🧠 OpenRAG
Ang OpenRAG ay isang RAG platform na nililinis at inaayos ang nilalaman ng isang negosyo, ini-index ito sa aming sariling server, at ginagawa itong maaaring tanungin sa natural na wika ng mga panlabas na sistema ng AI sa pamamagitan ng isang pintuang may pahintulot.
Hindi nai-publish ang mga vector; BINUKSAN ang access.
Ito ay isang pagpapakilala ng produkto, hindi isang listahan ng mga pangako. Sa ibaba, ang mga bahagi na gumagana ngayon at ang mga bahagi na nasa roadmap pa lamang ay minarkahan nang hiwalay. Walang mga petsa na ipinangako para sa mga item sa roadmap; habang natatapos ang mga ito, lumilipat sila sa seksyong "gumagana ngayon".
Ang pangunahing prinsipyo
Ang buong disenyo ng OpenRAG ay nakasalalay sa isang pangungusap: hindi nai-publish ang mga vector, binubuksan ang access. Ang ibinibigay sa labas ay hindi isang kopya ng nilalaman, kundi ang karapatang magtanong tungkol dito.
Ang isang vector ay isang engine, hindi isang produkto
Ang isang vector ay tiyak sa modelo na lumikha nito; ang isa pang AI ay hindi ito maaaring gamitin nang direkta. Pinapalaki rin nito ang teksto nang maraming beses. Kaya naman hindi kailanman ibinibigay ang mga vector.
Ang binubuksan ay access sa pagtatanong
Ang isang tanong ay pumapasok; ang isang sagot at ang mga pinagmulang sipi na nakabatay dito ay bumabalik. Ang buong nilalaman ay hindi kinokopya, ipinamamahagi o dini-download.
Ang pahintulot ay pagmamay-ari ng negosyo
Ang negosyo ang nagpapasya kung aling nilalaman ang magiging maaaring tanungin mula sa labas; ang pakikilahok ay opt-in. Ang layer ng pahintulot at pagsang-ayon ay nasa roadmap.
Paano ito gumagana — target na arkitektura
Ang paglilinis, pag-aayos, pag-i-index at mga link sa paghahanap ng daloy na ito ay gumagana ngayon. Ang self-hosted embedding na may reranking, at ang pintuang nag-iisa sa labas ng mundo, ay nasa roadmap pa rin; ang bawat hakbang sa ibaba ay nagsasaad kung alin ang alin.
Kinokolekta ang mga pinagmulan
Ang mga site ng xloji, mga na-upload na dokumento at mga na-crawl na web page ay ang mga pinagmumulan ng nilalaman. (Ang isang WordPress plugin at isang pampublikong ingestion API ay nasa roadmap.)
Ito ay nililinis at inaayos
Ang magulong nilalaman ay nililinis, hinahati sa makabuluhang mga bahagi at ginagawa sa isang form na maaaring gamitin ng RAG. Gumagana ang hakbang na ito ngayon.
Ito ay ini-index at hinahanap
Ang mga bahagi ay ginagawang mga vector at isinusulat sa pgvector; natatagpuan ang mga ito sa pamamagitan ng isang HNSW index at hybrid search (keyword + vector). Gumagana ang hakbang na ito ngayon; ang pagdaragdag ng link ng reranking ay nasa roadmap.
Ito ay naaabot sa pamamagitan ng isang pintuang nag-iisa
Ang mga panlabas na sistema ng AI ay nagtatanong sa natural na wika sa pamamagitan ng isang pintuang may pahintulot; ang mga sagot at mga pinagmulang sipi ay bumabalik, hindi ang mga vector mismo. Hindi pa umiiral ang pintuang ito; nasa roadmap ito.
Mga bahagi na gumagana ngayonLive
Ang mga sumusunod ay tumatakbo sa platform ngayon at ginagamit na ng mga tool ng AI sa xloji.com.
pgvector + HNSW index
Ang mga bahagi ng nilalaman ay nakaimbak bilang mga vector sa database at hinahanap gamit ang isang HNSW index sa cosine similarity.
Hybrid search
Ang keyword search at vector search ay tumatakbo nang magkasama; ang dalawang listahan ng resulta ay pinagsama sa isang solong pagraranggo. Natatagpuan nito ang parehong eksaktong mga tugma sa termino at mga sipi na semantikong malapit.
