🧠 OpenRAG
OpenRAG एक RAG प्लेटफ़ॉर्म है जो किसी व्यवसाय की सामग्री को साफ़ और संरचित करता है, इसे हमारे अपने सर्वर पर अनुक्रमित करता है, और इसे बाहरी AI सिस्टम द्वारा प्राकृतिक भाषा में एक ही अनुमति वाले द्वार के माध्यम से क्वेरी करने योग्य बनाता है।
वैक्टर प्रकाशित नहीं किए जाते हैं; एक्सेस खोला जाता है।
यह एक उत्पाद परिचय है, वादों की सूची नहीं। नीचे, जो भाग आज काम करते हैं और जो भाग अभी भी रोडमैप पर हैं, उन्हें अलग-अलग चिह्नित किया गया है। रोडमैप आइटम के लिए कोई तारीखें वादा नहीं की जाती हैं; जैसे ही वे पूरे होते हैं, वे "आज काम कर रहे हैं" अनुभाग में चले जाते हैं।
मूल सिद्धांत
OpenRAG का संपूर्ण डिज़ाइन एक ही वाक्य पर आधारित है: वैक्टर प्रकाशित नहीं किए जाते हैं, एक्सेस खोला जाता है। बाहर जो दिया जाता है वह सामग्री की प्रतिलिपि नहीं है, बल्कि उससे प्रश्न पूछने का अधिकार है।
एक वेक्टर एक इंजन है, उत्पाद नहीं
एक वेक्टर उस मॉडल के लिए विशिष्ट है जिसने इसे बनाया है; दूसरा AI इसे सीधे उपयोग नहीं कर सकता है। यह पाठ को कई गुना बढ़ा भी देता है। इसलिए वैक्टर कभी नहीं दिए जाते हैं।
जो खोला जाता है वह क्वेरी एक्सेस है
एक प्रश्न आता है; एक उत्तर और वे स्रोत अंश जिन पर यह आधारित है, वापस जाते हैं। पूरी सामग्री कभी भी कॉपी, वितरित या डाउनलोड नहीं की जाती है।
अनुमति व्यवसाय से संबंधित है
व्यवसाय तय करता है कि कौन सी सामग्री बाहरी रूप से क्वेरी करने योग्य बनेगी; भागीदारी ऑप्ट-इन है। अनुमति और सहमति परत रोडमैप पर है।
यह कैसे काम करता है — लक्ष्य वास्तुकला
इस प्रवाह के सफाई, संरचना, अनुक्रमण और खोज लिंक आज काम करते हैं। सेल्फ-होस्टेड एम्बेडिंग के साथ रीरैंकिंग, और बाहरी दुनिया के लिए एकल द्वार, अभी भी रोडमैप पर हैं; प्रत्येक चरण नीचे बताता है कि कौन सा है कौन सा।
स्रोत एकत्र किए जाते हैं
xloji साइटें, अपलोड किए गए दस्तावेज़ और क्रॉल किए गए वेब पेज सामग्री स्रोत हैं। (WordPress प्लगइन और एक सार्वजनिक इंजेक्शन API रोडमैप पर हैं)।
इसे साफ़ और संरचित किया गया है
अव्यवस्थित सामग्री को साफ़ किया जाता है, सार्थक टुकड़ों में विभाजित किया जाता है और एक ऐसे रूप में लाया जाता है जिसका RAG उपयोग कर सकता है। यह चरण आज काम करता है।
इसे अनुक्रमित और खोजा जाता है
टुकड़ों को वैक्टर में बदल दिया जाता है और pgvector में लिखा जाता है; उन्हें HNSW इंडेक्स और हाइब्रिड खोज (कीवर्ड + वेक्टर) के माध्यम से पाया जाता है। यह चरण आज काम करता है; रीरैंकिंग लिंक जोड़ना रोडमैप पर है।
यह एक एकल द्वार के माध्यम से पहुँचा जाता है
बाहरी AI सिस्टम प्राकृतिक भाषा में एक एकल अनुमति वाले द्वार के माध्यम से पूछते हैं; उत्तर और स्रोत अंश वापस आते हैं, वैक्टर नहीं। यह द्वार अभी तक मौजूद नहीं है; यह रोडमैप पर है।
आज जो काम करता हैलाइव
