🧠 OpenRAG
OpenRAG একটি RAG প্ল্যাটফর্ম যা একটি ব্যবসার কন্টেন্ট পরিষ্কার করে এবং গঠন করে, এটিকে আমাদের নিজস্ব সার্ভারে ইনডেক্স করে এবং বাহ্যিক এআই সিস্টেমের মাধ্যমে স্বাভাবিক ভাষায় প্রশ্ন করার উপযোগী করে তোলে একটিমাত্র অনুমোদিত দরজার মাধ্যমে।
ভেক্টর প্রকাশ করা হয় না; অ্যাক্সেস খোলা হয়।
এটি একটি পণ্য পরিচিতি, কোনো প্রতিশ্রুতির তালিকা নয়। নিচে, যা আজ কাজ করে এবং যা এখনও রোডম্যাপে আছে তা আলাদাভাবে চিহ্নিত করা হয়েছে। রোডম্যাপ আইটেমগুলির জন্য কোনো তারিখের প্রতিশ্রুতি দেওয়া হচ্ছে না; সেগুলি সম্পূর্ণ হওয়ার সাথে সাথে "আজ কাজ করছে" বিভাগে চলে যায়।
মূল নীতি
OpenRAG-এর সম্পূর্ণ ডিজাইন একটিমাত্র বাক্যের উপর নির্ভরশীল: ভেক্টর প্রকাশ করা হয় না, অ্যাক্সেস খোলা হয়। বাইরে যা দেওয়া হয় তা কন্টেন্টের অনুলিপি নয়, বরং এটির কাছে প্রশ্ন করার অধিকার।
একটি ভেক্টর হল একটি ইঞ্জিন, কোনো পণ্য নয়
একটি ভেক্টর সেই মডেলের জন্য নির্দিষ্ট যা এটি তৈরি করেছে; অন্য এআই এটি সরাসরি ব্যবহার করতে পারে না। এটি টেক্সটকে অনেক গুণ বাড়িয়ে তোলে। সেই কারণে ভেক্টর কখনওই বিতরণ করা হয় না।
যা খোলা হয় তা হল প্রশ্নের অ্যাক্সেস
একটি প্রশ্ন আসে; একটি উত্তর এবং সেই উৎস প্যাসেজগুলি যা এর উপর ভিত্তি করে তৈরি, সেগুলি ফেরত যায়। সম্পূর্ণ কন্টেন্ট কখনও কপি করা, বিতরণ বা ডাউনলোড করা হয় না।
অনুমতি ব্যবসার মালিকানাধীন
ব্যবসা সিদ্ধান্ত নেয় কোন কন্টেন্ট বাহ্যিকভাবে প্রশ্ন করার উপযোগী হবে; অংশগ্রহণ স্বেচ্ছায় করা হয়। অনুমতি এবং সম্মতির স্তরটি রোডম্যাপে রয়েছে।
এটি কিভাবে কাজ করে — লক্ষ্য স্থাপত্য
এই প্রবাহের পরিষ্কারকরণ, গঠন, ইনডেক্সিং এবং অনুসন্ধানের লিঙ্কগুলি আজ কাজ করে। স্ব-হোস্টেড এম্বেডিং এবং রি-র্যাঙ্কিং, এবং বাইরের জগতের জন্য একক দরজা, এখনও রোডম্যাপে রয়েছে; প্রতিটি ধাপ নিচে উল্লেখ করা হয়েছে কোনটি কোনটি।
উৎস সংগ্রহ করা হয়
xloji সাইট, আপলোড করা নথি এবং ক্রল করা ওয়েব পেজগুলি হল কন্টেন্ট উৎস। (WordPress প্লাগইন এবং একটি পাবলিক ইনজেকশন API রোডম্যাপে রয়েছে)।
এটি পরিষ্কার এবং গঠন করা হয়
অগোছালো কন্টেন্ট পরিষ্কার করা হয়, অর্থপূর্ণ অংশে বিভক্ত করা হয় এবং RAG ব্যবহার করতে পারে এমন একটি আকারে আনা হয়। এই ধাপটি আজ কাজ করে।
এটি ইনডেক্স এবং অনুসন্ধান করা হয়
খণ্ডগুলিকে ভেক্টরে পরিণত করা হয় এবং pgvector-এ লেখা হয়; এগুলি একটি HNSW সূচক এবং হাইব্রিড অনুসন্ধানের (কীওয়ার্ড + ভেক্টর) মাধ্যমে পাওয়া যায়। এই ধাপটি আজ কাজ করে; রি-র্যাঙ্কিং লিঙ্ক যুক্ত করা রোডম্যাপে রয়েছে।
এটি একটিমাত্র দরজার মাধ্যমে পৌঁছানো যায়
