🧠 OpenRAG
OpenRAG er en RAG-platform, der renser og strukturerer en virksomheds indhold, indekserer det på vores egen server og gør det forespørgeligt på naturligt sprog af eksterne AI-systemer gennem en enkelt autoriseret dør.
Vektorer offentliggøres ikke; ADGANG åbnes.
Dette er en produktintroduktion, ikke en liste over løfter. Nedenfor er de dele, der fungerer i dag, og de dele, der stadig er på køreplanen, markeret separat. Der gives ingen datoer for køreplanselementer; når de er fuldført, flyttes de ind i afsnittet "fungerer i dag".
Det grundlæggende princip
OpenRAG's hele design hviler på en enkelt sætning: vektorer offentliggøres ikke, adgang åbnes. Hvad der gives til omverdenen er ikke en kopi af indholdet, men retten til at stille spørgsmål til det.
En vektor er en motor, ikke et produkt
En vektor er specifik for den model, der producerede den; en anden AI kan ikke bruge den som den er. Den oppuster også teksten mange gange. Derfor udleveres vektorer aldrig.
Hvad der åbnes er forespørgselsadgang
Et spørgsmål kommer ind; et svar og de kildepassager, det hviler på, går tilbage. Det fulde indhold kopieres, distribueres eller downloades aldrig.
Tilladelsen tilhører virksomheden
Virksomheden beslutter, hvilket indhold der bliver forespørgeligt eksternt; deltagelse er frivillig. Tilladelses- og samtykkelaget er på køreplanen.
Sådan fungerer det — målarkitektur
Rensningen, struktureringen, indekseringen og søgeleddene i dette flow fungerer i dag. Selvværtet embedding med reranking og den enkelte dør til omverdenen er stadig på køreplanen; hvert trin nedenfor angiver, hvad der er hvad.
Kilder indsamles
xloji-websteder, uploadede dokumenter og crawlede websider er indholdskilderne. (Et WordPress-plugin og en offentlig ingestion API er på køreplanen.)
Det renses og struktureres
Uorganiseret indhold renses, opdeles i meningsfulde bidder og bringes i en form, som RAG kan bruge. Dette trin fungerer i dag.
Det indekseres og søges
Bidder omdannes til vektorer og skrives til pgvector; de findes via et HNSW-indeks og hybrid søgning (nøgleord + vektor). Dette trin fungerer i dag; tilføjelse af reranking-leddet er på køreplanen.
Det nås gennem en enkelt dør
Eksterne AI-systemer spørger på naturligt sprog gennem en enkelt autoriseret dør; svar og kildepassager kommer tilbage, ikke selve vektorerne. Denne dør eksisterer endnu ikke; den er på køreplanen.
Dele, der fungerer i dagLive
Følgende kører på platformen i dag og bruges allerede af AI-værktøjerne på xloji.com.
pgvector + HNSW-indeks
Indholdsbidder gemmes som vektorer i databasen og søges med et HNSW-indeks over cosinuslighed.
Hybrid søgning
Nøgleordsøgning og vektorsøgning kører sammen; de to resultatlister flettes til en enkelt rangering. Dette finder både nøjagtige terminsammenfald og semantisk tætte passager.
Multi-tenant isolation
Hver virksomhed, websted og forfatter har sin egen RAG. En forespørgsel kører kun mod sin egen tenants indeks; data blandes aldrig på tværs af tenants.
Dokumentrensning og RAG-strukturering
Uploadede dokumenter renses, opdeles og struktureres til RAG. Værktøjet til datastrukturering på platformen er brugerfladen til denne pipeline.
Web crawling
Et websteds sider crawles, deres indhold udtrækkes og sendes gennem den samme rense- og indekseringspipeline.
Offentlig RAG-feed i brugerdefinerede AI-værktøjer
Et brugerdefineret AI-værktøj, du opretter, kan fødes fra en offentlig RAG-kilde; værktøjet baserer sine svar på denne vidensbase.
Fil- og medielagring
Filer og medier lever i objektlagring — ikke i vektorbutikken. RAG-posten peger tilbage på den originale fil.
Indlejring og omrangering på vores egne servere
Indlejring og omrangering kører nu på vores egne servere i en separat service. Tekst omdannes til vektorer uden at forlade serveren, og kandidatresultater passerer gennem en lokal omrangering for at forbedre nøjagtigheden.
Forespørgselsomskrivning
Et vagt eller ufuldstændigt spørgsmål bliver ryddet op, før søgningen køres. Brugerne behøver ikke at formulere det "rigtige" spørgsmål; systemet gør forespørgslen søgeparat.
Tekst fra billeder, lyd og video
Tekstudtrækning fra billeder og transskription af lyd og video køres med lokale værktøjer på serveren, og den resulterende tekst indgår i den samme rengørings- og indekseringspipeline. Data forlader ikke serveren.
