🧠 OpenRAG
OpenRAG es una plataforma RAG que limpia y estructura el contenido de una empresa, lo indexa en nuestro propio servidor y lo hace consultable en lenguaje natural por sistemas de IA externos a través de una única puerta con permisos.
Los vectores no se publican; se abre el ACCESO.
Esta es una presentación del producto, no una lista de promesas. A continuación, las partes que funcionan hoy y las que aún están en la hoja de ruta se marcan por separado. No se prometen fechas para los elementos de la hoja de ruta; a medida que se completan, se trasladan a la sección de "funcionando hoy".
El principio fundamental
Todo el diseño de OpenRAG se basa en una sola frase: los vectores no se publican, se abre el acceso. Lo que se proporciona al exterior no es una copia del contenido, sino el derecho a hacerle preguntas.
Un vector es un motor, no un producto
Un vector es específico del modelo que lo produjo; otra IA no puede consumirlo tal cual. También infla el texto muchas veces. Por eso los vectores nunca se entregan.
Lo que se abre es el acceso a las consultas
Una pregunta llega; una respuesta y los pasajes fuente en los que se basa regresan. El contenido completo nunca se copia, distribuye ni descarga.
La autorización pertenece a la empresa
La empresa decide qué contenido se hace consultable externamente; la participación es opcional. La capa de permiso y consentimiento está en la hoja de ruta.
Cómo funciona — arquitectura objetivo
Los enlaces de limpieza, estructuración, indexación y búsqueda de este flujo funcionan hoy. La incorporación autoalojada con reranking y la única puerta al mundo exterior aún están en la hoja de ruta; cada paso a continuación indica cuál es cuál.
Se recopilan las fuentes
Los sitios de xloji, los documentos cargados y las páginas web rastreadas son las fuentes de contenido. (Un plugin de WordPress y una API de ingestión pública están en la hoja de ruta).
Se limpia y estructura
El contenido desordenado se limpia, se divide en fragmentos significativos y se lleva a un formato que RAG pueda usar. Este paso funciona hoy.
Se indexa y se busca
Los fragmentos se convierten en vectores y se escriben en pgvector; se encuentran a través de un índice HNSW y una búsqueda híbrida (palabra clave + vector). Este paso funciona hoy; agregar el enlace de reranking está en la hoja de ruta.
Se accede a él a través de una única puerta
Los sistemas de IA externos preguntan en lenguaje natural a través de una única puerta con permisos; las respuestas y los pasajes fuente regresan, no los vectores en sí. Esta puerta aún no existe; está en la hoja de ruta.
Partes que funcionan hoyEn vivo
Lo siguiente se está ejecutando en la plataforma hoy y ya está siendo utilizado por las herramientas de IA en xloji.com.
pgvector + índice HNSW
Los fragmentos de contenido se almacenan como vectores en la base de datos y se buscan con un índice HNSW sobre la similitud del coseno.
Búsqueda híbrida
La búsqueda de palabras clave y la búsqueda de vectores se ejecutan juntas; las dos listas de resultados se fusionan en una sola clasificación. Esto encuentra tanto coincidencias exactas de términos como pasajes semánticamente cercanos.
Aislamiento multi-inquilino
Cada empresa, sitio y autor tiene su propio RAG. Una consulta se ejecuta solo contra el índice de su propio inquilino; los datos nunca se mezclan entre inquilinos.
Limpieza de documentos y estructuración de RAG
Los documentos cargados se limpian, se dividen en fragmentos y se estructuran para RAG. La herramienta de estructuración de datos en la plataforma es la interfaz de usuario de esta canalización.
Rastreo web
Las páginas de un sitio se rastrean, su contenido se extrae y se pasa a través de la misma canalización de limpieza e indexación.
Feed RAG público en herramientas de IA personalizadas
Una herramienta de IA personalizada que crees se puede alimentar desde una fuente RAG pública; la herramienta basa sus respuestas en esa base de conocimiento.
Almacenamiento de archivos y medios
Los archivos y los medios se almacenan en el almacenamiento de objetos, no en el almacén de vectores. El registro RAG apunta al archivo original.
Incrustación y reordenamiento en nuestros propios servidores
La incrustación y el reordenamiento ahora se ejecutan en nuestros propios servidores en un servicio independiente. El texto se convierte en vectores sin salir del servidor, y los resultados candidatos pasan por un reordenador local para mejorar la precisión.
Reescritura de consultas
Una pregunta vaga o incompleta se corrige antes de que se ejecute la búsqueda. Los usuarios no tienen que formular la pregunta "correcta"; el sistema prepara la consulta para la búsqueda.