Multi-tenant isolation
Ang bawat negosyo, site at may-akda ay may sariling RAG. Ang isang query ay tumatakbo lamang laban sa index ng sarili nitong tenant; hindi kailanman naghahalo ang data sa mga tenant.
Paglilinis ng dokumento at pag-aayos ng RAG
Ang mga na-upload na dokumento ay nililinis, hinahati at inaayos para sa RAG. Ang Data Structuring tool sa platform ang user-facing face ng pipeline na ito.
Web crawling
Ang mga pahina ng isang site ay na-crawl, ang kanilang nilalaman ay kinukuha at ipinapasa sa parehong pipeline ng paglilinis at pag-i-index.
Pampublikong RAG feed sa mga custom na tool ng AI
Ang isang custom na tool ng AI na iyong ginawa ay maaaring pakainin mula sa isang pampublikong pinagmumulan ng RAG; ang tool ay ibinabatay ang mga sagot nito sa kaalamang iyon.
Imbakan ng file at media
Ang mga file at media ay nakatira sa object storage — hindi sa vector store. Ang record ng RAG ay tumuturo pabalik sa orihinal na file.
Paglalagay at muling pag-aayos sa aming sariling mga server
Ang paglalagay at muling pag-aayos ay tumatakbo na ngayon sa aming sariling mga server sa isang hiwalay na serbisyo. Ang teksto ay ginagawang mga vector nang hindi umaalis sa server, at ang mga kandidatong resulta ay dumadaan sa isang lokal na muling tagapag-ayos upang mapabuti ang katumpakan.
Pagbabago ng tanong
Ang isang malabo o hindi kumpletong tanong ay nililinis bago tumakbo ang paghahanap. Hindi kailangang ipahayag ng mga gumagamit ang "tamang" tanong; ginagawang handa ng sistema ang tanong para sa paghahanap.
Teksto mula sa mga larawan, audio at video
Ang pagkuha ng teksto mula sa mga larawan at ang paglilipat ng audio at video ay tumatakbo gamit ang mga lokal na tool sa server, at ang nagresultang teksto ay pumapasok sa parehong paglilinis at pipeline ng pag-iindeks. Hindi umaalis sa server ang data.
Ano ang nasa roadmapPlano
Ang mga sumusunod ay hindi pa umiiral. Ang mga ito ay mga planong at dinisenyong item; ang pahinang ito ay hindi nagpapakita sa kanila na parang binuo na ang mga ito.
Ang pintuang nag-iisa: MCP / API gateway
Isang pintuang nag-iisa na maaaring tanungin ng mga panlabas na sistema ng AI sa natural na wika. Ang isang AI na kumokonekta nang isang beses ay umaabot sa bawat kalahok na negosyo sa pamamagitan ng parehong pintuan.
Layer ng pahintulot at pagsang-ayon
Ang mga negosyo ay sumasali sa kanilang sariling pagpili; ang pagpapatunay, pamamahala ng key, paglilimita ng rate at proteksyon laban sa pang-aabuso ay nakatira sa layer na ito.
Layer ng visibility ng AI
Pagiging machine-discoverable ng nilalaman sa pamamagitan ng llms.txt, /.well-known/ at schema.org markup, kasama ang pagpaparehistro sa mga registry ng MCP. Walang mahikal na auto-discovery; ang visibility ay itinayo sa ganitong paraan.
WordPress plugin
Ang isang plugin na nagbibigay-daan sa isang WordPress site na ipadala ang nilalaman nito sa OpenRAG at makuha ang isang endpoint na maaaring tanungin ng mga sistema ng AI.
Hindi kami nagbibigay ng mga petsa para sa mga item na ito. Kapag natapos ang isang item, lumilipat ito sa listahan ng "mga bahagi na gumagana ngayon", at ina-update nang naaayon ang pahinang ito.
🔒 Ang data ay hindi umaalis sa server
Ang layunin ng OpenRAG ay patakbuhin ang bawat hakbang ng RAG pipeline sa aming sariling server gamit ang mga lokal, libreng tool: embedding, reranking, pagkuha ng teksto mula sa mga imahe at transkripsyon ng audio. Walang media na pumapasok sa RAG ang ipinapadala sa isang panlabas na serbisyo — ito ay isang hindi mapag-usapang panuntunan sa disenyo.