निम्नलिखित आज प्लेटफ़ॉर्म पर चल रहे हैं और पहले से ही xloji.com पर AI टूल द्वारा उपयोग किए जा रहे हैं।
pgvector + HNSW इंडेक्स
सामग्री के टुकड़ों को डेटाबेस में वैक्टर के रूप में संग्रहीत किया जाता है और कोसाइन समानता पर HNSW इंडेक्स के साथ खोजा जाता है।
हाइब्रिड खोज
कीवर्ड खोज और वेक्टर खोज एक साथ चलते हैं; दो परिणाम सूचियों को एक एकल रैंकिंग में मिला दिया जाता है। यह सटीक शब्द मिलान और सिमेंटिक रूप से निकटवर्ती अंश दोनों को ढूंढता है।
मल्टी-टेनेंट आइसोलेशन
प्रत्येक व्यवसाय, साइट और लेखक का अपना RAG है। एक क्वेरी केवल अपने स्वयं के किरायेदार के इंडेक्स के विरुद्ध चलती है; डेटा कभी भी किरायेदारों के बीच नहीं मिलता है।
दस्तावेज़ सफाई और RAG संरचना
अपलोड किए गए दस्तावेज़ों को साफ़ किया जाता है, टुकड़ों में विभाजित किया जाता है और RAG के लिए संरचित किया जाता है। प्लेटफ़ॉर्म पर डेटा स्ट्रक्चरिंग टूल इस पाइपलाइन का उपयोगकर्ता-सामना करने वाला चेहरा है।
वेब क्रॉलिंग
किसी साइट के पृष्ठों को क्रॉल किया जाता है, उनकी सामग्री निकाली जाती है और उसी सफाई और अनुक्रमण पाइपलाइन के माध्यम से पारित की जाती है।
कस्टम AI टूल में सार्वजनिक RAG फ़ीड
आपके द्वारा बनाया गया एक कस्टम AI टूल एक सार्वजनिक RAG स्रोत से फीड किया जा सकता है; उपकरण अपने उत्तरों को उस ज्ञान आधार में रखता है।
फ़ाइल और मीडिया संग्रहण
फ़ाइलें और मीडिया ऑब्जेक्ट स्टोरेज में रहते हैं - वेक्टर स्टोर में नहीं। RAG रिकॉर्ड मूल फ़ाइल पर वापस इंगित करता है।
हमारे अपने सर्वरों पर एम्बेडिंग और रीरैंकिंग
एम्बेडिंग और रीरैंकिंग अब एक अलग सेवा में हमारे अपने सर्वरों पर चल रहे हैं। टेक्स्ट सर्वर से बाहर निकले बिना वेक्टर में बदल दिया जाता है, और उम्मीदवार परिणाम सटीकता में सुधार के लिए एक स्थानीय रीरैंकर से गुजरते हैं।
क्वेरी पुनर्लेखन
खोज चलाने से पहले एक अस्पष्ट या अधूरा प्रश्न को व्यवस्थित किया जाता है। उपयोगकर्ताओं को "सही" प्रश्न पूछने की आवश्यकता नहीं है; सिस्टम क्वेरी को खोज-तैयार बनाता है।
छवियों, ऑडियो और वीडियो से टेक्स्ट
छवियों से टेक्स्ट निष्कर्षण और ऑडियो और वीडियो का ट्रांसक्रिप्शन सर्वर पर स्थानीय उपकरणों के साथ चलाया जाता है, और परिणामी टेक्स्ट उसी सफाई और अनुक्रमण पाइपलाइन में प्रवेश करता है। डेटा सर्वर नहीं छोड़ता है।
रोडमैप पर क्या हैयोजनाबद्ध
निम्नलिखित अभी तक मौजूद नहीं हैं। वे नियोजित और डिज़ाइन किए गए आइटम हैं; यह पृष्ठ उन्हें पहले से ही निर्मित के रूप में प्रस्तुत नहीं करता है।
एकल द्वार: MCP / API गेटवे
एक एकल गेटवे जो बाहरी AI सिस्टम प्राकृतिक भाषा में क्वेरी कर सकते हैं। एक AI जो एक बार कनेक्ट होता है, वह एक ही द्वार के माध्यम से प्रत्येक भाग लेने वाले व्यवसाय तक पहुँचता है।
अनुमति और सहमति परत