Texto de imágenes, audio y video
La extracción de texto de imágenes y la transcripción de audio y video se ejecutan con herramientas locales en el servidor, y el texto resultante entra en la misma tubería de limpieza e indexación. Los datos no abandonan el servidor.
Lo que está en la hoja de rutaPlanificado
Lo siguiente aún no existe. Son elementos planificados y diseñados; esta página no los presenta como si ya estuvieran construidos.
La única puerta: MCP / puerta de enlace de API
Una única puerta de enlace que los sistemas de IA externos pueden consultar en lenguaje natural. Una IA que se conecta una vez llega a todas las empresas participantes a través de la misma puerta.
Capa de permiso y consentimiento
Las empresas se unen por su propia elección; la autenticación, la gestión de claves, la limitación de velocidad y la protección contra abusos se encuentran en esta capa.
Capa de visibilidad de la IA
Hacer que el contenido sea descubrible por máquinas a través de llms.txt, /.well-known/ y el marcado schema.org, además del registro en los registros de MCP. No hay un descubrimiento automático mágico; la visibilidad se construye de esta manera.
Plugin de WordPress
Un plugin que permite a un sitio de WordPress enviar su contenido a OpenRAG y obtener una terminal que los sistemas de IA puedan consultar.
No damos fechas para estos elementos. Cuando un elemento está terminado, se traslada a la lista de "partes que funcionan hoy" y esta página se actualiza en consecuencia.
🔒 Los datos no abandonan el servidor
El objetivo de OpenRAG es ejecutar cada paso de la canalización RAG en nuestro propio servidor con herramientas locales y gratuitas: incrustación, reranking, extracción de texto de imágenes y transcripción de audio. Ningún medio que entre en RAG se envía a un servicio externo — esta es una regla de diseño no negociable.
El estado honesto: algunos de estos pasos aún los realizan servicios externos hoy. Trasladarlos internamente es el primer elemento de la hoja de ruta.
Cómo se planea el crecimiento
La búsqueda de vectores se vuelve más costosa a medida que crece el contenido. El diseño de OpenRAG limita ese costo desde el principio de tres maneras.
No hay un índice gigante único
Cada empresa tiene su propio índice pequeño y una consulta se ejecuta solo contra ese índice. Incluso a medida que crece el contenido total, el área que escanea una sola consulta se mantiene pequeña; el costo de búsqueda se escala con el tamaño de esa empresa, no con el tamaño total de la plataforma.
El tamaño y la precisión del vector son ajustables
Usando dimensiones de vector más cortas y formatos de números más compactos, el mismo contenido ocupa significativamente menos espacio. Estas opciones se incorporan al diseño desde el principio para que no sea necesaria ninguna migración costosa más adelante.
Capa fría
El índice de una empresa que no ha sido consultada durante mucho tiempo se mueve al almacenamiento persistente económico y se recupera cuando llega una consulta para ella. De esa manera, solo el contenido activo permanece en la memoria rápida. Esta capa está en la hoja de ruta.
Preguntas frecuentes
¿Qué es exactamente OpenRAG?
Es una plataforma RAG que limpia y estructura el contenido de una empresa, lo indexa en nuestro propio servidor y lo hace consultable en lenguaje natural por sistemas de IA externos a través de una única puerta con permisos. No es una herramienta de chat; es la capa de conocimiento que se ejecuta debajo de tales herramientas.
¿Me entregan mis vectores o mi contenido a otra persona?
No. El principio fundamental es: los vectores no se publican, se abre el acceso. Lo que sale al exterior no es una copia del contenido, sino el derecho a hacerle preguntas; solo regresan los pasajes de soporte. Además, la empresa decide qué contenido se hace consultable externamente.
¿Qué se puede usar realmente hoy?
La base de datos vectorial y el índice, la búsqueda híbrida, el aislamiento multi-inquilino, la limpieza de documentos y la estructuración de RAG, el rastreo web, el feed público de RAG en herramientas de IA personalizadas y el almacenamiento de archivos/medios funcionan hoy en día. El embedding auto-hospedado, el re-ranking, la reescritura de consultas, la puerta externa, la capa de permisos, la capa de visibilidad y el plugin de WordPress aún no existen.
¿Mis datos salen del servidor?
El objetivo es que cada paso del pipeline de RAG se ejecute con herramientas locales en el servidor, sin que ningún medio entre en RAG se envíe a un servicio externo. La situación real: algunos de estos pasos todavía los gestionan servicios externos hoy en día, y trasladarlos internamente es el primer punto en la hoja de ruta.
¿Cuándo estarán listos los elementos de la hoja de ruta?
No prometemos fechas. Ese es exactamente el propósito de esta página: mostrar por separado lo que funciona hoy y lo que está planificado. Cuando un elemento se completa, se traslada a la lista de "partes que funcionan hoy".
