清华与东北大学联合推出 UltraRAG 2.0
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 UltraR...