व्यवसाय अपनी पसंद से जुड़ते हैं; प्रमाणीकरण, कुंजी प्रबंधन, दर सीमित करना और दुरुपयोग संरक्षण सभी इस परत में रहते हैं।
AI दृश्यता परत
llms.txt, /.well-known/ और schema.org मार्कअप के माध्यम से सामग्री को मशीन-खोज योग्य बनाना, साथ ही MCP रजिस्ट्रियों में पंजीकरण। कोई जादुई ऑटो-डिस्कवरी नहीं है; दृश्यता इस तरह से निर्मित है।
WordPress प्लगइन
एक प्लगइन जो WordPress साइट को अपनी सामग्री को OpenRAG पर भेजने और एक एंडपॉइंट प्राप्त करने देता है जिसे AI सिस्टम क्वेरी कर सकते हैं।
हम इन आइटम के लिए तारीखें नहीं देते हैं। जब कोई आइटम पूरा हो जाता है तो यह "आज जो काम करता है" सूची में चला जाता है, और इस पृष्ठ को तदनुसार अपडेट किया जाता है।
🔒 डेटा सर्वर नहीं छोड़ता है
OpenRAG का लक्ष्य RAG पाइपलाइन के हर चरण को हमारे अपने सर्वर पर स्थानीय, मुफ्त टूल के साथ चलाना है: एम्बेडिंग, रीरैंकिंग, छवियों से पाठ निष्कर्षण और ऑडियो ट्रांसक्रिप्शन। RAG में प्रवेश करने वाला कोई भी मीडिया किसी बाहरी सेवा को नहीं भेजा जाता है - यह एक गैर-समझौता करने योग्य डिज़ाइन नियम है।
ईमानदार स्थिति: इन चरणों में से कुछ आज भी बाहरी सेवाओं द्वारा किए जाते हैं। उन्हें इन-हाउस ले जाना रोडमैप पर पहला आइटम है।
विकास की योजना कैसे बनाई गई है
वेक्टर खोज सामग्री बढ़ने के साथ अधिक महंगी हो जाती है। OpenRAG का डिज़ाइन शुरू से ही उस लागत को तीन तरीकों से सीमित करता है।
कोई एकल विशाल इंडेक्स नहीं है
प्रत्येक व्यवसाय का अपना छोटा इंडेक्स होता है और एक क्वेरी केवल उस इंडेक्स के विरुद्ध चलती है। भले ही कुल सामग्री बढ़ती है, फिर भी एक एकल क्वेरी द्वारा स्कैन किया गया क्षेत्र छोटा रहता है; खोज लागत उस एक व्यवसाय के आकार के साथ बढ़ती है, न कि प्लेटफ़ॉर्म के कुल आकार के साथ।
वेक्टर आकार और परिशुद्धता समायोज्य हैं
छोटे वेक्टर आयामों और अधिक कॉम्पैक्ट संख्या प्रारूपों का उपयोग करके, समान सामग्री काफी कम जगह लेती है। ये विकल्प शुरू से ही डिज़ाइन में बनाए गए हैं ताकि बाद में महंगे प्रवासन की आवश्यकता न हो।
कोल्ड टियर
एक व्यवसाय का इंडेक्स जिसे लंबे समय से क्वेरी नहीं किया गया है, उसे सस्ते स्थायी स्टोरेज में ले जाया जाता है और जब उसके लिए कोई क्वेरी आती है तो वापस खींच लिया जाता है। इस तरह, केवल वर्तमान सक्रिय सामग्री ही तेज़ मेमोरी में रहती है। यह टियर रोडमैप पर है।
अक्सर पूछे जाने वाले प्रश्न
OpenRAG वास्तव में क्या है?
यह एक RAG प्लेटफ़ॉर्म है जो किसी व्यवसाय की सामग्री को साफ़ और संरचित करता है, इसे हमारे अपने सर्वर पर अनुक्रमित करता है, और इसे बाहरी AI सिस्टम द्वारा प्राकृतिक भाषा में क्वेरी करने योग्य बनाता है, एक ही अनुमति वाले द्वार के माध्यम से। यह एक चैट टूल नहीं है; यह वह ज्ञान परत है जो ऐसे टूल के नीचे चलती है।
क्या आप मेरे वैक्टर या मेरी सामग्री किसी और को सौंपते हैं?
