R2R
SciPhi AI · Programación · Productividad
R2R es un sistema de recuperación con IA de código abierto creado por SciPhi AI que convierte tus documentos en una base de conocimiento consultable con búsqueda híbrida, grafos de conocimiento y una API RAG agéntica.
Acerca de R2R
About
Qué es R2R
R2R (Reason to Retrieve) es un motor de generación aumentada por recuperación listo para producción, desarrollado por SciPhi AI. Es un framework RAG que resuelve el problema de buscar respuestas dentro de tus propios documentos. La generación aumentada por recuperación consiste en extraer los pasajes adecuados de tus archivos y dejar que un modelo responda a partir de ellos. R2R se queda con la parte engorrosa de ese proceso, el análisis de documentos, la fragmentación, los embeddings, la recuperación y la respuesta fundamentada, y la coloca detrás de una única API REST. Tú le indicas dónde están tus archivos y él hace el resto.
La herramienta está pensada para equipos que quieren buscar en conocimiento privado sin montar infraestructura desde cero. Admite formatos habituales como texto, PDF y JSON, además de imágenes y audio, y luego te deja preguntar sobre ese material con citas en cada respuesta.
R2R es software libre bajo licencia MIT, así que puedes desplegar un servicio RAG autoalojado en tu propio hardware o en Docker. Eso importa cuando tus documentos contienen datos que no puedes enviar a un servicio de terceros.
Cómo empezar
- Instala el SDK con
pip install r2rpara Python onpm i r2r-jspara JavaScript. - Arranca el servidor en local con
python -m r2r.serve, o levanta la pila completa de Docker condocker compose -f compose.full.yaml --profile postgres up -d. - Crea documentos desde el cliente, por ejemplo
client.documents.create(file_path="/path/to/file"), para lanzar la ingesta. - Haz una consulta con
client.retrieval.search(query="...")o pide una respuesta con citas medianteclient.retrieval.rag(query="..."). - Para preguntas complejas, llama al endpoint del agente con
client.retrieval.agent(...)y deja que el razonamiento planifique sus propias búsquedas.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de R2R.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores que montan un asistente sobre una base de conocimiento
- Equipos pequeños con documentos delicados
- Investigadores que prototipan una idea de GraphRAG
Tareas
- Preguntar sobre una biblioteca de documentos variada
- Construir respuestas con citas para una búsqueda interna
- Enlazar la recuperación con un flujo de agentes
Casos de uso
- Levantar un servicio privado de preguntas y respuestas sobre hardware propio
- Alimentar un bot de atención al cliente que cita sus fuentes
- Explorar relaciones en un archivo grande
Funciones clave
Ingesta multimodal
R2R analiza .txt, .pdf, .json, .png, .mp3 y más formatos con un solo flujo. El audio se transcribe y los enlaces web se rastrean, así que no escribes un preprocesador distinto para cada tipo de archivo. Sueltas los archivos y el sistema se encarga del análisis, la fragmentación y la indexación.
Búsqueda híbrida
La recuperación combina similitud vectorial y coincidencia por palabras clave mediante fusión de rangos recíprocos. La búsqueda semántica atrapa las paráfrasis, la de palabras clave atrapa los términos exactos, y la mezcla se queda con la señal más fuerte para esa consulta. Así se reducen tanto los aciertos que se pierden con vectores puros como los puntos ciegos de las palabras clave solas.
Grafos de conocimiento
Durante la ingesta, R2R extrae entidades y relaciones para construir un grafo junto a tus vectores. Puedes aplicar detección de comunidades para localizar grupos temáticos y recorrer relaciones, por ejemplo para encontrar todas las entidades ligadas a una empresa concreta. Los grafos quedan aislados por colección, lo que mantiene separados a los distintos inquilinos.
RAG agéntico y Deep Research API
El modo agente va más allá del clásico recuperar y generar, y planifica varios pasos. Decide cuándo buscar más contexto, puede salir de tu base de conocimiento y puede asignar más presupuesto de razonamiento a un modelo. Cada respuesta lleva citas, así que puedes seguir cómo llegó a una conclusión.
Gestión de usuarios y colecciones
La autenticación integrada y un sistema de colecciones cubren el acceso multiusuario. Las colecciones aíslan documentos y grafos, así que cada equipo o cliente ve solo su propio material. El control de acceso se aplica en la propia API.
API REST con SDK para Python y JavaScript
Todas las funciones se exponen mediante una API REST documentada, con clientes oficiales para Python y JavaScript. Puedes conectar R2R a una aplicación existente sin adoptar un framework nuevo, y la configuración vive en un solo archivo.
Ventajas y desventajas
Ventajas
- Código abierto bajo licencia MIT, así que puedes revisarlo, modificarlo y autoalojarlo sin quedarte atado a un proveedor.
- Las funciones de producción vienen de serie, con autenticación, colecciones y observabilidad, lo que ahorra meses de trabajo en el backend.
- La búsqueda híbrida y los grafos de conocimiento juntos cubren tanto las consultas por término exacto como las basadas en relaciones.
- Los SDK oficiales de Python y JavaScript hacen que la integración sea directa en la mayoría de pilas de aplicación.
Desventajas
- Autoalojarlo implica que tú te ocupas del despliegue, las actualizaciones y el escalado, y eso es trabajo real para equipos sin experiencia en infraestructura.
- El modo completo necesita Docker, PostgreSQL y una clave de la API de OpenAI, así que la instalación ligera se queda corta para pruebas rápidas.
- La web de documentación ha sido inestable, lo que puede ralentizar la resolución de problemas hasta dar con referencias actualizadas.
Preguntas frecuentes
R2R monta una búsqueda y un sistema de preguntas y respuestas privados sobre tus propios archivos. Se ocupa de la ingesta, la recuperación y la generación de respuestas fundamentadas, así que puedes lanzar un asistente de conocimiento sin armar tú mismo el flujo.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con R2R.
Alternativas a R2R
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.