update: readme 2.1 (#134)

Author: mssssss123

README.md

@@ -12,8 +12,6 @@
 
 <p align="center">
 | 
-<a href="https://openbmb.github.io/UltraRAG"><b>项目主页</b></a> 
-| 
 <a href="https://ultrarag.openbmb.cn"><b>教程文档</b></a> 
 | 
 <a href="https://github.com/OpenBMB/UltraRAG/tree/rag-paper-daily/rag-paper-daily"><b>每日论文</b></a> 
@@ -28,12 +26,12 @@
 
 *更新日志* 🔥
 
-- [2025.10.22] 🎉 UltraRAG 2.1 正式发布：RAG Servers 全面升级——重构文档解析与知识库构建流程，强化多模态 RAG 能力，支持更多后端框架。
-- [2025.09.23] 新增每日 RAG 论文分享，每日更新最新前沿 RAG 工作 👉 |[📖 论文](https://github.com/OpenBMB/UltraRAG/tree/rag-paper-daily/rag-paper-daily)|
+- [2025.11.11] 🎉 UltraRAG 2.1 更新：强化知识接入与多模态支持，完善统一评估体系！
 
 <details>
 <summary>历史更新</summary>
 
+- [2025.09.23] 新增每日 RAG 论文分享，每日更新最新前沿 RAG 工作 👉 |[📖 论文](https://github.com/OpenBMB/UltraRAG/tree/rag-paper-daily/rag-paper-daily)|
 - [2025.09.09] 发布轻量级 DeepResearch Pipeline 本地搭建教程 👉 |[📺 bilibili](https://www.bilibili.com/video/BV1p8JfziEwM/?spm_id_from=333.337.search-card.all.click)|[📖 博客](https://github.com/OpenBMB/UltraRAG/blob/page/project/blog/cn/01_build_light_deepresearch.md)|
 - [2025.09.01] 发布 UltraRAG 安装与完整 RAG 跑通视频 👉 |[📺 bilibili](https://www.bilibili.com/video/BV1B9apz4E7K/?share_source=copy_web&vd_source=7035ae721e76c8149fb74ea7a2432710)|[📖 博客](https://github.com/OpenBMB/UltraRAG/blob/page/project/blog/cn/00_Installing_and_Running_RAG.md)|
 - [2025.08.28] 🎉 发布 UltraRAG 2.0！UltraRAG 2.0 全新升级：几十行代码实现高性能 RAG，让科研专注思想创新！
@@ -43,51 +41,63 @@
 
 ---
 
-## UltraRAG 2.0：面向科研的“RAG实验”加速器 
+## UltraRAG v2：面向科研的“RAG实验”加速器 
 
-检索增强生成系统（RAG）正从早期“检索+生成”的简单拼接，走向融合 **自适应知识组织**、**多轮推理**、**动态检索** 的复杂知识系统（典型代表如 *DeepResearch*、*Search-o1*）。但这种复杂度的提升，使科研人员在 **方法复现**、**快速迭代新想法** 时，面临着高昂的工程实现成本。
+检索增强生成系统（RAG）正从早期“检索+生成”的简单拼接，走向融合 **自适应知识组织**、**多轮推理**、**动态检索** 的复杂知识系统。但这种复杂度的提升，使科研人员在 **方法复现**、**快速迭代新想法** 时，面临着高昂的工程实现成本。
 
-为了解决这一痛点，清华大学 [THUNLP](https://nlp.csai.tsinghua.edu.cn/) 实验室、东北大学 [NEUIR](https://neuir.github.io) 实验室、[OpenBMB](https://www.openbmb.cn/home) 与 [AI9stars](https://github.com/AI9Stars) 联合推出 UltraRAG 2.0 （UR-2.0）—— 首个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/docs/getting-started/intro) 架构设计的 RAG 框架。这一设计让科研人员只需编写 YAML 文件，就可以直接声明串行、循环、条件分支等复杂逻辑，从而以极低的代码量快速实现多阶段推理系统。
+为了解决这一痛点，清华大学 [THUNLP](https://nlp.csai.tsinghua.edu.cn/) 实验室、东北大学 [NEUIR](https://neuir.github.io) 实验室、[OpenBMB](https://www.openbmb.cn/home) 与 [AI9stars](https://github.com/AI9Stars) 联合推出 UltraRAG v2 —— 首个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/docs/getting-started/intro) 架构设计的 RAG 框架。这一设计让科研人员只需编写 YAML 文件，就可以直接声明串行、循环、条件分支等复杂逻辑，从而以极低的代码量快速实现多阶段推理系统。
 