বাহ্যিক এআই সিস্টেম স্বাভাবিক ভাষায় একটিমাত্র অনুমোদিত দরজার মাধ্যমে জিজ্ঞাসা করে; উত্তর এবং উৎস প্যাসেজগুলি ফেরত আসে, ভেক্টর নয়। এই দরজাটি এখনও বিদ্যমান নেই; এটি রোডম্যাপে রয়েছে।
আজ যা কাজ করেলাইভ
নিম্নলিখিতগুলি আজ প্ল্যাটফর্মে চলছে এবং ইতিমধ্যেই xloji.com-এর এআই সরঞ্জামগুলি দ্বারা ব্যবহৃত হচ্ছে।
pgvector + HNSW সূচক
কন্টেন্ট খণ্ডগুলি ডাটাবেসে ভেক্টর হিসাবে সংরক্ষণ করা হয় এবং কোসাইন সিমিলারিটির উপর একটি HNSW সূচকের মাধ্যমে অনুসন্ধান করা হয়।
হাইব্রিড অনুসন্ধান
কীওয়ার্ড অনুসন্ধান এবং ভেক্টর অনুসন্ধান একসাথে চলে; দুটি ফলাফল তালিকা একটি একক র্যাঙ্কিংয়ে একত্রিত হয়। এটি সঠিক শব্দ মেলানো এবং শব্দার্থিকভাবে কাছাকাছি প্যাসেজগুলি খুঁজে বের করে।
মাল্টি-টেন্যান্ট আইসোলেশন
প্রতিটি ব্যবসা, সাইট এবং লেখকের নিজস্ব RAG রয়েছে। একটি প্রশ্ন শুধুমাত্র তার নিজস্ব ভাড়াটের সূচকের বিরুদ্ধে চলে; ডেটা কখনই ভাড়াটেদের মধ্যে মিশ্রিত হয় না।
ডকুমেন্ট পরিষ্কার এবং RAG গঠন
আপলোড করা নথিগুলি পরিষ্কার করা হয়, খণ্ড করা হয় এবং RAG-এর জন্য গঠন করা হয়। প্ল্যাটফর্মের ডেটা স্ট্রাকচারিং সরঞ্জাম এই পাইপলাইনের ব্যবহারকারী-মুখী মুখ।
ওয়েব ক্রলিং
একটি সাইটের পৃষ্ঠাগুলি ক্রল করা হয়, তাদের কন্টেন্ট বের করা হয় এবং একই পরিষ্কার এবং ইনডেক্সিং পাইপলাইনের মাধ্যমে প্রেরণ করা হয়।
কাস্টম এআই সরঞ্জামগুলিতে পাবলিক RAG ফিড
আপনার তৈরি করা একটি কাস্টম এআই সরঞ্জাম একটি পাবলিক RAG উৎস থেকে ফিড করা যেতে পারে; সরঞ্জামটি সেই জ্ঞানের ভিত্তিতে তার উত্তরগুলি ভিত্তি করে।
ফাইল এবং মিডিয়া স্টোরেজ
ফাইল এবং মিডিয়া অবজেক্ট স্টোরেজে থাকে - ভেক্টর স্টোরে নয়। RAG রেকর্ড মূল ফাইলের দিকে নির্দেশ করে।
আমাদের নিজস্ব সার্ভারে এম্বেডিং এবং রি-র্যাংকিং
এম্বেডিং এবং রি-র্যাংকিং এখন একটি পৃথক সার্ভিসে আমাদের নিজস্ব সার্ভারে চলছে। টেক্সট সার্ভার ত্যাগ না করেই ভেক্টরে রূপান্তরিত হয়, এবং প্রার্থী ফলাফলগুলি নির্ভুলতা উন্নত করার জন্য একটি স্থানীয় রি-র্যাংকারের মাধ্যমে যায়।
কোয়েরি পুনরায় লেখা
অনুসন্ধান চালানোর আগে একটি অস্পষ্ট বা অসম্পূর্ণ প্রশ্ন পরিমার্জন করা হয়। ব্যবহারকারীদের "সঠিক" প্রশ্ন করতে হবে না; সিস্টেমটি কোয়েরিটিকে অনুসন্ধান-প্রস্তুত করে তোলে।
ছবি, অডিও এবং ভিডিও থেকে টেক্সট
ছবি থেকে টেক্সট নিষ্কাশন এবং অডিও এবং ভিডিওর প্রতিলিপি সার্ভারে স্থানীয় সরঞ্জামগুলির সাথে চালানো হয়, এবং প্রাপ্ত টেক্সট একই পরিষ্কার এবং ইন্ডেক্সিং পাইপলাইনে প্রবেশ করে। ডেটা সার্ভার ত্যাগ করে না।
রোডম্যাপে যা আছেপরিকল্পিত
নিম্নলিখিতগুলি এখনও বিদ্যমান নেই। এগুলি পরিকল্পিত এবং ডিজাইন করা আইটেম; এই পৃষ্ঠাটি এগুলিকে তৈরি হয়েছে এমনভাবে উপস্থাপন করে না।
একক দরজা: MCP / API গেটওয়ে
