 인식 응답을 가능하게 합니다.
지식 그래프 생성: 콘텐츠에서 엔터티와 관계를 자동으로 추출하여 더 나은 정보 이해를 위해 상호 연결된 지식 그래프를 생성합니다.
R2R의 사용 사례
엔터프라이즈 문서 관리: 조직은 R2R을 사용하여 대규모 내부 문서 및 지식 베이스 컬렉션을 관리, 검색하고 통찰력을 추출할 수 있습니다.
연구 및 분석: 연구원은 Deep Research API를 활용하여 여러 소스의 정보를 종합하고 포괄적인 분석을 생성할 수 있습니다.
고객 지원 향상: 지원 팀은 R2R을 활용하여 관련 정보를 신속하게 검색하고 고객 문의에 대한 정확한 응답을 생성할 수 있습니다.
지식 발견: 팀은 지식 그래프 및 하이브리드 검색 기능을 통해 데이터 내에서 숨겨진 연결 및 통찰력을 발견할 수 있습니다.
장점
프로덕션 준비 기능을 갖춘 포괄적인 기능 세트
유연한 배포 옵션(클라우드 기반 또는 자체 호스팅)
RESTful API를 통한 강력한 통합 기능
단점
API 키가 필요하며 자체 호스팅 버전의 경우 상당한 설정이 필요할 수 있습니다.
전체 기능을 위해 상당한 컴퓨팅 리소스가 필요할 수 있습니다.
R2R 사용 방법
R2R SDK 설치: Python용 pip(pip install r2r) 또는 JavaScript용 npm(npm i r2r-js)을 사용하여 SDK를 설치합니다.
API 키 설정: SciPhi Cloud 대시보드에서 API 키를 가져와 환경 변수로 설정합니다: export R2R_API_KEY=pk_..sk_...
클라이언트 초기화: R2R 클라이언트 인스턴스 생성 - Python: from r2r import R2RClient; client = R2RClient() 또는 JavaScript: const { r2rClient } = require('r2r-js'); const client = new r2rClient()
문서 수집: client.documents.create(file_path='/path/to/file')를 사용하여 문서를 업로드하거나 client.documents.create_sample(hi_res=True)로 샘플 문서를 사용합니다.
문서 목록: client.documents.list()를 사용하여 업로드된 문서를 봅니다.
기본 검색: results = client.retrieval.search(query='여기에 검색 쿼리 입력')로 기본 검색을 수행합니다.
인용이 포함된 RAG: response = client.retrieval.rag(query='여기에 질문 입력')를 사용하여 인용이 포함된 응답을 받습니다.
에이전트 추론: response = client.retrieval.agent(message={'role':'user', 'content': '여기에 복잡한 쿼리 입력'}, rag_generation_config={구성 매개변수})를 사용하여 고급 추론을 사용합니다.
상태 모니터링: 대시보드 또는 API 엔드포인트를 통해 문서 처리 상태를 확인하고 문서를 관리합니다.
추가 기능 액세스: 제공된 API 엔드포인트 및 r2r-docs.sciphi.ai의 문서를 통해 하이브리드 검색, 지식 그래프 및 멀티모달 콘텐츠 수집을 탐색합니다.
R2R 자주 묻는 질문
R2R(Reason to Retrieve)은 프로덕션 준비 기능을 갖춘 검색 증강 생성(RAG)을 지원하는 고급 AI 검색 시스템입니다. RESTful API를 기반으로 구축되었으며 멀티모달 콘텐츠 수집, 하이브리드 검색, 지식 그래프 및 포괄적인 문서 관리를 제공합니다.