首页 > 快讯 > 清华及东北大学携手发布 UltraRAG 2.0:以50行代码构建高效检索增强生成平台

清华及东北大学携手发布 UltraRAG 2.0:以50行代码构建高效检索增强生成平台

发布时间:2025-09-02 18:02:01 | 责任编辑:张毅 | 浏览量:22 次

近日,清华大学 THUNLP 实验室、东北大学 NEUIR 实验室与 OpenBMB 及 AI9Stars 联合发布了 UltraRAG2.0,这是首个基于 Model Context Protocol(MCP)架构设计的检索增强生成(RAG)框架。
该框架致力于简化 RAG 系统的构建过程,使科研人员可以在短时间内实现复杂的多阶段推理系统。UltraRAG2.0的亮点在于用户只需通过编写 YAML 文件,即可轻松声明复杂的逻辑,如串行、循环和条件分支,从而显著减少代码量,降低实现的门槛。
在当前的 RAG 发展趋势中,许多系统逐渐融入了自适应知识组织、多轮推理及动态检索等复杂特性,代表项目包括 DeepResearch 和 Search-o1。然而,这些复杂特性也给开发者带来了高昂的工程成本,制约了新想法的快速迭代与复现。UltraRAG2.0应运而生,它通过将 RAG 的核心组件封装为独立的 MCP 服务器,实现了功能的灵活调用和扩展。
具体而言,与以往的实现方式相比,UltraRAG2.0在代码量上大幅减少。例如,经典方法 IRCoT 的官方实现需要近900行代码,而使用 UltraRAG2.0只需约50行代码就能完成同等功能。其中一半的代码是用于流程编排的 YAML 伪代码,极大降低了开发门槛。框架支持通过简洁的声明式方式来构建多阶段推理流程,使得复杂的推理逻辑不再需要冗长的手动编码。
UltraRAG2.0还支持动态检索、条件判断及多轮交互等高级功能,科研人员可以在短时间内搭建出高性能的实验平台,满足复杂多跳问题的需求。其性能较传统的 Vanilla RAG 提升约12%。该系统的设计旨在让研究者在工程实现方面节省时间和精力,将更多的注意力放在算法创新和实验设计上。
此外,UltraRAG2.0的 MCP 架构允许不同模块间的无缝复用,并支持模块的灵活扩展和接入,方便科研人员快速适配新的模型和算法。这一设计极大提升了系统开发的效率和可复现性。
项目主页:https://openbmb.github.io/UltraRAG
划重点:
🌟 UltraRAG2.0由清华与东北大学联合推出,旨在简化复杂的 RAG 系统构建过程。
🛠️ 用户通过编写 YAML 文件即可实现复杂推理逻辑,大幅降低代码量与开发门槛。
📈 相较于传统方法,UltraRAG2.0在性能上提升约12%,适用于多轮推理和动态检索等高级功能。

清华及东北大学携手发布 UltraRAG 2.0:以50行代码构建高效检索增强生成平台-项目/模型网址:
GitHub
清华及东北大学携手发布 UltraRAG 2.0:以50行代码构建高效检索增强生成平台
UltraRAG 2.0 确实是近期发布的一个重磅开源框架,由清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 与 AI9Stars 联合推出,核心亮点在于通过创新架构设计,将复杂 RAG 系统的开发门槛大幅降低。

核心亮点

  • 极简开发:基于 Model Context Protocol(MCP)架构,用户只需编写 YAML 文件即可定义复杂逻辑(如串行、循环、条件分支),实现多阶段推理系统。

  • 代码量对比:传统方法如 IRCoT 官方实现需近 900 行代码,FlashRAG 需 110 行,而 UltraRAG 2.0 仅需约 50 行代码(其中一半为 YAML 配置)。

  • 性能提升:在复杂多跳问题上,性能较传统 Vanilla RAG 提升约 12%

  • 模块化设计:核心组件(检索、生成等)被封装为独立 MCP Server,支持灵活调用与扩展,可“热插拔”新模块。

开发体验

  • 声明式编程:通过 YAML 文件定义流程,避免繁琐的手动编码,支持动态检索、多轮交互等高级功能。

  • 零门槛上手:提供 WebUI 与开箱即用的模板,零编程经验用户也能快速搭建系统。

获取资源

总的来说,UltraRAG 2.0 通过 MCP 架构与 YAML 声明式编程,将复杂 RAG 系统的开发从“工程密集型”转变为“思路驱动型”,让研究者能更专注于算法创新而非繁琐实现。

©️版权声明:
本网站(https://aigc.izzi.cn)刊载的所有内容,包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏,以及其他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯本网站及相关权利人的合法权利。除此以外,将本网站任何内容或服务用于其他用途时,须征得本网站及相关权利人的书面许可,并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容,请及时通知本站,予以删除。

最新Ai信息

最新Ai工具

热门AI推荐