একটি একক গেটওয়ে যা বাহ্যিক এআই সিস্টেম স্বাভাবিক ভাষায় জিজ্ঞাসা করতে পারে। একবার সংযোগ স্থাপন করলে একটি এআই অংশগ্রহণকারী প্রতিটি ব্যবসার কাছে একই দরজার মাধ্যমে পৌঁছায়।
অনুমতি এবং সম্মতি স্তর
ব্যবসাগুলি নিজেরাই যোগ দেয়; প্রমাণীকরণ, কী ব্যবস্থাপনা, হার সীমাবদ্ধতা এবং অপব্যবহার সুরক্ষা সবই এই স্তরে রয়েছে।
এআই দৃশ্যমানতা স্তর
llms.txt, /.well-known/ এবং schema.org মার্কআপের মাধ্যমে কন্টেন্টকে মেশিন-ডিসকভারেবল করা, প্লাস MCP রেজিস্ট্রিগুলিতে নিবন্ধন। এখানে কোনো জাদু স্বয়ংক্রিয় আবিষ্কার নেই; দৃশ্যমানতা এইভাবে তৈরি করা হয়েছে।
WordPress প্লাগইন
একটি প্লাগইন যা একটি WordPress সাইটকে OpenRAG-এ তার কন্টেন্ট পাঠাতে এবং একটি এন্ডপয়েন্ট পেতে দেয় যা এআই সিস্টেম জিজ্ঞাসা করতে পারে।
আমরা এই আইটেমগুলির জন্য কোনো তারিখ দিই না। যখন একটি আইটেম শেষ হয় তখন এটি "আজ যা কাজ করে" তালিকায় চলে যায় এবং এই পৃষ্ঠাটি সেই অনুযায়ী আপডেট করা হয়।
🔒 ডেটা সার্ভার ত্যাগ করে না
OpenRAG-এর লক্ষ্য হল RAG পাইপলাইনের প্রতিটি ধাপ আমাদের নিজস্ব সার্ভারে স্থানীয়, বিনামূল্যে সরঞ্জামগুলির সাথে চালানো: এম্বেডিং, রি-র্যাঙ্কিং, ছবি এবং অডিও থেকে টেক্সট নিষ্কাশন। RAG-এ প্রবেশ করা কোনো মিডিয়া একটি বাহ্যিক পরিষেবাতে পাঠানো হয় না - এটি একটি অ-আলোচনাযোগ্য ডিজাইন নিয়ম।
সৎ অবস্থা: এই ধাপগুলির মধ্যে কিছু আজ এখনও বাহ্যিক পরিষেবা দ্বারা সঞ্চালিত হয়। সেগুলিকে অভ্যন্তরীণভাবে নিয়ে আসা রোডম্যাপের প্রথম আইটেম।
বৃদ্ধি কিভাবে পরিকল্পনা করা হয়েছে
কন্টেন্ট বাড়ার সাথে সাথে ভেক্টর অনুসন্ধান আরও ব্যয়বহুল হয়ে যায়। OpenRAG-এর ডিজাইন শুরু থেকেই এই খরচকে তিনটি উপায়ে সীমাবদ্ধ করে।
কোনো একক বিশাল ইনডেক্স নেই
প্রতিটি ব্যবসার নিজস্ব ছোট ইনডেক্স রয়েছে এবং একটি প্রশ্ন শুধুমাত্র সেই ইনডেক্সের বিরুদ্ধে চলে। এমনকি সামগ্রিক কন্টেন্ট বাড়লেও, একটি একক প্রশ্ন যে ক্ষেত্রটি স্ক্যান করে তা ছোট থাকে; অনুসন্ধানের খরচ সেই একটি ব্যবসার আকারের সাথে বৃদ্ধি পায়, প্ল্যাটফর্মের মোট আকারের সাথে নয়।
ভেক্টর আকার এবং নির্ভুলতা সামঞ্জস্যযোগ্য
ছোট ভেক্টর মাত্রা এবং আরও কম্প্যাক্ট সংখ্যা বিন্যাস ব্যবহার করে, একই কন্টেন্ট উল্লেখযোগ্যভাবে কম স্থান নেয়। এই পছন্দগুলি শুরু থেকেই ডিজাইনে তৈরি করা হয়েছে যাতে পরে ব্যয়বহুল মাইগ্রেশনের প্রয়োজন না হয়।
কোল্ড টিয়ার
দীর্ঘ সময় ধরে প্রশ্ন করা হয়নি এমন ব্যবসার ইনডেক্স সস্তা স্থায়ী স্টোরেজে স্থানান্তরিত করা হয় এবং যখন এটির জন্য একটি প্রশ্ন আসে তখন এটি ফেরত আনা হয়। সেইভাবে শুধুমাত্র বর্তমানে সক্রিয় কন্টেন্ট দ্রুত মেমরিতে থাকে। এই স্তরটি রোডম্যাপে রয়েছে।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
OpenRAG আসলে কী?