Hvad er på køreplanenPlanlagt
Følgende eksisterer endnu ikke. De er planlagte og designede elementer; denne side præsenterer dem ikke, som om de allerede var bygget.
Den enkelte dør: MCP / API-gateway
En enkelt gateway, som eksterne AI-systemer kan forespørge på naturligt sprog. En AI, der opretter forbindelse én gang, når alle deltagende virksomheder gennem den samme dør.
Tilladelses- og samtykkelag
Virksomheder deltager efter eget valg; autentificering, nøgleadministration, hastighedsbegrænsning og misbrugsbeskyttelse lever alt sammen i dette lag.
AI-synlighedslag
Gøre indhold maskinelopdageligt via llms.txt, /.well-known/ og schema.org-markering, plus registrering i MCP-registre. Der er ingen magisk automatisk opdagelse; synlighed er bygget på denne måde.
WordPress-plugin
Et plugin, der lader et WordPress-websted sende sit indhold til OpenRAG og få tilbage en slutpunkt, som AI-systemer kan forespørge på.
Vi giver ikke datoer for disse elementer. Når et element er fuldført, flyttes det op i listen "dele, der fungerer i dag", og denne side opdateres i overensstemmelse hermed.
🔒 Data forlader ikke serveren
OpenRAG's mål er at køre hvert trin i RAG-pipelinen på vores egen server med lokale, gratis værktøjer: embedding, reranking, tekstudtrækning fra billeder og lydtransskription. Ingen medier, der indgår i RAG, sendes til en ekstern tjeneste — dette er en ikke-forhandlingsvenlig designregel.
Den ærlige status: nogle af disse trin udføres stadig af eksterne tjenester i dag. At flytte dem internt er det første element på køreplanen.
Hvordan vækst planlægges
Vektorsøgning bliver dyrere, når indholdet vokser. OpenRAG's design begrænser disse omkostninger fra starten på tre måder.
Der er ikke et enkelt kæmpe indeks
Hver virksomhed har sit eget lille indeks, og en forespørgsel kører kun mod det indeks. Selv når det samlede indhold vokser, forbliver det område, en enkelt forespørgsel scanner, lille; søgeomkostningerne skalerer med den pågældende virksomheds størrelse, ikke med platformens samlede størrelse.
Vektorstørrelse og præcision er justerbare
Ved at bruge kortere vektordimensioner og mere kompakte talformater fylder det samme indhold markant mindre. Disse valg er bygget ind i designet fra starten, så der ikke er behov for en dyr migrering senere.
Cold tier
Indekset for en virksomhed, der ikke er blevet forespurgt i lang tid, flyttes til billig persistent lagring og hentes tilbage, når der kommer en forespørgsel til det. På den måde forbliver kun aktuelt indhold i hurtig hukommelse. Dette lag er på køreplanen.
Ofte stillede spørgsmål
Hvad er OpenRAG præcist?
Det er en RAG-platform, der renser og strukturerer en virksomheds indhold, indekserer det på vores egen server og gør det forespørgeligt på naturligt sprog af eksterne AI-systemer gennem en enkelt autoriseret dør. Det er ikke et chatværktøj; det er det videnslag, der kører under sådanne værktøjer.
Udleverer du mine vektorer eller mit indhold til andre?
Nej. Det grundlæggende princip er: vektorer offentliggøres ikke, adgang åbnes. Hvad der går ud, er ikke en kopi af indholdet, men retten til at stille det spørgsmål; kun de understøttende passager kommer tilbage med svaret. Oven i det beslutter virksomheden, hvilket indhold der bliver eksternt forespørgeligt.
Hvad kan faktisk bruges i dag?
Vektordatabasen og indekset, hybrid søgning, multi-tenant isolation, dokumentrensning og RAG-strukturering, web-crawling, det offentlige RAG-feed i brugerdefinerede AI-værktøjer og lagring af filer/medier fungerer alle i dag. Selvhøstet embedding, omrangering, forespørgselsomskrivning, den eksterne dør, tilladelseslaget, synlighedslaget og WordPress-plugin'et eksisterer endnu ikke.
Udgår mine data fra serveren?
Målet er, at hvert trin i RAG-pipelinen skal køre med lokale værktøjer på serveren, uden at medier, der indgår i RAG, nogensinde sendes til en ekstern tjeneste. Den ærlige status: nogle af disse trin håndteres stadig af eksterne tjenester i dag, og at flytte dem internt er det første punkt på køreplanen.
Hvornår vil køreplanens funktioner være klar?