 其核心思路是：
 - 组件化封装：将RAG 的核心组件封装为**标准化的独立 MCP Server**；
 - 灵活调用与扩展：提供 **函数级 Tool** 接口，支持功能的灵活调用与扩展；
 - 轻量流程编排：借助 **MCP Client**，建立自上而下的简洁化链路搭建；
 
-与传统框架相比，UltraRAG 2.0 显著降低了复杂 RAG 系统的 **技术门槛与学习成本**，让研究者能够将更多精力投入到 **实验设计与算法创新** 上，而不是陷入冗长的工程实现。
+与传统框架相比，UltraRAG v2 显著降低了复杂 RAG 系统的 **技术门槛与学习成本**，让研究者能够将更多精力投入到 **实验设计与算法创新** 上，而不是陷入冗长的工程实现。
 
 ## 🌟 核心亮点
 
 - 🚀 **低代码构建复杂 Pipeline**  
-  原生支持 **串行、循环、条件分支** 等推理控制结构。开发者只需编写 YAML 文件，即可实现几十行代码构建的 **迭代式 RAG 流程**（如 *Search-o1* 等）。  
+  - 原生支持 **串行、循环、条件分支** 等推理控制结构。开发者只需编写 YAML 文件，即可实现几十行代码构建的 **迭代式 RAG 流程**。  
+
+- 🖼️ **原生多模态支持：检索、生成、评估一体化**
+	- 统一检索、生成与评估，构建真正意义上的 多模态 RAG 全链路；
+	- 实现从 本地 PDF 建库 → 多模态检索 → 多模态生成 的闭环流程，显著提升复杂文档场景下的理解与问答能力。
 
 - ⚡ **快速复现与功能扩展**  
   基于 **MCP 架构**，所有模块均封装为独立、可复用的 **Server**。  
   - 用户可按需自定义 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即可接入完整流程；  
-  - 同时支持调用 **外部 MCP Server**，轻松扩展 Pipeline 能力与应用场景。  
+  - 同时支持调用 **外部 MCP Server**，轻松扩展 Pipeline 能力与应用场景。 
+
+- 📚 **知识接入与语料构建自动化**
+	- 支持 PDF、Markdown、HTML、TXT 等多格式文档解析与分块建库；
+	- 与 MinerU 无缝集成，自动完成结构化抽取、多模态切块（文本/表格/图片）；
+	- 一键构建个人化与企业级知识库，适用于科研、企业文档、私有知识管理等场景。
+
+- 🔗 统一构建与评估的 RAG 工作流
+	- 同时适配多种检索引擎与多种生成推理后端；
+	- 内置标准化评估体系，支持全链路可视化调试与结果分析；
 
 - 📊 **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。  
+  内置 **标准化评测流程与指标管理**，开箱即用支持多个主流科研 Benchmark。  
   - 持续集成最新基线；  
-  - 提供 Leaderboard 结果；  
   - 方便科研人员进行系统性对比与优化实验。  
 
 ## 秘诀：MCP 架构与原生流程控制
 
 在不同的 RAG 系统中，检索、生成等核心能力在功能上具有高度相似性，但由于开发者实现策略各异，模块之间往往缺乏统一接口，难以跨项目复用。[Model Context Protocol (MCP)](https://modelcontextprotocol.io/docs/getting-started/intro) 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，并采用 **Client–Server** 架构，使得遵循该协议开发的 Server 组件可以在不同系统间无缝复用。
 
-受此启发，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。这一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”的方式接入，无需对全局代码进行侵入式修改。在科研场景中，这种架构让研究者能够以极低的代码量快速适配新的模型或算法，同时保持整体系统的稳定性与一致性。
+受此启发，UltraRAG v2 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。这一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”的方式接入，无需对全局代码进行侵入式修改。在科研场景中，这种架构让研究者能够以极低的代码量快速适配新的模型或算法，同时保持整体系统的稳定性与一致性。
 