এটি একটি RAG প্ল্যাটফর্ম যা একটি ব্যবসার কন্টেন্ট পরিষ্কার করে এবং গঠন করে, এটিকে আমাদের নিজস্ব সার্ভারে ইনডেক্স করে এবং একটিমাত্র অনুমোদিত দরজার মাধ্যমে বাহ্যিক এআই সিস্টেমের মাধ্যমে স্বাভাবিক ভাষায় প্রশ্ন করার উপযোগী করে তোলে। এটি একটি চ্যাট সরঞ্জাম নয়; এটি সেই জ্ঞান স্তর যা এই ধরনের সরঞ্জামগুলির নিচে চলে।
আপনি কি অন্য কারো কাছে আমার ভেক্টর বা আমার কন্টেন্ট হস্তান্তর করেন?
না। মূল নীতি হল: ভেক্টর প্রকাশ করা হয় না, অ্যাক্সেস খোলা হয়। বাইরে যা যায় তা কন্টেন্টের অনুলিপি নয় বরং এটিকে প্রশ্ন করার অধিকার; শুধুমাত্র সহায়ক প্যাসেজগুলি উত্তরের সাথে ফেরত আসে। এর উপরে, ব্যবসা সিদ্ধান্ত নেয় কোন কন্টেন্ট বাহ্যিকভাবে প্রশ্ন করার উপযোগী হবে।
আজকে আসলে কী ব্যবহার করা যেতে পারে?
ভেক্টর ডেটাবেস এবং ইন্ডেক্স, হাইব্রিড সার্চ, মাল্টি-টেন্যান্ট আইসোলেশন, ডকুমেন্ট ক্লিনিং এবং র্যাগ স্ট্রাকচারিং, ওয়েব ক্রলিং, কাস্টম এআই সরঞ্জামগুলিতে পাবলিক র্যাগ ফিড এবং ফাইল/মিডিয়া স্টোরেজ সবকিছুই আজ কাজ করে। সেলফ-হোস্টেড এম্বেডিং, রি-র্যাংকিং, কোয়েরি রিরাইটিং, বাহ্যিক দরজা, অনুমতি স্তর, দৃশ্যমানতা স্তর এবং ওয়ার্ডপ্রেস প্লাগইন এখনও বিদ্যমান নেই।
আমার ডেটা কি সার্ভার থেকে চলে যায়?
লক্ষ্য হল র্যাগ পাইপলাইনের প্রতিটি ধাপ সার্ভারে স্থানীয় সরঞ্জামগুলির সাথে চালানো, কোনো মিডিয়া র্যাগে প্রবেশ করে যেন কোনো বহিরাগত পরিষেবাতে পাঠানো না হয়। সৎ অবস্থা: এই ধাপগুলির মধ্যে কিছু আজকেও বাহ্যিক পরিষেবা দ্বারা নিয়ন্ত্রিত হয়, এবং সেগুলিকে অভ্যন্তরীণভাবে নিয়ে আসা রোডম্যাপের প্রথম আইটেম।
রোডম্যাপের বৈশিষ্ট্যগুলি কখন প্রস্তুত হবে?
