UltraRAG 2.0：用极简代码构建高性能检索增强生成系统
几十行代码，实现类 Search-o1 的复杂推理流程，专注科研创新，告别工程负担。
你是否曾在构建检索增强生成（RAG）系统时，被复杂的工程实现困扰？随着 RAG 系统从简单的“检索+生成”向融合自适应知识组织、多轮推理、动态检索的复杂知识系统演进，科研人员面临的工程挑战也日益加剧。传统方法需要大量代码实现流程控制、模块集成和实验评估，不仅耗时耗力，还容易引入错误。
现在，这一切有了新的解决方案——UltraRAG 2.0。
什么是 UltraRAG 2.0？
UltraRAG 2.0（UR-2.0）是清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 与 AI9stars 联合推出的基于 Model Context Protocol (MCP) 架构设计的 RAG 框架。这一框架的革命性在于：只需编写 YAML 文件，就可以直接声明串行、循环、条件分支等复杂逻辑，极大降低了复杂 RAG 系统的技术门槛与学习成本。
想象一下，你能否用几十行代码实现类似 Search-o1 的多轮迭代检索生成流程？UltraRAG 2.0 让这成为可能。
核心亮点：为什么选择 UltraRAG 2.0？
🚀 低代码构建复杂 Pipeline
UltraRAG 2.0 原生支持串行、循环、条件分支等推理控制结构。你不需要编写复杂的程序逻辑，只需通过 YAML 文件声明执行流程，就能构建强大的迭代式 RAG 系统。
⚡ 快速复现与功能扩展
基于 MCP 架构，所有模块都被封装为独立、可复用的 Server：
-
可按需自定义 Server 或直接复用现有模块 -
每个 Server 的功能以函数级 Tool 注册，新增功能仅需添加一个函数 -
支持调用外部 MCP Server，轻松扩展 Pipeline 能力与应用场景
📊 统一评测与对比
内置标准化评测流程与指标管理，开箱即用支持 17 个主流科研 Benchmark：
-
持续集成最新基线 -
提供 Leaderboard 结果 -
方便进行系统性对比与优化实验
技术原理：MCP 架构与原生流程控制
在不同的 RAG 系统中，检索、生成等核心功能虽然相似，但由于实现策略各异，模块之间往往缺乏统一接口，难以跨项目复用。Model Context Protocol (MCP) 作为一种开放协议，规范了为大型语言模型（LLMs）提供上下文的标准方式，采用 Client–Server 架构，使遵循该协议的 Server 组件可以在不同系统间无缝复用。
UltraRAG 2.0 基于 MCP 架构，将 RAG 系统中的检索、生成、评测等核心功能抽象并封装为相互独立的 MCP Server，并通过标准化的函数级 Tool 接口实现调用。这种设计既保证了模块功能扩展的灵活性，又允许新模块以”热插拔”方式接入，无需对全局代码进行侵入式修改。
复杂 RAG 推理框架的开发具有显著挑战，而 UltraRAG 2.0 之所以能在低代码条件下支持复杂系统构建，核心在于其底层对多结构 Pipeline 流程控制的原生支持。所有控制逻辑均可在 YAML 层完成定义与调度，覆盖复杂推理任务所需的多种流程表达方式。
在实际运行中，推理流程的调度由内置 Client 执行，其逻辑完全由用户编写的外部 Pipeline YAML 脚本描述，从而实现与底层实现的解耦。开发者可以像使用编程语言关键字一样调用 loop、step 等指令，以声明的方式快速构建多阶段推理流程。
安装指南：快速开始使用 UltraRAG 2.0
环境准备
使用 Conda 创建虚拟环境：
conda create -n ultrarag python=3.11
conda activate ultrarag
通过 git 克隆项目到本地或服务器：
git clone https://github.com/OpenBMB/UltraRAG.git
cd UltraRAG
依赖安装
我们推荐使用 uv 来进行包管理，提供更快、更可靠的 Python 依赖管理体验：
pip install uv
uv pip install -e .
如果你更习惯 pip，也可以直接运行：
pip install -e .