नहीं। मूल सिद्धांत है: वैक्टर प्रकाशित नहीं किए जाते हैं, एक्सेस खोला जाता है। जो बाहर जाता है वह सामग्री की प्रतिलिपि नहीं है, बल्कि उससे प्रश्न पूछने का अधिकार है; केवल सहायक अंश उत्तर के साथ वापस आते हैं। इसके अलावा, व्यवसाय तय करता है कि कौन सी सामग्री बाहरी रूप से क्वेरी करने योग्य बनेगी।
वास्तव में आज क्या उपयोग किया जा सकता है?
वेक्टर डेटाबेस और इंडेक्स, हाइब्रिड सर्च, मल्टी-टेनेंट आइसोलेशन, दस्तावेज़ की सफाई और RAG संरचना, वेब क्रॉलिंग, कस्टम AI टूल में सार्वजनिक RAG फ़ीड, और फ़ाइल/मीडिया स्टोरेज सभी आज काम करते हैं। सेल्फ-होस्टेड एम्बेडिंग, रीरैंकिंग, क्वेरी रीराइटिंग, बाहरी दरवाजा, अनुमति परत, दृश्यता परत और वर्डप्रेस प्लगइन अभी तक मौजूद नहीं हैं।
क्या मेरा डेटा सर्वर छोड़ता है?
लक्ष्य यह है कि RAG पाइपलाइन का प्रत्येक चरण सर्वर पर स्थानीय टूल के साथ चले, बिना किसी मीडिया के RAG में प्रवेश किए कभी भी किसी बाहरी सेवा को भेजा जाए। ईमानदार स्थिति: इनमें से कुछ चरण आज भी बाहरी सेवाओं द्वारा संभाले जाते हैं, और उन्हें इन-हाउस ले जाना रोडमैप पर पहला आइटम है।
रोडमैप सुविधाएँ कब तक तैयार होंगी?
हम तारीखों का वादा नहीं करते हैं। यही इस पृष्ठ का उद्देश्य है: यह अलग से दिखाना कि आज क्या काम करता है और क्या योजना बनाई गई है। जब कोई आइटम पूरा हो जाता है तो वह "आज काम करने वाले भाग" सूची में चला जाता है।
क्या मेरी सामग्री का उपयोग AI प्रशिक्षण के लिए किया जाता है या बेचा जाता है?
नहीं। आज ऐसा कोई उपयोग नहीं है। अनुमत पाठ कॉर्पस का विचार रोडमैप पर सबसे दूर का, कानूनी रूप से सबसे भारी आइटम है; भले ही यह हो, कोई भी सामग्री व्यवसाय की स्पष्ट सहमति के बिना इसके लिए उपयोग नहीं की जाएगी।
AI पोर्टल पर वापस जाएँ अन्य AI टूल के लिए।
अक्सर पूछे जाने वाले प्रश्न
OpenRAG क्या है?
OpenRAG, xloji.com के अपने सर्वर पर चलने वाला एक RAG (Retrieval-Augmented Generation) सिस्टम और एक-द्वार AI गेटवे है। जब कोई प्रश्न आता है, तो यह पहले प्रासंगिक सामग्री ढूंढता है, और फिर उस सामग्री के आधार पर एक उत्तर उत्पन्न करता है। साथ ही, यह xloji.com के बाहर के AI टूल को xloji.com की जानकारी तक एक ही बिंदु से पहुंचने देने वाला एक केंद्रीय गेटवे भी है।
RAG का क्या अर्थ है और OpenRAG इसे कैसे लागू करता है?
RAG का अर्थ है 'Retrieval-Augmented Generation', यानी पुनर्प्राप्ति के साथ संवर्धित पीढ़ी; एक AI उत्तर उत्पन्न करने से पहले प्रासंगिक स्रोतों से जानकारी खोजता है, फिर उस जानकारी के आधार पर प्रतिक्रिया बनाता है। OpenRAG इन दो चरणों, खोज और पीढ़ी के चरणों को अपने सर्वर पर जोड़कर चलाता है। इस प्रकार, OpenRAG द्वारा दिए गए उत्तर यादृच्छिक नहीं होते हैं, बल्कि xloji.com की वास्तविक सामग्री पर आधारित होते हैं।
'एक-द्वार AI गेटवे' का क्या अर्थ है?