Ang tapat na katayuan: ang ilan sa mga hakbang na ito ay ginagawa pa rin ng mga panlabas na serbisyo ngayon. Ang paglipat sa kanila sa bahay ay ang unang item sa roadmap.
Paano pinlano ang paglago
Ang paghahanap ng vector ay nagiging mas mahal habang lumalaki ang nilalaman. Nililimitahan ng disenyo ng OpenRAG ang gastos na iyon mula sa simula sa tatlong paraan.
Walang iisang higanteng index
Ang bawat negosyo ay may sariling maliit na index at ang isang query ay tumatakbo lamang laban sa index na iyon. Kahit na lumalaki ang kabuuang nilalaman, ang lugar na sinusuri ng isang solong query ay nananatiling maliit; ang gastos sa paghahanap ay tumataas sa laki ng isang negosyo, hindi sa kabuuang ng platform.
Ang laki ng vector at katumpakan ay maaaring ayusin
Sa pamamagitan ng paggamit ng mas maiikling dimensyon ng vector at mas compact na mga format ng numero, ang parehong nilalaman ay kumukuha ng kapansin-pansing mas kaunting espasyo. Ang mga pagpipiliang ito ay itinayo sa disenyo mula sa simula upang walang magastos na paglipat na kailanganin sa ibang pagkakataon.
Cold tier
Ang index ng isang negosyo na hindi pa natatanong sa loob ng mahabang panahon ay inililipat sa murang persistent storage at ibinabalik kapag dumating ang isang query para dito. Sa ganitong paraan, ang kasalukuyang aktibong nilalaman lamang ang nananatili sa mabilis na memorya. Ang tier na ito ay nasa roadmap.
Mga Madalas Itanong
Ano ang eksaktong OpenRAG?
Ito ay isang RAG platform na nililinis at inaayos ang nilalaman ng isang negosyo, ini-index ito sa aming sariling server, at ginagawa itong maaaring tanungin sa natural na wika ng mga panlabas na sistema ng AI sa pamamagitan ng isang pintuang may pahintulot. Hindi ito isang tool sa chat; ito ang layer ng kaalaman na tumatakbo sa ilalim ng mga tool na iyon.
Ibinibigay mo ba ang aking mga vector o ang aking nilalaman sa iba?
Hindi. Ang pangunahing prinsipyo ay: hindi nai-publish ang mga vector, binubuksan ang access. Ang ibinibigay sa labas ay hindi isang kopya ng nilalaman kundi ang karapatang magtanong dito; ang mga sumusuportang sipi lamang ang bumabalik kasama ang sagot. Sa itaas ng iyon, ang negosyo ang nagpapasya kung aling nilalaman ang magiging maaaring tanungin mula sa labas.
Ano ang talagang magagamit ngayon?
Gumagana na po ang vector database at index, hybrid search, multi-tenant isolation, paglilinis ng dokumento at RAG structuring, web crawling, ang public RAG feed sa custom AI tools, at storage ng file/media. Ang self-hosted embedding, reranking, query rewriting, ang external door, ang permission layer, ang visibility layer, at ang WordPress plugin ay hindi pa po nagagawa.
Umalalis po ba ang aking data sa server?
Ang layunin po ay para sa bawat hakbang ng RAG pipeline ay tumakbo gamit ang mga lokal na tools sa server, nang walang media na pumapasok sa RAG na ipinapadala sa isang external service. Ang tapat na katayuan: ang ilan sa mga hakbang na ito ay pinangangasiwaan pa rin ng mga external services ngayon, at ang paglilipat ng mga ito sa loob ng kumpanya ang unang item sa roadmap.
Kailan po malalaman kung handa na ang mga feature sa roadmap?
Wala po kaming ipinapangakong mga petsa. Iyan po ang mismong layunin ng pahinang ito: upang ipakita nang hiwalay kung ano ang gumagana ngayon at kung ano ang pinaplano. Kapag natapos na ang isang item, ililipat ito sa listahan ng "mga bahagi na gumagana ngayon".
Ginagamit po ba o ibinebenta ang aking content para sa AI training?
Hindi po. Wala pong ganitong paggamit sa ngayon. Ang ideya ng isang permissioned text corpus ang pinakamalayong, legal na mabigat na item sa roadmap; kahit na mangyari ito, walang content ang gagamitin para dito nang walang tahasang pahintulot ng negosyo.