Vi lover ikke datoer. Det er præcis formålet med denne side: at vise separat, hvad der fungerer i dag, og hvad der er planlagt. Når et element er fuldført, flyttes det til listen "dele, der fungerer i dag".
Bruges eller sælges mit indhold til AI-træning?
Nej. Der er ikke sådan en brug i dag. Ideen om et tilladt tekstkorpus er det fjerneste, juridisk tungeste punkt på køreplanen; selv hvis det sker, vil intet indhold blive brugt til det uden virksomhedens udtrykkelige samtykke.
Gå tilbage til AI-portalen for de andre AI-værktøjer.
Ofte stillede spørgsmål
Hvad er OpenRAG?
OpenRAG er et RAG (Retrieval-Augmented Generation) system og en AI-gateway med én indgang, der kører på xloji.com's egen server. Når der stilles et spørgsmål, finder den først relevant indhold og genererer derefter et svar baseret på dette indhold. Det fungerer også som en central gateway, der giver AI-værktøjer uden for xloji.com adgang til xloji.com's information fra et enkelt punkt.
Hvad betyder RAG, og hvordan implementerer OpenRAG det?
RAG står for 'Retrieval-Augmented Generation', hvilket betyder 'generering forstærket med hentning'; en AI søger efter information fra relevante kilder, før den genererer et svar, og bruger derefter denne information til at formulere svaret. OpenRAG udfører disse to trin, søgning og generering, ved at kombinere dem på sin egen server. Derfor er svarene fra OpenRAG ikke tilfældige, men baseret på ægte indhold fra xloji.com.
Hvad betyder 'AI-gateway med én indgang'?
En AI-gateway med én indgang betyder, at forskellige AI-anmodninger og integrationer behandles gennem et enkelt centralt indgangspunkt i stedet for separate systemer. OpenRAG påtager sig denne rolle: både xloji.com's egen 'Spørg' funktion og AI-værktøjer, der oprettes forbindelse udefra, bruger den samme OpenRAG-infrastruktur. Denne centrale struktur muliggør administration af AI-relateret trafik fra et enkelt punkt.
Hvad er fordelen ved, at OpenRAG kører på egen server?
OpenRAG kører på xloji.com's egen server uden at være afhængig af en tredjeparts cloud-tjeneste. Det betyder, at de data, der søges efter og behandles, forbliver under xloji.com's kontrol. Som en struktur, der kører på egen server, udfører OpenRAG søgning og svar generering inden for sin egen infrastruktur uden at overføre data til eksterne systemer.
Hvem bruger OpenRAG?
OpenRAG bruges af tre forskellige grupper: slutbrugere, der besøger xloji.com og skriver i feltet 'Stil et spørgsmål', systemer, der forespørger xloji.com's egen RAG-infrastruktur, og eksterne AI-værktøjer, der får adgang til xloji.com-information via OpenRAG. For slutbrugeren returnerer OpenRAG et svar baseret på xloji.com-indhold til det stillede spørgsmål. For eksterne værktøjer er OpenRAG en kontekstfri gateway, der bruges til at hente information fra xloji.com.
Hvordan fungerer 'Stil et spørgsmål'-feltet på xloji.com med OpenRAG?
Et spørgsmål, der skrives i 'Stil et spørgsmål'-feltet på xloji.com, behandles af OpenRAG. OpenRAG søger først efter indhold relateret til spørgsmålet i xloji.com's egne data, og genererer derefter et svar baseret på dette fundne indhold. På denne måde er det svar, der gives til brugeren, understøttet af ægte indhold fra xloji.com.
Hvordan får eksterne AI-værktøjer information via OpenRAG?
OpenRAG fungerer som en enkelt adgangsportal for AI-værktøjer uden for xloji.com for at få adgang til information om xloji.com. Disse værktøjer kan oprette forbindelse via OpenRAG og modtage selvstændigt forståelige svar fra xloji.com's indhold uden kontekst. Derfor er de oplysninger, der leveres via OpenRAG, designet til at være meningsfulde i sig selv uden behov for yderligere kontekst.
Hvad er OpenRAG's begrænsninger?
OpenRAG's svar er begrænset af det indhold, det er givet; OpenRAG kan ikke generere et definitivt svar på information, der ikke findes i systemet eller ikke er blevet tilføjet. OpenRAG er designet til at holde sig til det tilgængelige indhold i stedet for at opfinde ikke-eksisterende information. Derfor skal det huskes, at et svar modtaget fra OpenRAG er begrænset til det indhold, xloji.com har på det pågældende tidspunkt.
Er OpenRAG en chatbot?
