🧠 OpenRAG
OpenRAG is a RAG platform that cleans and structures a business's content, indexes it on our own server, and makes it queryable in natural language by external AI systems through a single permissioned door.
Vectors are not published; ACCESS is opened.
This is a product introduction, not a list of promises. Below, the parts that work today and the parts still on the roadmap are marked separately. No dates are promised for roadmap items; as they are completed they move into the "working today" section.
The core principle
OpenRAG's entire design rests on a single sentence: vectors are not published, access is opened. What is given to the outside is not a copy of the content, but the right to ask questions of it.
A vector is an engine, not a product
A vector is specific to the model that produced it; another AI cannot consume it as-is. It also inflates the text many times over. That is why vectors are never handed out.
What is opened is query access
A question comes in; an answer and the source passages it rests on go back out. The full content is never copied, distributed or downloaded.
Permission belongs to the business
The business decides which content becomes externally queryable; participation is opt-in. The permission and consent layer is on the roadmap.
How it works — target architecture
The cleaning, structuring, indexing and search links of this flow work today. Self-hosted embedding with reranking, and the single door to the outside world, are still on the roadmap; each step below states which is which.
Sources are collected
xloji sites, uploaded documents and crawled web pages are the content sources. (A WordPress plugin and a public ingestion API are on the roadmap.)
It is cleaned and structured
Messy content is cleaned, split into meaningful chunks and brought into a form RAG can use. This step works today.
It is indexed and searched
Chunks are turned into vectors and written to pgvector; they are found via an HNSW index and hybrid search (keyword + vector). This step works today; adding the reranking link is on the roadmap.
It is reached through a single door
External AI systems ask in natural language through a single permissioned door; answers and source passages come back, not the vectors themselves. This door does not exist yet; it is on the roadmap.
Parts that work todayLive
The following are running on the platform today and are already used by the AI tools on xloji.com.
pgvector + HNSW index
Content chunks are stored as vectors in the database and searched with an HNSW index over cosine similarity.
Hybrid search
Keyword search and vector search run together; the two result lists are fused into a single ranking. This finds both exact term matches and semantically close passages.
Multi-tenant isolation
Every business, site and author has its own RAG. A query runs only against its own tenant's index; data never mixes across tenants.
Document cleaning and RAG structuring
Uploaded documents are cleaned, chunked and structured for RAG. The Data Structuring tool on the platform is the user-facing face of this pipeline.
Web crawling
A site's pages are crawled, their content is extracted and passed through the same cleaning and indexing pipeline.
Public RAG feed in custom AI tools
A custom AI tool you create can be fed from a public RAG source; the tool grounds its answers in that knowledge base.
File and media storage
Files and media live in object storage — not in the vector store. The RAG record points back to the original file.
Öz serverlərimizdə yerləşdirmə və yenidən sıralama
Yerləşdirmə və yenidən sıralama indi ayrı bir xidmət olaraq öz serverlərimizdə həyata keçirilir. Mətin serverdən çıxmadan vektorlara çevrilir və namizəd nəticələr dəqiqliyi artırmaq üçün yerli yenidən sıralayıcıdan keçir.
Sualın yenidən yazılması
Aydın olmayan və ya tam olmayan bir sual axtarış başlamazdan əvvəl düzəldilir. İstifadəçilər "doğru" sualı ifadə etməli deyillər; sistem sualı axtarışa hazır vəziyyətə gətirir.
Şəkillərdən, audiodan və videodan alınan mətin
Şəkillərdən mətin çıxarılması və audio və videonun transkripsiyası serverdə yerli alətlərlə həyata keçirilir və nəticədə əldə edilən mətin eyni təmizləmə və indeksləşdirmə xəttinə daxil olur. Məlumatlar serverdən çıxılmaz.
What is on the roadmapPlanned
The following do not exist yet. They are planned and designed items; this page does not present them as if they were already built.
The single door: MCP / API gateway
A single gateway that external AI systems can query in natural language. An AI that connects once reaches every participating business through the same door.
İcazə və razılıq layihəsi
Businesses join by their own choice; authentication, key management, rate limiting and abuse protection all live in this layer.
Səbəbiyyət layihəsi
Making content machine-discoverable via llms.txt, /.well-known/ and schema.org markup, plus registration in MCP registries. There is no magical auto-discovery; visibility is built this way.
WordPress plugin
A plugin that lets a WordPress site send its content to OpenRAG and get back an endpoint that AI systems can query.
We do not give dates for these items. When an item is finished it moves up into the "parts that work today" list, and this page is updated accordingly.
🔒 Data does not leave the server
OpenRAG's goal is to run every step of the RAG pipeline on our own server with local, free tools: embedding, reranking, text extraction from images and audio transcription. No media entering RAG is sent to an external service — this is a non-negotiable design rule.