可选依赖安装
UR-2.0 支持丰富的 Server 组件，你可根据实际任务灵活安装所需依赖：
# 如需使用 faiss 进行向量索引：
# 需要根据自己的硬件环境，手动编译安装 CPU 或 GPU 版本的 FAISS：
# CPU版本：
uv pip install faiss-cpu
# GPU 版本（示例：CUDA 12.x）
uv pip install faiss-gpu-cu12
# 如需使用 infinity_emb 进行语料库编码和索引：
uv pip install -e ."[infinity_emb]"
# 如需使用 lancedb 向量数据库：
uv pip install -e ."[lancedb]"
# 如需使用 vLLM 服务部署模型：
uv pip install -e ."[vllm]"
# 如需使用语料库文档解析功能：
uv pip install -e ."[corpus]"
# 安装所有依赖（除 faiss）
uv pip install -e ."[all]"
验证安装
运行以下命令验证安装是否成功：
# 成功运行显示'Hello, UltraRAG 2.0!' 欢迎语
ultrarag run examples/sayhello.yaml
快速上手：三步构建你的第一个 RAG 系统
UltraRAG 2.0 的使用流程极为简单，只需三个步骤：
-
编译 Pipeline 文件生成参数配置 -
修改参数文件 -
运行 Pipeline 文件
我们提供了从入门到进阶的完整教学示例，欢迎访问教程文档快速上手 UltraRAG 2.0！
常用功能目录
以下是科研中常用功能的快速导航：
全面支持：数据集、语料库与基线方法
UltraRAG 2.0 开箱即用，内置支持当前 RAG 领域最常用的公开评测数据集、大规模语料库以及典型基线方法，方便科研人员快速复现与扩展实验。
支持的数据集
UltraRAG 2.0 支持多种类型的评测数据集，覆盖了 QA、多跳 QA、多项选择、长表单 QA、事实验证、对话和槽填充等任务类型：
| 任务类型 | 数据集名称 | 原始数据数量 | 评测采样数量 |
|---|---|---|---|
| QA | NQ | 3,610 | 1,000 |
| QA | TriviaQA | 11,313 | 1,000 |
| QA | PopQA | 14,267 | 1,000 |
| QA | AmbigQA | 2,002 | 1,000 |
| QA | MarcoQA | 55,636 | 1,000 |
| QA | WebQuestions | 2,032 | 1,000 |
| Multi-hop QA | HotpotQA | 7,405 | 1,000 |
| Multi-hop QA | 2WikiMultiHopQA | 12,576 | 1,000 |
| Multi-hop QA | Musique | 2,417 | 1,000 |
| Multi-hop QA | Bamboogle | 125 | 125 |
| Multi-hop QA | StrategyQA | 2,290 | 1,000 |
| Multiple-choice | ARC | 3,548 | 1,000 |
| Multiple-choice | MMLU | 14,042 | 1,000 |
| Long-form QA | ASQA | 948 | 948 |
| Fact-verification | FEVER | 13,332 | 1,000 |
| Dialogue | WoW | 3,054 | 1,000 |
| Slot-filling | T-REx | 5,000 | 1,000 |
支持的语料库
| 语料库名称 | 文档数量 |
|---|---|
| wiki-2018 | 21,015,324 |
| wiki-2024 | 整理中，即将上线 |
完整的数据集可通过该链接访问与下载。你也可以参考数据格式说明，灵活地自定义并添加任意数据集或语料库。
支持的基线方法（持续更新）
UltraRAG 2.0 持续集成最新基线方法，方便研究者进行对比实验：
| 基线名称 | 脚本 |
|---|---|
| Vanilla LLM | examples/vanilla.yaml |
| Vanilla RAG | examples/rag.yaml |
| IRCoT | examples/IRCoT.yaml |
| IterRetGen | examples/IterRetGen.yaml |
| RankCoT | examples/RankCoT.yaml |
| R1-searcher | examples/r1_searcher.yaml |
| Search-o1 | examples/search_o1.yaml |
| Search-r1 | examples/search_r1.yaml |
| WebNote | examples/webnote.yaml |
常见问题解答
UltraRAG 2.0 适合哪些用户？
UltraRAG 2.0 特别适合以下用户群体：
-
科研人员：希望快速实现和验证新的 RAG 算法思路，而不想陷入工程细节 -
学生和初学者：想要学习 RAG 技术但被复杂实现吓退的学习者 -
工程师：需要快速原型验证和迭代 RAG 应用场景的开发人员
我需要多少编程经验才能使用 UltraRAG 2.0？
UltraRAG 2.0 的设计理念是降低使用门槛。即使你只有基本的 Python 和 YAML 知识，也能快速上手。框架通过声明式的方式让你关注于流程设计而非实现细节。
UltraRAG 2.0 的性能如何？
由于基于标准化的 MCP 架构，UltraRAG 2.0 在保持易用性的同时，不牺牲性能。模块化的设计允许每个组件独立优化，而且支持分布式部署，可以满足大规模应用的需求。
如何扩展 UltraRAG 2.0 的功能？
扩展功能非常简单：只需实现一个新的 MCP Server，注册相应的 Tool 函数，然后在 YAML 配置文件中调用即可。这种热插拔式的设计让功能扩展变得轻松且不会影响现有系统。
结语
UltraRAG 2.0 代表了 RAG 技术发展的一个新方向——通过标准化和模块化降低复杂系统的实现门槛。无论你是研究者、学生还是工程师，UltraRAG 2.0 都能帮助你更专注于算法创新和实验设计，而不是工程实现细节。
现在就开始使用 UltraRAG 2.0，体验用几十行代码构建高性能 RAG 系统的便捷吧！如果你有任何问题或建议，欢迎通过我们的社区渠道与我们联系。