OpenRAG er ikke en traditionel chatbot i klassisk forstand; det er en RAG- og gateway-infrastruktur, der driver 'Spørg'-funktionen på xloji.com og adgangen til information via eksterne værktøjer. OpenRAGs kernefunktion er at finde indhold, der svarer til et spørgsmål, og generere et svar baseret på dette indhold. I denne form fungerer OpenRAG mere som et infrastruktur-lag bag svarene end en grænseflade, der chatter direkte med brugeren.
Hvad er formålet med OpenRAG for xloji.com?
Formålet med OpenRAG er at give både slutbrugere og eksterne AI-værktøjer adgang til xloji.com's information via en pålidelig og selvstyret infrastruktur. At den kører på egen server sikrer, at denne adgang sker uden afhængighed af tredjepartssystemer. Takket være sin single gateway-struktur samler OpenRAG forskellige adgangspunkter i et enkelt centralt system.
Detaljerede oplysninger om OpenRAG
OpenRAG er et RAG (Retrieval-Augmented Generation) system, der kører på xloji.com's egen server, og det er også en AI-gateway, der leder anmodninger relateret til kunstig intelligens gennem et enkelt punkt. 'Open' i navnet indikerer, at systemet tilbyder en åben og tilgængelig struktur, mens 'RAG' refererer til dets arbejdsmetode, hvor det først finder relevant data, før det genererer et svar baseret på disse data. Et spørgsmål, der skrives i 'Spørg' feltet på xloji.com, søges først af OpenRAG i relevant indhold, hvorefter et svar genereres baseret på dette fundne indhold. Den samme infrastruktur gør det også muligt for kunstig intelligens værktøjer uden for xloji.com at få adgang til xloji.com's informationer via OpenRAG og bruge disse informationer i deres egne svar. Denne struktur gør det muligt for xloji.com at levere service via en enkelt central infrastruktur i stedet for at oprette separate kunstig intelligens løsninger til forskellige produkter.
Den grundlæggende logik i RAG-tilgangen er, at et kunstig intelligens system ikke kun skal stole på generel viden, det er blevet trænet på, men først hente aktuelt og korrekt indhold fra en kilde relateret til spørgsmålet og derefter svare i lyset af dette indhold. OpenRAG kombinerer disse to trin, nemlig hentning (retrieval) og generering (generation), og kører dem på sin egen server. Denne tilgang har til formål at reducere tendensen til, at kunstig intelligens modeller nogle gange producerer ikke-eksisterende information; fordi svaret er afledt af faktisk fundet indhold og ikke fra modellens egen hukommelse. På denne måde er de svar, OpenRAG giver, ikke baseret på tilfældig eller forældet information, men på xloji.com's eget indhold. Kilden til et svar, der genereres af OpenRAG, kan derfor spores som xloji.com's egne data. At serveren ejes af xloji.com betyder, at de data, der søges efter og behandles, opbevares under xloji.com's egen kontrol uden at være afhængige af en tredjeparts cloud-tjeneste.
OpenRAG's 'single-door AI gateway' side betyder, at forskellige kunstig intelligens anmodninger og integrationer ledes fra et enkelt centralt indgangspunkt i stedet for separate systemer. På denne måde bruger både xloji.com's egen 'Spørg' funktion og eksterne værktøjer, der er forbundet via OpenRAG, den samme infrastruktur og den samme grundlæggende logik. Som en central gateway-struktur sikrer OpenRAG, at al trafik relateret til kunstig intelligens passerer gennem et enkelt punkt; dette øger både konsistensen af svarene og datakontrollen, da det er et system, der kører på sin egen server. Denne single-point tilgang gør det også muligt at udføre vedligeholdelse og opdateringer ét sted i stedet for i spredte systemer. I denne henseende er OpenRAG ikke kun et spørgsmål-svar værktøj, men et infrastruktur lag, der samler alle xloji.com's adgangspunkter relateret til kunstig intelligens.
OpenRAG bruges direkte eller indirekte af tre forskellige brugergrupper: slutbrugere, der besøger xloji.com og skriver et spørgsmål i 'Spørg' feltet, systemer, der forespørger xloji.com's egen RAG-infrastruktur, og eksterne kunstig intelligens værktøjer, der får adgang til xloji.com's informationer via OpenRAG. Alle tre brugergrupper modtager svar, der er hentet fra den samme OpenRAG-infrastruktur og det samme indholdspool; derfor, uanset hvor man spørger om xloji.com, får man adgang til en konsistent informationskilde. De svar, OpenRAG giver, er begrænset til det indhold, der er leveret til det; det vil sige, man bør ikke forvente et definitivt svar fra OpenRAG om information, der ikke findes i systemet eller ikke er blevet tilføjet til dets server. Denne begrænsning danner også grundlaget for OpenRAG's pålidelighed: i stedet for at opfinde ikke-eksisterende information, sigter det mod at producere svar, der er begrænset til og baseret på dets eksisterende indhold.