¿Se utiliza o se vende mi contenido para el entrenamiento de IA?
No. No existe tal uso hoy en día. La idea de un corpus de texto con permisos es el elemento más lejano y legalmente pesado de la hoja de ruta; incluso si ocurre, no se utilizaría ningún contenido para ello sin el consentimiento explícito de la empresa.
Vuelve a el portal de IA para acceder a las demás herramientas de IA.
Preguntas frecuentes
¿Qué es OpenRAG?
OpenRAG es un sistema RAG (Retrieval-Augmented Generation) y una puerta de enlace de IA de un solo punto de acceso que se ejecuta en el propio servidor de xloji.com. Cuando se recibe una pregunta, primero encuentra el contenido relevante y luego genera una respuesta basada en ese contenido. También actúa como una puerta de enlace central que permite que las herramientas de IA externas accedan a la información propiedad de xloji.com desde un único punto.
¿Qué significa RAG y cómo lo implementa OpenRAG?
RAG significa 'Retrieval-Augmented Generation', o generación aumentada por recuperación; una IA busca información de fuentes relevantes antes de generar una respuesta, y luego crea la respuesta basándose en esa información. OpenRAG ejecuta estos dos pasos, los pasos de búsqueda y generación, combinados en su propio servidor. Por lo tanto, las respuestas proporcionadas por OpenRAG no son aleatorias, sino que se basan en el contenido real propiedad de xloji.com.
¿Qué significa 'puerta de enlace de IA de un solo punto de acceso'?
Una puerta de enlace de IA de un solo punto de acceso significa que las diferentes solicitudes e integraciones de IA se pasan a través de un único punto de entrada central en lugar de sistemas separados. OpenRAG asume este rol: tanto la función 'Preguntar' de xloji.com como las herramientas de IA conectadas desde el exterior reciben servicio a través de la misma infraestructura OpenRAG. Esta estructura centralizada permite la gestión de tráfico relacionado con la IA desde un único punto.
¿Qué diferencia hay en que OpenRAG se ejecute en su propio servidor?
OpenRAG se ejecuta en el propio servidor de xloji.com sin depender de un servicio en la nube de terceros. Esto significa que los datos buscados y procesados permanecen bajo el control de xloji.com. Como estructura que se ejecuta en su propio servidor, OpenRAG realiza las operaciones de búsqueda y generación de respuestas dentro de su propia infraestructura sin transferir datos a sistemas externos.
¿Quiénes usan OpenRAG?
OpenRAG es utilizado por tres grupos diferentes: usuarios finales que visitan xloji.com y escriben en el cuadro 'Pregunta', sistemas que consultan la propia infraestructura RAG de xloji.com y herramientas de IA externas que acceden a la información perteneciente a xloji.com a través de OpenRAG. Para el usuario final, OpenRAG devuelve una respuesta basada en el contenido de xloji.com a su pregunta. Para las herramientas externas, OpenRAG es una puerta de enlace sin contexto utilizada para extraer información de xloji.com.
¿Cómo funciona el cuadro 'Pregunta' en xloji.com con OpenRAG?
Una pregunta escrita en el cuadro 'Pregunta' de xloji.com es procesada por OpenRAG. OpenRAG primero busca contenido relevante a la pregunta dentro de los propios datos de xloji.com, luego genera una respuesta basada en este contenido encontrado. De esta manera, la respuesta proporcionada al usuario está respaldada por contenido real perteneciente a xloji.com.
¿Cómo obtienen información las herramientas de IA externas a través de OpenRAG?
OpenRAG actúa como una puerta de enlace única para que las herramientas de IA externas accedan a la información perteneciente a xloji.com. Estas herramientas pueden conectarse a través de OpenRAG para recibir respuestas autónomas y comprensibles del contenido de xloji.com. Por lo tanto, la información proporcionada a través de OpenRAG está diseñada para ser significativa por sí sola, sin necesidad de un contexto adicional.
¿Cuáles son las limitaciones de OpenRAG?
Las respuestas proporcionadas por OpenRAG están limitadas por el contenido proporcionado; OpenRAG no puede generar una respuesta definitiva sobre información que no se encuentra o no se ha añadido al sistema. OpenRAG tiene como objetivo limitarse al contenido que tiene a mano en lugar de inventar información inexistente. Por lo tanto, no se debe olvidar que una respuesta obtenida de OpenRAG está limitada por el contenido que xloji.com posee en ese momento.
¿Es OpenRAG un chatbot?
OpenRAG no es un chatbot independiente en el sentido clásico; es la infraestructura RAG y de puerta de enlace que impulsa la función 'Pregunta' de xloji.com y el acceso a la información de herramientas externas. El trabajo principal de OpenRAG es encontrar el contenido correspondiente a una pregunta y generar una respuesta a partir de este contenido. Como tal, OpenRAG funciona más como una capa de infraestructura detrás de las respuestas que como una interfaz que chatea directamente con el usuario.