The honest status: some of these steps are still performed by external services today. Moving them in-house is the first item on the roadmap.
How growth is planned
Vector search gets more expensive as content grows. OpenRAG's design limits that cost from the start in three ways.
There is no single giant index
Each business has its own small index and a query runs only against that index. Even as total content grows, the area a single query scans stays small; search cost scales with that one business's size, not with the platform's total.
Vector size and precision are adjustable
Using shorter vector dimensions and more compact number formats, the same content takes up markedly less space. These choices are built into the design from the start so that no expensive migration is needed later.
Cold tier
The index of a business that has not been queried for a long time is moved to cheap persistent storage and pulled back when a query arrives for it. That way only currently active content stays in fast memory. This tier is on the roadmap.
Frequently Asked Questions
What exactly is OpenRAG?
It is a RAG platform that cleans and structures a business's content, indexes it on our own server, and makes it queryable in natural language by external AI systems through a single permissioned door. It is not a chat tool; it is the knowledge layer that runs underneath such tools.
Do you hand my vectors or my content to anyone else?
No. The core principle is: vectors are not published, access is opened. What goes outside is not a copy of the content but the right to ask it questions; only the supporting passages come back with the answer. On top of that, the business decides which content becomes externally queryable.
What can actually be used today?
Vektor bazası və indeksi, hibrid axtarış, çoxicarəli təcrid, sənəd təmizləməsi və RAG strukturlaşdırılması, veb tarayıcısı, xüsusi AI alətlərindəki ictimai RAG lentəsi və fayl/media saxlancası hazırda işləyir. Özünə qonaq edilmiş embedding, yenidən sıralama, sorğu yenidən yazılması, xarici qapı, icazə təbəqəsi, görünürlük təbəqəsi və WordPress plugin hələ mövcud deyil.
Məlumatlarım serverdən çıxır?
Hər bir RAG kəmərinin addımı serverdəki yerli alətlərlə, heç bir medianın RAG-a daxil edilmədən xarici xidmətə göndərilmədən çalışması məqsəddir. Əsl vəziyyət: bu addımların bir qismi bu gün xarici xidmətlər tərəfindən həyata keçirilir və onları daxiliyə köçürmək yol xəritəsindəki birinci maddədir.
Yol xəritəsindəki funksiyalar nə zaman hazır olacaq?
Biz tarixlərə vəd vermirik. Bu səhifənin məqsədi məhz budur: bu gün işləyəni və planlaşdırılanı ayrıca göstərmək. Bir maddə tamamlandıqda o, "bu gün işləyən hissələr" siyahısına keçir.
Məzmunum AI təlimi üçün istifadə edilir və ya satılır?
Xeyr. Belə bir istifadə bu gün mövcud deyil. İcazə verilmiş mətn korpusu ideyası yol xəritəsindəki ən uzaq, hüquqi cəhətdən ən ağır maddədir; hətta baş verərsə, heç bir məzmun biznesin açıq razılığı olmadan istifadə edilməyəcək.
AI portalına qayıdın digər AI alətləri üçün.
Sual-Cavab
OpenRAG nədir?
OpenRAG, xloji.com-un öz serverində çalışan bir RAG (Retrieval-Augmented Generation) sistemi və tək qapı AI keçididir. Bir sual gəldikdə əvvəl müvafiq məzmunları tapır, sonra bu məzmunlara əsaslanaraq cavab hazırlayır. Eyni zamanda xloji.com xaricindəki süni zəka alətlərinin xloji.com-a aid məlumatlara tək bir nöqtədən çıxış etməsini təmin edən mərkəzi keçid vəzifəsi görür.
RAG nə deməkdir və OpenRAG bunu necə tətbiq edir?
RAG, 'Retrieval-Augmented Generation' yəni tapıntı ilə zənginləşdirilmiş istehsal deməkdir; süni zəka cavab hazırlamadan əvvəl müvafiq mənbələrdən məlumat axtarır, sonra bu məlumata əsaslanaraq cavab formalaşdırır. OpenRAG bu iki addımı, axtarış və hazırlama addımlarını, öz serverində birləşdirərək çalışdırır. Beləcə OpenRAG-ın verdiyi cavablar təsadüfi deyil, xloji.com-a aid həqiqi məzmuna əsaslanır.
'Tək qapı AI keçidi' nə deməkdir?
Tək qapı AI keçidi, müxtəlif süni zəka sorğularının və inteqrasiyalarının ayrı-ayrı sistemlər əvəzinə tək bir mərkəzi giriş nöqtəsindən keçirilməsi deməkdir. OpenRAG bu rolu özəlləşdirir: həm xloji.com-un özü 'Sual Sor' xüsusiyyəti, həm də xaricdən qoşulan süni zəka alətləri eyni OpenRAG infrastrukturu üzərindən xidmət alır. Bu mərkəzi quruluş, süni zəka ilə bağlı trafikə tək bir nöqtədən idarə edilməsini təmin edir.