Bumalik po sa AI portal para sa iba pang AI tools.
Mga Madalas Itanong
Ano ang OpenRAG?
Ang OpenRAG ay isang RAG (Retrieval-Augmented Generation) system at isang gateway ng AI na tumatakbo sa sariling server ng xloji.com. Kapag may dumating na tanong, una itong naghahanap ng mga kaugnay na nilalaman, pagkatapos ay bumubuo ng isang sagot batay sa mga nilalamang ito. Gumaganap din ito bilang isang sentral na gateway na nagbibigay-daan sa mga AI tool sa labas ng xloji.com na ma-access ang impormasyon na pagmamay-ari ng xloji.com mula sa isang punto.
Ano ang ibig sabihin ng RAG at paano ito ipinapatupad ng OpenRAG?
Ang RAG ay nangangahulugang 'Retrieval-Augmented Generation', o pagbuo na pinayaman ng pagkuha; bago bumuo ng isang sagot ang isang AI, naghahanap ito ng impormasyon mula sa mga kaugnay na mapagkukunan, pagkatapos ay bumubuo ng sagot batay sa impormasyong ito. Pinagsasama ng OpenRAG ang dalawang hakbang na ito, ang paghahanap at pagbuo, sa pamamagitan ng pagpapatakbo nito sa sarili nitong server. Kaya, ang mga sagot na ibinibigay ng OpenRAG ay hindi random, ngunit batay sa tunay na nilalaman na pagmamay-ari ng xloji.com.
Ano ang ibig sabihin ng 'isang gateway ng AI'?
Ang isang gateway ng AI ay nangangahulugang ang iba't ibang mga kahilingan at integrasyon ng AI ay pinoproseso sa pamamagitan ng isang sentral na punto ng pagpasok sa halip na mga hiwalay na sistema. Ginagampanan ng OpenRAG ang papel na ito: parehong tampok na 'Magtanong' ng xloji.com at mga AI tool na kumokonekta mula sa labas, ay gumagamit ng parehong imprastraktura ng OpenRAG. Tinitiyak ng sentralisadong istrukturang ito na ang trapiko na nauugnay sa AI ay pinamamahalaan mula sa isang punto.
Ano ang pagkakaiba kung ang OpenRAG ay tumatakbo sa sarili nitong server?
Ang OpenRAG ay tumatakbo sa sariling server ng xloji.com nang hindi umaasa sa isang third-party cloud service. Nangangahulugan ito na ang data na hinahanap at pinoproseso ay nananatili sa kontrol ng xloji.com. Bilang isang istraktura na tumatakbo sa sarili nitong server, isinasagawa ng OpenRAG ang paghahanap at pagbuo ng mga sagot sa loob ng sarili nitong imprastraktura nang hindi naglilipat ng data sa mga panlabas na sistema.
Sino ang gumagamit ng OpenRAG?
Ginagamit ang OpenRAG ng tatlong magkakaibang grupo: ang mga end-user na bumibisita sa xloji.com at nagta-type ng tanong sa kahon na 'Magtanong', ang mga sistema na kumukonsulta sa sariling RAG infrastructure ng xloji.com, at ang mga panlabas na artificial intelligence tool na uma-access sa impormasyon na pagmamay-ari ng xloji.com sa pamamagitan ng OpenRAG. Para sa end-user, nagbabalik ang OpenRAG ng sagot na batay sa nilalaman ng xloji.com bilang tugon sa tanong. Para sa mga panlabas na tool, ang OpenRAG ay isang walang kontekstong pintuan na ginagamit upang kumuha ng impormasyon mula sa xloji.com.
Paano gumagana ang kahon na 'Magtanong' sa xloji.com kasama ang OpenRAG?
Ang tanong na itina-type sa kahon na 'Magtanong' sa xloji.com ay pinoproseso ng OpenRAG. Una, hinahanap ng OpenRAG ang nilalamang may kaugnayan sa tanong sa loob ng sariling data ng xloji.com, pagkatapos ay bumubuo ito ng sagot batay sa nilalamang natagpuan. Sa ganitong paraan, ang sagot na ibinigay sa user ay suportado ng tunay na nilalaman na pagmamay-ari ng xloji.com.