एक-द्वार AI गेटवे का अर्थ है कि विभिन्न AI अनुरोधों और एकीकरणों को अलग-अलग सिस्टम के बजाय एक केंद्रीय प्रवेश बिंदु से संसाधित किया जाता है। OpenRAG इस भूमिका को निभाता है: xloji.com की अपनी 'प्रश्न पूछें' सुविधा और बाहरी रूप से जुड़े AI टूल, दोनों एक ही OpenRAG बुनियादी ढांचे के माध्यम से सेवा प्राप्त करते हैं। यह केंद्रीय संरचना AI से संबंधित ट्रैफ़िक के एक-बिंदु प्रबंधन को सक्षम बनाती है।
OpenRAG का अपना सर्वर पर चलना क्या अंतर लाता है?
OpenRAG किसी तीसरे पक्ष की क्लाउड सेवा पर निर्भर किए बिना xloji.com के अपने सर्वर पर चलता है। इसका मतलब है कि खोजा और संसाधित किया गया डेटा xloji.com के नियंत्रण में रहता है। अपने सर्वर पर चलने वाली संरचना के रूप में, OpenRAG बाहरी सिस्टम को डेटा स्थानांतरित किए बिना अपने बुनियादी ढांचे के भीतर खोज और उत्तर पीढ़ी संचालन करता है।
OpenRAG का उपयोग कौन करता है?
OpenRAG को तीन अलग-अलग समूह उपयोग करते हैं: xloji.com पर जाकर 'सवाल पूछें' बॉक्स में लिखने वाले अंतिम उपयोगकर्ता, xloji.com के अपने RAG बुनियादी ढांचे को क्वेरी करने वाले सिस्टम और OpenRAG के माध्यम से xloji.com से जानकारी तक पहुंचने वाले बाहरी कृत्रिम बुद्धिमत्ता उपकरण। अंतिम उपयोगकर्ता के लिए, OpenRAG xloji.com की सामग्री पर आधारित एक उत्तर देता है। बाहरी उपकरणों के लिए, OpenRAG xloji.com से जानकारी प्राप्त करने के लिए एक संदर्भ-मुक्त द्वार है।
xloji.com पर 'सवाल पूछें' बॉक्स OpenRAG के साथ कैसे काम करता है?
xloji.com पर 'सवाल पूछें' बॉक्स में लिखा गया एक सवाल OpenRAG द्वारा संसाधित किया जाता है। OpenRAG पहले सवाल से संबंधित सामग्री को xloji.com के अपने डेटा के भीतर खोजता है, फिर पाई गई इस सामग्री के आधार पर एक उत्तर बनाता है। इस तरह, उपयोगकर्ता को दिया गया उत्तर xloji.com की वास्तविक सामग्री द्वारा समर्थित होता है।
बाहरी कृत्रिम बुद्धिमत्ता उपकरण OpenRAG के माध्यम से कैसे जानकारी प्राप्त करते हैं?
OpenRAG, xloji.com के बाहर के कृत्रिम बुद्धिमत्ता उपकरणों को xloji.com की जानकारी तक पहुंचने के लिए एक एकल द्वार के रूप में कार्य करता है। ये उपकरण OpenRAG के माध्यम से कनेक्ट करके xloji.com की सामग्री से संदर्भ-मुक्त, स्वयं-व्याख्यात्मक उत्तर प्राप्त कर सकते हैं। इसलिए, OpenRAG के माध्यम से दी गई जानकारी को अलग संदर्भ की आवश्यकता के बिना अपने आप में सार्थक होने के लिए डिज़ाइन किया गया है।
OpenRAG की सीमाएँ क्या हैं?
OpenRAG के दिए गए उत्तर उसे प्रदान की गई सामग्री तक सीमित हैं; सिस्टम में मौजूद नहीं होने या नहीं जोड़ी गई जानकारी के बारे में OpenRAG एक निश्चित उत्तर उत्पन्न नहीं कर सकता है। OpenRAG का उद्देश्य गैर-मौजूद जानकारी को गढ़ने के बजाय अपने पास मौजूद सामग्री तक सीमित रहना है। इसलिए, यह याद रखना चाहिए कि OpenRAG से प्राप्त उत्तर xloji.com के पास मौजूद सामग्री तक सीमित है।
क्या OpenRAG एक चैटबॉट है?