আমরা তারিখের প্রতিশ্রুতি দিই না। এটাই এই পৃষ্ঠার উদ্দেশ্য: আজ যা কাজ করে এবং কী পরিকল্পনা করা হয়েছে তা আলাদাভাবে দেখানো। কোনো আইটেম সম্পন্ন হলে সেটি "আজ যা কাজ করে" তালিকায় চলে যায়।
আমার বিষয়বস্তু কি এআই প্রশিক্ষণের জন্য ব্যবহৃত বা বিক্রি করা হয়?
না। বর্তমানে এমন কোনো ব্যবহার নেই। অনুমতিপ্রাপ্ত টেক্সট কর্পাসের ধারণাটি রোডম্যাপের সবচেয়ে দূরের, আইনগতভাবে ভারী আইটেম; এমনকি যদি এটি ঘটে, ব্যবসার সুস্পষ্ট সম্মতি ছাড়া কোনো বিষয়বস্তু এর জন্য ব্যবহার করা হবে না।
AI portal-এ ফিরে যান অন্যান্য AI সরঞ্জামগুলির জন্য।
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
OpenRAG কী?
OpenRAG হল xloji.com-এর নিজস্ব সার্ভারে চলমান একটি RAG (Retrieval-Augmented Generation) সিস্টেম এবং একটি একক প্রবেশদ্বার AI গেটওয়ে। যখন একটি প্রশ্ন আসে, তখন এটি প্রথমে প্রাসঙ্গিক বিষয়বস্তু খুঁজে বের করে, তারপর সেই বিষয়বস্তুর উপর ভিত্তি করে একটি উত্তর তৈরি করে। একই সময়ে, এটি xloji.com-এর বাইরের AI সরঞ্জামগুলিকে xloji.com-এর তথ্যে একটি একক পয়েন্ট থেকে অ্যাক্সেস করার অনুমতি দেয়।
RAG-এর মানে কী এবং OpenRAG এটি কীভাবে প্রয়োগ করে?
RAG মানে 'Retrieval-Augmented Generation', অর্থাৎ পুনরুদ্ধার দ্বারা সমৃদ্ধ উৎপাদন। একটি AI উত্তর তৈরি করার আগে প্রাসঙ্গিক উৎস থেকে তথ্য অনুসন্ধান করে, তারপর সেই তথ্যের উপর ভিত্তি করে প্রতিক্রিয়া তৈরি করে। OpenRAG এই দুটি ধাপ, অনুসন্ধান এবং উৎপাদন ধাপগুলিকে তার নিজস্ব সার্ভারে একত্রিত করে চালায়। এইভাবে, OpenRAG-এর দেওয়া উত্তরগুলি এলোমেলো নয়, বরং xloji.com-এর আসল বিষয়বস্তুর উপর ভিত্তি করে তৈরি।
'একক প্রবেশদ্বার AI গেটওয়ে' এর মানে কী?
একক প্রবেশদ্বার AI গেটওয়ে মানে হল বিভিন্ন AI অনুরোধ এবং ইন্টিগ্রেশনগুলি পৃথক সিস্টেমের পরিবর্তে একটি একক কেন্দ্রীয় প্রবেশদ্বার দিয়ে চালিত করা। OpenRAG এই ভূমিকা পালন করে: xloji.com-এর নিজস্ব 'প্রশ্ন জিজ্ঞাসা করুন' বৈশিষ্ট্য এবং বাহ্যিকভাবে সংযুক্ত AI সরঞ্জাম উভয়ই একই OpenRAG অবকাঠামো ব্যবহার করে পরিষেবা গ্রহণ করে। এই কেন্দ্রীয় কাঠামো AI সম্পর্কিত ট্র্যাফিককে এক পয়েন্ট থেকে পরিচালনা করতে দেয়।
OpenRAG-এর নিজস্ব সার্ভারে কাজ করা কেন পার্থক্য তৈরি করে?
OpenRAG তৃতীয় পক্ষের ক্লাউড পরিষেবার উপর নির্ভর না করে xloji.com-এর নিজস্ব সার্ভারে চলে। এর মানে হল যে অনুসন্ধান করা এবং প্রক্রিয়া করা ডেটা xloji.com-এর নিয়ন্ত্রণে থাকে। নিজস্ব সার্ভারে চলমান একটি কাঠামো হিসাবে, OpenRAG বাইরের সিস্টেমে ডেটা স্থানান্তর না করে তার নিজস্ব অবকাঠামোর মধ্যে অনুসন্ধান এবং উত্তর তৈরি করতে পারে।
OpenRAG কারা ব্যবহার করে?