Paano kumukuha ng impormasyon ang mga panlabas na artificial intelligence tool sa pamamagitan ng OpenRAG?
Ang OpenRAG ay nagsisilbing isang solong pintuan para sa mga artificial intelligence tool sa labas ng xloji.com upang ma-access ang impormasyon na pagmamay-ari ng xloji.com. Ang mga tool na ito ay maaaring kumonekta sa pamamagitan ng OpenRAG upang makakuha ng mga sagot na walang konteksto at nauunawaan sa kanilang sarili mula sa nilalaman ng xloji.com. Kaya, ang impormasyong ibinigay sa pamamagitan ng OpenRAG ay idinisenyo upang maging makabuluhan sa sarili nito nang hindi nangangailangan ng karagdagang konteksto.
Ano ang mga limitasyon ng OpenRAG?
Ang mga sagot na ibinibigay ng OpenRAG ay limitado sa nilalamang ibinigay dito; hindi makakabuo ang OpenRAG ng tiyak na sagot tungkol sa impormasyong hindi matatagpuan o hindi idinagdag sa sistema. Sa halip na mag-imbento ng impormasyong hindi umiiral, layunin ng OpenRAG na manatili sa loob ng nilalamang mayroon ito. Samakatuwid, dapat tandaan na ang sagot na natanggap mula sa OpenRAG ay limitado sa nilalamang kasalukuyang mayroon ang xloji.com.
Ang OpenRAG ba ay isang chatbot?
Ang OpenRAG ay hindi isang tradisyonal na chatbot; ito ang RAG at gateway infrastructure na nagpapagana sa feature na 'Magtanong' ng xloji.com at pag-access sa impormasyon ng mga panlabas na tool. Ang pangunahing gawain ng OpenRAG ay hanapin ang nilalamang nauugnay sa isang tanong at bumuo ng isang sagot batay sa nilalamang ito. Sa ganitong paraan, ang OpenRAG ay gumagana bilang isang layer ng imprastraktura sa likod ng mga sagot, sa halip na isang interface na direktang nakikipag-chat sa mga user.
Ano ang layunin ng OpenRAG para sa xloji.com?
Ang layunin ng OpenRAG ay tiyakin na ang impormasyon na pagmamay-ari ng xloji.com ay maaaring ma-access ng parehong mga end-user at mga panlabas na tool ng AI sa pamamagitan ng isang mapagkakatiwalaan at kontroladong imprastraktura. Ang pagpapatakbo nito sa sarili nitong server ay tinitiyak na ang pag-access na ito ay nangyayari nang walang pagtitiwala sa mga third-party system. Sa pamamagitan ng istraktura ng single gateway, pinagsasama ng OpenRAG ang iba't ibang access point sa isang sentralisadong sistema.
Detalyadong impormasyon tungkol sa OpenRAG
Ang OpenRAG ay isang RAG (Retrieval-Augmented Generation) system na tumatakbo sa sariling server ng xloji.com, at isa ring AI gateway na nagpapasa ng mga kahilingan na may kaugnayan sa artificial intelligence mula sa isang punto. Ang 'Open' sa pangalan nito ay nagpapahiwatig na ang system ay nag-aalok ng isang bukas at naa-access na istraktura, habang ang 'RAG' ay tumutukoy sa paraan ng pagtatrabaho nito, na kinabibilangan ng paghahanap muna ng mga nauugnay na datos bago bumuo ng sagot batay sa mga datos na ito. Ang isang tanong na isinulat sa kahon ng 'Magtanong' sa xloji.com ay unang hahanapin ng OpenRAG sa mga nauugnay na nilalaman, at pagkatapos ay isang sagot ang bubuuin batay sa nilalamang ito. Ang parehong imprastraktura ay nagbibigay-daan din sa mga artificial intelligence tool sa labas ng xloji.com na ma-access ang impormasyon na pagmamay-ari ng xloji.com sa pamamagitan ng OpenRAG at gamitin ang impormasyong ito sa kanilang sariling mga sagot. Ang istrukturang ito ay nagpapahintulot sa xloji.com na magbigay ng serbisyo sa pamamagitan ng isang solong sentralisadong imprastraktura sa halip na mag-set up ng mga hiwalay na solusyon sa artificial intelligence para sa iba't ibang produkto.