OpenRAG-ın öz serverində çalışması nə fərq yaradır?
OpenRAG, üçüncü tərəf bulud xidmətinə asılı qalmadan xloji.com-un öz serverində çalışır. Bu, axtarış edilən və emal edilən məlumatın xloji.com-un öz nəzarətində qalması deməkdir. Öz serverində çalışan bir quruluş olaraq OpenRAG, xarici sistemlərə məlumat ötürmədən öz infrastrukturu daxilində axtarış və cavab hazırlama əməliyyatlarını həyata keçirir.
OpenRAG-ı kimlər istifadə edir?
OpenRAG üç fərqli qrup tərəfindən istifadə olunur: xloji.com-u ziyarət edib 'Soru Sor' qutusuna yazan son istifadəçilər, xloji.com-un öz RAG infrastrukturunu sorğulayan sistemlər və OpenRAG vasitəsilə xloji.com-a aid məlumatlara çıxan xarici süni intellekt alətləri. Son istifadəçi üçün OpenRAG, verdiyi suala xloji.com məzmununa əsaslanan cavab qaytarır. Xarici alətlər üçün isə OpenRAG, xloji.com-dan məlumat çəkmək üçün istifadə edilən kontekstsiz bir qapıdır.
xloji.com-dakı 'Soru Sor' qutusu OpenRAG ilə necə işləyir?
xloji.com-dakı 'Soru Sor' qutusuna yazılan bir sual OpenRAG tərəfindən işlənir. OpenRAG əvvəl sualla bağlı məzmunları xloji.com-un öz məlumatları daxilində axtarır, sonra tapdığı bu məzmunlara əsaslanaraq cavab yaradır. Bu sayədə istifadəçiyə verilən cavab, xloji.com-a aid həqiqi məzmunla dəstəklənmiş olur.
Xarici süni intellekt alətləri OpenRAG vasitəsilə necə məlumat alır?
OpenRAG, xloji.com xaricindəki süni intellekt alətlərinin xloji.com-a aid məlumatlara çıxa bilməsi üçün tək qapı bir keçid vəzifəsi görür. Bu alətlər OpenRAG vasitəsilə qoşularaq xloji.com-un məzmunundan kontekstsiz, özü-özünə anlaşılır cavablar ala bilər. Bu səbəbdən OpenRAG vasitəsilə verilən məlumatlar, ayrı bir kontekstə ehtiyac olmadan tək başına mənalı olacaq şəkildə tərtib edilir.
OpenRAG-ın sərhədləri nələrdir?
OpenRAG-ın verdiyi cavablar ona təmin edilən məzmunla məhduddur; sistemdə olmayan və ya əlavə edilməmiş bir məlumat haqqında OpenRAG dəqiq cavab verə bilməz. OpenRAG, mövcud olmayan məlumatı uydurmaq əvəzinə əlindəki məzmunla məhdud qalmağı hədəfləyən bir strukturdur. Bu səbəbdən OpenRAG-dan alınan bir cavabın, xloji.com-un o an sahib olduğu məzmunla məhdud olduğu unutulmamalıdır.
OpenRAG bir söhbət botudur?
OpenRAG klassik mənada müstəqil bir söhbət botu deyil; xloji.com-un 'Soru Sor' funksiyasının və xarici alətlərin məlumata çıxışının arxasında çalışan bir RAG və keçid infrastrukturasıdır. OpenRAG-ın əsas işi, bir suala cavab verən məzmunu tapıb bu məzmun üzərindən cavab yaratmaqdır. Bu halda OpenRAG birbaşa istifadəçi ilə söhbət edən bir interfeysdan çox, cavabların arxasındakı infrastruktur təbəqəsi kimi çalışır.
OpenRAG-ın xloji.com üçün məqsədi nədir?
OpenRAG-ın məqsədi, xloji.com-a aid məlumata həm son istifadəçilərin, həm də xarici süni intellekt alətlərinin etibarlı və özünə nəzarət edilən bir infrastruktura vasitəsilə çıxış etməsini təmin etməkdir. Öz serverində çalışması, bu çıxışın üçüncü tərəf sistemlərə asılı olmadan baş verməsini təmin edir. Tək qapı keçid quruluşu sayəsində OpenRAG müxtəlif çıxış nöqtələrini tək bir mərkəzi sistemdə birləşdirir.