OpenRAG তিনটি ভিন্ন গ্রুপ দ্বারা ব্যবহৃত হয়: শেষ ব্যবহারকারী যারা xloji.com ভিজিট করে 'প্রশ্ন জিজ্ঞাসা করুন' বক্সে লেখেন, সিস্টেমগুলো যা xloji.com-এর নিজস্ব RAG পরিকাঠামোকে জিজ্ঞাসা করে এবং বাইরের AI টুলগুলো যা OpenRAG-এর মাধ্যমে xloji.com-এর তথ্যে অ্যাক্সেস পায়। শেষ ব্যবহারকারীর জন্য OpenRAG, xloji.com-এর বিষয়বস্তুর উপর ভিত্তি করে জিজ্ঞাসা করা প্রশ্নের উত্তর প্রদান করে। আর বাইরের টুলগুলোর জন্য OpenRAG হলো একটি কনটেক্সট-হীন গেটওয়ে যা xloji.com থেকে তথ্য সংগ্রহের জন্য ব্যবহৃত হয়।
xloji.com-এর 'প্রশ্ন জিজ্ঞাসা করুন' বক্সটি OpenRAG-এর সাথে কীভাবে কাজ করে?
xloji.com-এর 'প্রশ্ন জিজ্ঞাসা করুন' বক্সে লেখা একটি প্রশ্ন OpenRAG দ্বারা প্রসেস করা হয়। OpenRAG প্রথমে xloji.com-এর নিজস্ব ডেটার মধ্যে প্রশ্ন সম্পর্কিত বিষয়বস্তু খোঁজে, তারপর সেই প্রাপ্ত তথ্যের উপর ভিত্তি করে একটি উত্তর তৈরি করে। এর ফলে ব্যবহারকারীকে দেওয়া উত্তরটি xloji.com-এর প্রকৃত বিষয়বস্তু দ্বারা সমর্থিত হয়।
বাইরের AI টুলগুলো OpenRAG-এর মাধ্যমে কীভাবে তথ্য পায়?
OpenRAG, xloji.com-এর বাইরের কৃত্রিম বুদ্ধিমত্তা সরঞ্জামগুলির জন্য xloji.com-এর তথ্যে অ্যাক্সেস করার একটি একক প্রবেশদ্বার হিসাবে কাজ করে। এই সরঞ্জামগুলি OpenRAG-এর মাধ্যমে সংযোগ করে xloji.com-এর বিষয়বস্তু থেকে প্রাসঙ্গিক, স্বয়ংসম্পূর্ণ উত্তর পেতে পারে। এই কারণে, OpenRAG-এর মাধ্যমে প্রদত্ত তথ্যগুলি এমনভাবে ডিজাইন করা হয়েছে যাতে সেগুলি কোনও অতিরিক্ত প্রেক্ষাপটের প্রয়োজন ছাড়াই অর্থবহ হয়।
OpenRAG-এর সীমাবদ্ধতাগুলি কী কী?
OpenRAG-এর উত্তরগুলি এর সাথে প্রদত্ত বিষয়বস্তুর মধ্যে সীমাবদ্ধ; সিস্টেমে বিদ্যমান নেই বা যোগ করা হয়নি এমন কোনও তথ্য সম্পর্কে OpenRAG নিশ্চিত উত্তর দিতে পারবে না। OpenRAG বিদ্যমান নেই এমন তথ্য তৈরি করার পরিবর্তে এর হাতে থাকা বিষয়বস্তুর মধ্যে সীমাবদ্ধ থাকতে চায়। অতএব, OpenRAG থেকে প্রাপ্ত একটি উত্তরের সীমাবদ্ধতা xloji.com-এর বর্তমান বিষয়বস্তুর মধ্যে রয়েছে, এটি মনে রাখা উচিত।
OpenRAG কি একটি চ্যাটবট?
OpenRAG ক্লাসিক অর্থে একটি স্বতন্ত্র চ্যাটবট নয়; এটি xloji.com-এর 'প্রশ্ন জিজ্ঞাসা করুন' বৈশিষ্ট্যের এবং বাহ্যিক সরঞ্জামগুলির তথ্য অ্যাক্সেসের পেছনের RAG এবং গেটওয়ে অবকাঠামো। OpenRAG-এর মূল কাজ হল একটি প্রশ্নের সাথে প্রাসঙ্গিক বিষয়বস্তু খুঁজে বের করা এবং সেই বিষয়বস্তুর উপর ভিত্তি করে একটি উত্তর তৈরি করা। এই অবস্থায় OpenRAG সরাসরি ব্যবহারকারীর সাথে চ্যাট করার ইন্টারফেসের চেয়ে উত্তরের পেছনের অবকাঠামো স্তর হিসাবে কাজ করে।
OpenRAG-এর xloji.com-এর জন্য উদ্দেশ্য কী?