Ang pangunahing lohika ng diskarte ng RAG ay ang isang artificial intelligence system ay hindi lamang dapat umasa sa pangkalahatang kaalaman kung saan ito sinanay, ngunit dapat munang kumuha ng napapanahon at tumpak na nilalaman mula sa isang pinagmulan na may kaugnayan sa tanong, at pagkatapos ay sumagot batay sa nilalamang ito. Pinagsasama-sama ng OpenRAG ang dalawang hakbang na ito, ang pagkuha (retrieval) at pagbuo (generation), at pinapatakbo ang mga ito sa sarili nitong server. Ang diskarte na ito ay naglalayong bawasan ang tendensya ng mga modelo ng artificial intelligence na lumikha ng hindi umiiral na impormasyon; dahil ang sagot ay nagmula sa aktwal na natagpuang nilalaman, hindi sa sariling memorya ng modelo. Sa ganitong paraan, ang mga sagot na ibinibigay ng OpenRAG ay hindi batay sa random o lipas na impormasyon, ngunit sa sariling nilalaman ng xloji.com. Kaya, ang pinagmulan ng isang sagot na binuo ng OpenRAG ay maaaring masubaybayan bilang sariling data ng xloji.com. Ang pag-aari ng server sa xloji.com ay nangangahulugan na ang hinahanap at pinoprosesong data ay pinananatili sa ilalim ng kontrol ng xloji.com nang hindi umaasa sa isang third-party cloud service.
Ang bahagi ng OpenRAG na 'single-door AI gateway' ay nangangahulugan na ang iba't ibang mga kahilingan at integrasyon ng artificial intelligence ay dapat na i-ruta mula sa isang solong sentralisadong entry point sa halip na mga hiwalay na sistema. Sa ganitong paraan, ang parehong tampok na 'Magtanong' ng xloji.com at ang mga panlabas na tool na nakakonekta sa pamamagitan ng OpenRAG ay gumagamit ng parehong imprastraktura at parehong pangunahing lohika. Bilang isang sentralisadong gateway na istraktura, tinitiyak ng OpenRAG na ang trapiko na may kaugnayan sa artificial intelligence ay dumadaan sa isang solong punto; na nagpapataas ng parehong pagkakapare-pareho ng mga sagot at kontrol sa data bilang isang system na tumatakbo sa sarili nitong server. Ang diskarte na ito ay nagbibigay-daan din sa pagpapanatili at mga update na gawin sa isang lugar sa halip na sa mga nakakalat na sistema. Sa ganitong kahulugan, ang OpenRAG ay hindi lamang isang tool sa pagtatanong at pagsagot, ngunit isang layer ng imprastraktura na pinagsasama ang lahat ng mga access point na may kaugnayan sa artificial intelligence ng xloji.com.
Ang OpenRAG ay ginagamit nang direkta o hindi direkta ng tatlong magkakaibang grupo ng mga gumagamit: ang mga end-user na bumibisita sa xloji.com at nagsusulat ng isang tanong sa kahon ng 'Magtanong', ang mga system na nagtatanong sa sariling RAG infrastructure ng xloji.com, at ang mga panlabas na artificial intelligence tool na nag-access ng impormasyon na pagmamay-ari ng xloji.com sa pamamagitan ng OpenRAG. Ang lahat ng tatlong grupo ng gumagamit na ito ay tumatanggap ng mga sagot na pinapakain mula sa parehong imprastraktura ng OpenRAG, mula sa parehong pool ng nilalaman; samakatuwid, anuman ang pinagmulan ng tanong tungkol sa xloji.com, maaabot ang isang pare-parehong mapagkukunan ng impormasyon. Ang mga sagot na ibinibigay ng OpenRAG ay limitado sa nilalamang ibinigay dito; ibig sabihin, hindi dapat asahan ang isang tiyak na sagot mula sa OpenRAG tungkol sa impormasyong hindi matatagpuan sa system o hindi idinagdag sa sarili nitong server. Ang limitasyong ito ay bumubuo rin sa pundasyon ng pagiging maaasahan ng OpenRAG: sa halip na gumawa ng impormasyong hindi umiiral, naglalayon itong bumuo ng mga sagot na limitado sa nilalamang mayroon ito at batay sa nilalamang ito.