 <p align="center">
   <picture>
     <img alt="UltraRAG" src="./docs/architecture.png" width=90%>
   </picture>
 </p>
 
-复杂 RAG 推理框架的开发具有显著挑战，而 UltraRAG 2.0 之所以能够在**低代码**条件下支持复杂系统的构建，核心在于其底层对多结构 **Pipeline 流程控制**的原生支持。无论是串行、循环还是条件分支，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** 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。
+复杂 RAG 推理框架的开发具有显著挑战，而 UltraRAG v2 之所以能够在**低代码**条件下支持复杂系统的构建，核心在于其底层对多结构 **Pipeline 流程控制**的原生支持。无论是串行、循环还是条件分支，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** 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。
 
-通过将 **MCP 架构** 与 **原生流程控制**深度融合，UltraRAG 2.0 让复杂 RAG 系统的搭建像“编排流程”一样自然高效。此外，框架内置 17 个主流 benchmark 任务与多种高质量 baseline，配合统一的评测体系与知识库支持，进一步提升了系统开发的效率与实验的可复现性。
+通过将 **MCP 架构** 与 **原生流程控制**深度融合，UltraRAG v2 让复杂 RAG 系统的搭建像“编排流程”一样自然高效。此外，框架内置多个主流 benchmark 任务与多种高质量 baseline，配合统一的评测体系与知识库支持，进一步提升了系统开发的效率与实验的可复现性。
 
 ## 安装
 
@@ -125,7 +135,7 @@ ultrarag run examples/sayhello.yaml
 ```
 
 
-【可选】UR-2.0支持丰富的Server组件，开发者可根据实际任务灵活安装所需依赖：
+【可选】UltraRAG v2 支持丰富的Server组件，开发者可根据实际任务灵活安装所需依赖：
 
 ```shell
 # Retriever/Reranker Server依赖：
@@ -224,13 +234,13 @@ ultrarag run examples/sayhello.yaml
 ## 快速开始
 
 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](https://ultrarag.openbmb.cn
-)快速上手 UltraRAG 2.0！
+)快速上手 UltraRAG v2！
 
 阅读[快速开始](https://ultrarag.openbmb.cn/pages/cn/getting_started/quick_start)，了解如何基于 UltraRAG 运行一个完整的 RAG Pipeline。
 
 ## 支持
 
-UltraRAG 2.0 开箱即用，已在 [ModelScope](https://modelscope.cn/datasets/UltraRAG/UltraRAG_Benchmark) 和 [Huggingface](https://huggingface.co/datasets/UltraRAG/UltraRAG_Benchmark) 上同步发布当前 RAG 领域最常用的 **公开评测数据集**以及**大规模语料库**。
+UltraRAG v2 开箱即用，已在 [ModelScope](https://modelscope.cn/datasets/UltraRAG/UltraRAG_Benchmark) 和 [Huggingface](https://huggingface.co/datasets/UltraRAG/UltraRAG_Benchmark) 上同步发布当前 RAG 领域最常用的 **公开评测数据集**以及**大规模语料库**。
 用户可直接下载使用，无需额外清洗或转换，即可与 UltraRAG 的评测管线无缝对接。除此之外还可以参考[数据格式说明](https://ultrarag.openbmb.cn/pages/cn/develop_guide/dataset)，灵活地自定义并添加任意数据集或语料库。
 
 ### 1. 支持的数据集
@@ -290,6 +300,8 @@ UltraRAG 2.0 开箱即用，已在 [ModelScope](https://modelscope.cn/datasets/U
 | [R1-searcher](https://arxiv.org/abs/2503.05592)   | examples/r1_searcher.yaml     |
 | [Search-o1](https://arxiv.org/abs/2501.05366)   | examples/search_o1.yaml   |
 | [Search-r1](https://arxiv.org/abs/2503.09516)   | examples/search_r1.yaml     |
+| [VisRAG](https://arxiv.org/abs/2410.10594)   | examples/visrag.yaml     |
+| [VisRAG 2.0](https://arxiv.org/abs/2510.09733)   | examples/evisrag.yaml     |
 
 ## 贡献