OpenRAG haqqında ətraflı məlumat
OpenRAG, xloji.com-un özəl serverində çalışan bir RAG (Retrieval-Augmented Generation) sistemidir və eyni zamanda süni zəka ilə bağlı sorğuları tək bir nöqtədən keçirən bir AI portalıdır. Adındakı 'Open' ifadəsi sistemin xarici aləmlərə açıq və əlçatan bir struktur təqdim etməsini, 'RAG' ifadəsi isə cavab hazırlayarkən əvvəl müvafiq məlumatları tapıb sonra bu məlumatlara əsaslanaraq cavab formalaşdırmasını göstərir. xloji.com-dakı 'Soru Sor' qutusuna yazılan bir sual əvvəl OpenRAG tərəfindən müvafiq məzmunlar içində axtarılır, sonra tapılan bu məzmunlara əsaslanaraq bir cavab hazırlanır. Eyni infrastruktura, xloji.com xaricindəki süni zəka alətlərinin OpenRAG üzərindən xloji.com-a aid məlumatlara çıxış edib bu məlumatları öz cavablarında istifadə etməsinə də imkan verilir. Bu struktur, xloji.com-un müxtəlif məhsulları üçün ayrıca süni zəka həlləri qurmaq əvəzinə, tək bir mərkəzi infrastruktura xidmət göstərməsini mümkün edir.
RAG (Retrieval-Augmented Generation) yanaşmasının əsas məntiqi, süni zəka sisteminin yalnız əvvəllcə təlim keçdiyi ümumi məlumata güvənmək əvəzinə, sualla bağlı aktual və doğru məzmunları əvvəl bir mənbədən çəkib sonra bu məzmunlar işığında cavab verməsidir. OpenRAG bu iki addımı, yəni tapma (retrieval) və hazırlama (generation) addımlarını, öz serverində birləşdirərək çalışdırır. Bu yanaşma, süni zəka modellərinin bəzən mövcud olmayan məlumat istehsal etmə meylini azaltmağı hədəfləyir; çünki cavab modelin öz yaddaşından deyil, həqiqətən tapılmış bir məzmuna əsaslanır. Bu sayədə OpenRAG-ın verdiyi cavablar təsadüfi və ya köhnəlmiş məlumata deyil, xloji.com-un öz məzmununa dayanır. Beləliklə OpenRAG-ın hazırladığı bir cavabın mənbəyi, xloji.com-un öz datası kimi izlənə bilər. Serverin xloji.com-a aid olması, axtarılan və emal edilən məlumatın üçüncü tərəf bulud xidmətinə asılı olmadan xloji.com-un öz nəzarətində saxlanılması deməkdir.
OpenRAG-ın 'tək qapı AI portalı' tərəfi, müxtəlif süni zəka sorğularının və inteqrasiyalarının ayrıca sistemlər əvəzinə tək bir mərkəzi giriş nöqtəsindən yönləndirilməsi deməkdir. Bu sayədə həm xloji.com-un öz 'Soru Sor' funksiyası, həm də OpenRAG üzərindən bağlanan xarici alətlər eyni infrastruktura və eyni əsas məntiqə malikdir. Mərkəzi bir portal strukturu olaraq OpenRAG, süni zəka ilə bağlı trafikə tək bir nöqtədən keçməsinə imkan verir; bu da həm cavabların tutarlılığını, həm də öz serverində çalışan bir sistem olaraq məlumat üzərindəki nəzarəti artırır. Bu tək nöqtəli yanaşma, eyni zamanda texniki xidmət və yeniləmələrin dağınık sistemlər əvəzinə tək bir yerdə edilə bilməsini təmin edir. OpenRAG bu yönüylə yalnız bir sual-cavab aləti deyil, xloji.com-un süni zəka ilə bağlı bütün giriş nöqtələrini birləşdirən bir infrastruktura təbəqəsidir.
OpenRAG-ı üç fərqli istifadəçi qrupu birbaşa və ya dolayı yolla istifadə edir: xloji.com-u ziyarət edib 'Soru Sor' qutusuna yazan son istifadəçilər, xloji.com-un öz RAG infrastrukturasını sorğulayan sistemlər və OpenRAG üzərindən xloji.com-a aid məlumatlara çıxış edən xarici süni zəka alətləri. Bu üç istifadəçi qrupu da eyni OpenRAG infrastrukturasından, eyni məzmun havuzundan bəslənən cavablar alır; beləliklə xloji.com haqqında haradan soruşulsa-soruşulsun tutarlı bir məlumat mənbəyinə çatılmış olur. OpenRAG-ın verdiyi cavablar ona təqdim edilən məzmuna məhduddur; yəni sistemdə mövcud olmayan və ya öz serverinə əlavə edilməmiş bir məlumat haqqında OpenRAG-dan dəqiq bir cavab gözlənilməməlidir. Bu məhdudiyyət, eyni zamanda OpenRAG-ın etibarlılığının da əsasını təşkil edir: mövcud olmayan məlumatı uydurmaq əvəzinə, əlindəki məzmunla məhdud və bu məzmuna əsaslanan cavablar hazırlamağı hədəfləyir.