OpenRAG-এর উদ্দেশ্য হল xloji.com-এর তথ্যের সাথে শেষ ব্যবহারকারী এবং বাহ্যিক এআই সরঞ্জামগুলির একটি নির্ভরযোগ্য এবং নিজস্ব নিয়ন্ত্রিত অবকাঠামোর মাধ্যমে অ্যাক্সেস নিশ্চিত করা। নিজস্ব সার্ভারে কাজ করার কারণে, এই অ্যাক্সেস তৃতীয় পক্ষের সিস্টেমের উপর নির্ভরশীলতা ছাড়াই সম্পন্ন হয়। একটি একক গেটওয়ে কাঠামো থাকার কারণে OpenRAG বিভিন্ন অ্যাক্সেস পয়েন্টকে একটি একক কেন্দ্রীয় সিস্টেমে একত্রিত করে।
OpenRAG সম্পর্কে বিস্তারিত তথ্য
OpenRAG হল xloji.com-এর নিজস্ব সার্ভারে চলমান একটি RAG (Retrieval-Augmented Generation) সিস্টেম, এবং এটি একই সাথে কৃত্রিম বুদ্ধিমত্তা সম্পর্কিত অনুরোধগুলিকে একটি একক স্থান থেকে প্রক্রিয়াকরণ করে একটি AI গেটওয়ে হিসাবে কাজ করে। এর নামের 'Open' শব্দটি নির্দেশ করে যে সিস্টেমটি বাইরের জন্য উন্মুক্ত এবং অ্যাক্সেসযোগ্য একটি কাঠামো প্রদান করে, এবং 'RAG' শব্দটি উত্তর তৈরি করার সময় প্রথমে প্রাসঙ্গিক ডেটা খুঁজে বের করে এবং তারপর সেই ডেটার উপর ভিত্তি করে উত্তর তৈরি করার কর্মপদ্ধতিকে বোঝায়। xloji.com-এর 'প্রশ্ন করুন' বক্সে লেখা একটি প্রশ্ন প্রথমে OpenRAG দ্বারা প্রাসঙ্গিক বিষয়বস্তুর মধ্যে অনুসন্ধান করা হয়, এবং তারপর প্রাপ্ত এই বিষয়বস্তুর উপর ভিত্তি করে একটি উত্তর তৈরি করা হয়। একই পরিকাঠামো xloji.com-এর বাইরের কৃত্রিম বুদ্ধিমত্তা সরঞ্জামগুলিকে OpenRAG-এর মাধ্যমে xloji.com-এর তথ্য অ্যাক্সেস করতে এবং তাদের নিজস্ব উত্তরে এই তথ্য ব্যবহার করতে দেয়। এই কাঠামো xloji.com-কে বিভিন্ন পণ্যের জন্য পৃথকভাবে কৃত্রিম বুদ্ধিমত্তা সমাধান তৈরি করার পরিবর্তে, একটি একক কেন্দ্রীভূত পরিকাঠামোর মাধ্যমে পরিষেবা প্রদান করতে সক্ষম করে।
RAG পদ্ধতির মূল ধারণা হল, একটি কৃত্রিম বুদ্ধিমত্তা সিস্টেম শুধুমাত্র পূর্বে প্রশিক্ষিত সাধারণ জ্ঞানের উপর নির্ভর না করে, প্রথমে একটি উৎস থেকে প্রশ্ন সম্পর্কিত বর্তমান এবং সঠিক বিষয়বস্তু সংগ্রহ করে এবং তারপর সেই বিষয়বস্তুর আলোকে উত্তর দেয়। OpenRAG এই দুটি ধাপ, অর্থাৎ খুঁজে বের করা (retrieval) এবং তৈরি করা (generation) ধাপগুলিকে নিজস্ব সার্ভারে একত্রিত করে চালায়। এই পদ্ধতিটি কৃত্রিম বুদ্ধিমত্তা মডেলগুলির মাঝে মাঝে অস্তিত্বহীন তথ্য তৈরি করার প্রবণতা কমাতে চায়; কারণ উত্তরটি মডেলের নিজস্ব স্মৃতি থেকে নয়, বরং প্রকৃতপক্ষে পাওয়া একটি বিষয়বস্তু থেকে উদ্ভূত হয়। এই কারণে OpenRAG-এর দেওয়া উত্তরগুলি এলোমেলো বা পুরনো