Qual es el propósito de OpenRAG para xloji.com?
El propósito de OpenRAG es permitir que tanto los usuarios finales como las herramientas de inteligencia artificial externas accedan a la información perteneciente a xloji.com a través de una infraestructura confiable y controlada. Su funcionamiento en su propio servidor garantiza que este acceso se produzca sin depender de sistemas de terceros. Gracias a su estructura de puerta de enlace única, OpenRAG combina diferentes puntos de acceso en un sistema centralizado.
Información detallada sobre OpenRAG
OpenRAG es un sistema RAG (Retrieval-Augmented Generation) que funciona en el propio servidor de xloji.com y, al mismo tiempo, es una puerta de enlace de IA que canaliza las solicitudes relacionadas con la inteligencia artificial desde un único punto. La palabra 'Open' en su nombre indica que el sistema ofrece una estructura abierta y accesible, mientras que 'RAG' señala su forma de funcionar, que consiste en buscar primero la información relevante y luego generar una respuesta basándose en esos datos. Una pregunta escrita en el cuadro 'Pregunta' de xloji.com se busca primero en el contenido relevante por OpenRAG y, a continuación, se genera una respuesta basándose en este contenido encontrado. La misma infraestructura también permite que las herramientas de IA externas accedan a la información perteneciente a xloji.com a través de OpenRAG y utilicen esta información en sus propias respuestas. Esta estructura permite a xloji.com prestar servicios a través de una única infraestructura centralizada en lugar de configurar soluciones de IA separadas para sus diferentes productos.
La lógica básica del enfoque RAG es que un sistema de IA, en lugar de confiar únicamente en el conocimiento general con el que ha sido preentrenado, primero extraiga contenido actualizado y preciso de una fuente relacionado con la pregunta y luego responda a la luz de este contenido. OpenRAG combina estos dos pasos, es decir, los pasos de búsqueda (retrieval) y generación (generation), ejecutándolos en su propio servidor. Este enfoque tiene como objetivo reducir la tendencia de los modelos de IA a generar información inexistente; porque la respuesta se deriva de contenido realmente encontrado, no de la propia memoria del modelo. De este modo, las respuestas que proporciona OpenRAG se basan en el propio contenido de xloji.com, no en información aleatoria o obsoleta. Por lo tanto, la fuente de una respuesta generada por OpenRAG puede seguirse como los propios datos de xloji.com. El hecho de que el servidor pertenezca a xloji.com significa que los datos buscados y procesados se mantienen bajo el control de xloji.com sin depender de un servicio en la nube de terceros.
El lado de 'puerta de enlace de IA de un solo punto' de OpenRAG significa que las diferentes solicitudes e integraciones de IA se dirigen desde un único punto de entrada centralizado en lugar de sistemas separados. De este modo, tanto la función 'Pregunta' de xloji.com como las herramientas externas conectadas a través de OpenRAG utilizan la misma infraestructura y la misma lógica básica. Como estructura de puerta de enlace centralizada, OpenRAG garantiza que todo el tráfico relacionado con la IA pase por un único punto; esto aumenta tanto la coherencia de las respuestas como el control sobre los datos como un sistema que funciona en su propio servidor. Este enfoque de un solo punto también permite que el mantenimiento y las actualizaciones se realicen en un único lugar en lugar de en sistemas dispersos. En este sentido, OpenRAG no es solo una herramienta de preguntas y respuestas, sino una capa de infraestructura que unifica todos los puntos de acceso relacionados con la IA de xloji.com.
OpenRAG es utilizado directa o indirectamente por tres grupos de usuarios diferentes: los usuarios finales que visitan xloji.com y escriben en el cuadro 'Pregunta', los sistemas que consultan la propia infraestructura RAG de xloji.com y las herramientas de IA externas que acceden a la información perteneciente a xloji.com a través de OpenRAG. Estos tres grupos de usuarios reciben respuestas del mismo pool de contenido alimentado por la misma infraestructura OpenRAG; por lo tanto, se llega a una fuente de información coherente sobre xloji.com, independientemente de dónde se pregunte. Las respuestas proporcionadas por OpenRAG están limitadas al contenido que se le proporciona; es decir, no se debe esperar una respuesta definitiva de OpenRAG sobre información que no se encuentre en el sistema o que no se haya añadido a su servidor. Este límite es también la base de la fiabilidad de OpenRAG: en lugar de inventar información inexistente, pretende generar respuestas limitadas por el contenido que tiene a su disposición y basadas en él.