তথ্যের উপর নয়, বরং xloji.com-এর নিজস্ব বিষয়বস্তুর উপর ভিত্তি করে তৈরি হয়। এইভাবে OpenRAG দ্বারা তৈরি একটি উত্তরের উৎস xloji.com-এর নিজস্ব ডেটা হিসাবে ট্র্যাক করা যায়। সার্ভারটি xloji.com-এর নিজস্ব হওয়ায়, অনুসন্ধান করা এবং প্রক্রিয়াকরণ করা ডেটা তৃতীয় পক্ষের ক্লাউড পরিষেবার উপর নির্ভরশীল না হয়ে xloji.com-এর নিজস্ব নিয়ন্ত্রণে থাকে।
OpenRAG-এর 'একক দরজা AI গেটওয়ে' দিকটি বিভিন্ন কৃত্রিম বুদ্ধিমত্তা অনুরোধ এবং ইন্টিগ্রেশনগুলিকে পৃথক সিস্টেমের পরিবর্তে একটি একক কেন্দ্রীভূত প্রবেশপথ থেকে পরিচালিত করার অর্থ বোঝায়। এর মাধ্যমে xloji.com-এর নিজস্ব 'প্রশ্ন করুন' বৈশিষ্ট্য এবং OpenRAG-এর মাধ্যমে সংযুক্ত বাইরের সরঞ্জামগুলি একই পরিকাঠামো এবং একই মূল ধারণা ব্যবহার করে। একটি কেন্দ্রীভূত গেটওয়ে কাঠামো হিসাবে OpenRAG কৃত্রিম বুদ্ধিমত্তা সম্পর্কিত ট্র্যাফিকের একটি একক স্থান থেকে যেতে দেয়; এটি উত্তরের ধারাবাহিকতা এবং নিজস্ব সার্ভারে চলমান একটি সিস্টেম হিসাবে ডেটার উপর নিয়ন্ত্রণ বাড়ায়। এই একক বিন্দু পদ্ধতি একই সাথে রক্ষণাবেক্ষণ এবং আপডেটগুলিকে বিক্ষিপ্ত সিস্টেমের পরিবর্তে এক জায়গায় করার অনুমতি দেয়। এই দিক থেকে OpenRAG শুধুমাত্র একটি প্রশ্ন-উত্তর সরঞ্জাম নয়, বরং xloji.com-এর কৃত্রিম বুদ্ধিমত্তা সম্পর্কিত সমস্ত অ্যাক্সেস পয়েন্টকে একত্রিত করে একটি পরিকাঠামো স্তর।
OpenRAG তিনটি ভিন্ন ব্যবহারকারী গোষ্ঠী সরাসরি বা পরোক্ষভাবে ব্যবহার করে: xloji.com-এ গিয়ে 'প্রশ্ন করুন' বক্সে লেখা শেষ ব্যবহারকারীরা, xloji.com-এর নিজস্ব RAG পরিকাঠামোকে প্রশ্ন করা সিস্টেমগুলি এবং OpenRAG-এর মাধ্যমে xloji.com-এর তথ্য অ্যাক্সেস করা বাইরের কৃত্রিম বুদ্ধিমত্তা সরঞ্জামগুলি। এই তিনটি ব্যবহারকারী গোষ্ঠী একই OpenRAG পরিকাঠামো থেকে, একই বিষয়বস্তু পুল থেকে উত্তর পায়; অতএব, xloji.com সম্পর্কে যেখানেই জিজ্ঞাসা করা হোক না কেন, একটি সুসংগত তথ্যের উৎস পাওয়া যায়। OpenRAG-এর দেওয়া উত্তরগুলি এটিকে সরবরাহ করা বিষয়বস্তুর মধ্যে সীমাবদ্ধ; অর্থাৎ, সিস্টেমে পাওয়া যায় না বা এর নিজস্ব সার্ভারে যোগ করা হয়নি এমন কোনও তথ্য সম্পর্কে OpenRAG থেকে নিশ্চিত উত্তর আশা করা উচিত নয়। এই সীমাবদ্ধতা একই সাথে OpenRAG-এর নির্ভরযোগ্যতার ভিত্তি তৈরি করে: অস্তিত্বহীন তথ্য তৈরি করার পরিবর্তে, এটি তার হাতে থাকা বিষয়বস্তুর মধ্যে সীমাবদ্ধ এবং এই বিষয়বস্তুর উপর ভিত্তি করে উত্তর তৈরি করার লক্ষ্য রাখে।