OpenRAG, पारंपरिक अर्थों में एक स्वतंत्र चैटबॉट नहीं है; यह xloji.com की 'प्रश्न पूछें' सुविधा और बाहरी उपकरणों की जानकारी तक पहुंच के पीछे काम करने वाला एक RAG और गेटवे इंफ्रास्ट्रक्चर है। OpenRAG का मुख्य कार्य किसी प्रश्न के अनुरूप सामग्री ढूंढना और उस सामग्री के आधार पर उत्तर उत्पन्न करना है। इस रूप में, OpenRAG सीधे उपयोगकर्ता के साथ चैट करने वाले इंटरफ़ेस के बजाय उत्तरों के पीछे एक बुनियादी परत के रूप में काम करता है।
OpenRAG का xloji.com के लिए उद्देश्य क्या है?
OpenRAG का उद्देश्य xloji.com से संबंधित जानकारी को अंतिम उपयोगकर्ताओं और बाहरी कृत्रिम बुद्धिमत्ता उपकरणों दोनों के लिए एक विश्वसनीय और स्व-नियंत्रित बुनियादी ढांचे के माध्यम से एक्सेस करने में सक्षम बनाना है। अपने सर्वर पर चलने से, यह एक्सेस तीसरे पक्ष के सिस्टम पर निर्भर हुए बिना होता है। एक एकल गेटवे संरचना के कारण, OpenRAG विभिन्न एक्सेस पॉइंट्स को एक केंद्रीय प्रणाली में जोड़ता है।
OpenRAG के बारे में विस्तृत जानकारी
OpenRAG, xloji.com के अपने सर्वर पर चलने वाला एक RAG (Retrieval-Augmented Generation) सिस्टम है, और यह एक AI गेटवे भी है जो AI से संबंधित अनुरोधों को एक ही बिंदु से गुजारता है। इसके नाम में 'Open' शब्द सिस्टम की बाहरी रूप से खुली और सुलभ संरचना को दर्शाता है, जबकि 'RAG' शब्द उत्तर उत्पन्न करते समय पहले प्रासंगिक डेटा खोजने और फिर उस डेटा के आधार पर उत्तर उत्पन्न करने की कार्य विधि को दर्शाता है। xloji.com पर 'प्रश्न पूछें' बॉक्स में लिखा गया एक प्रश्न पहले OpenRAG द्वारा प्रासंगिक सामग्री में खोजा जाता है, और फिर पाया गया यह सामग्री उत्तर उत्पन्न करने के लिए उपयोग की जाती है। समान बुनियादी ढांचा, xloji.com के बाहर के AI टूल को OpenRAG के माध्यम से xloji.com की जानकारी तक पहुंचने और अपने उत्तरों में इस जानकारी का उपयोग करने की अनुमति देता है। यह संरचना xloji.com को विभिन्न उत्पादों के लिए अलग-अलग AI समाधान स्थापित करने के बजाय, एक ही केंद्रीकृत बुनियादी ढांचे के माध्यम से सेवा प्रदान करने में सक्षम बनाती है।
RAG दृष्टिकोण का मूल तर्क यह है कि एक AI सिस्टम केवल पहले से प्रशिक्षित सामान्य जानकारी पर निर्भर रहने के बजाय, प्रश्न से संबंधित अद्यतित और सटीक सामग्री को पहले एक स्रोत से प्राप्त करे और फिर इस सामग्री के आधार पर उत्तर दे। OpenRAG इन दो चरणों, यानी खोजने (retrieval) और उत्पन्न करने (generation) चरणों को अपने सर्वर पर जोड़कर चलाता है। यह दृष्टिकोण AI मॉडल की कभी-कभी गैर-मौजूद जानकारी उत्पन्न करने की प्रवृत्ति को कम करने का लक्ष्य रखता है; क्योंकि उत्तर मॉडल की अपनी स्मृति से नहीं, बल्कि वास्तव में मिली सामग्री से प्राप्त होता है। इस तरह, OpenRAG के दिए गए उत्तर यादृच्छिक या पुरानी जानकारी पर नहीं, बल्कि xloji.com की अपनी सामग्री पर आधारित होते हैं। इस प्रकार, OpenRAG द्वारा उत्पन्न उत्तर का स्रोत xloji.com के अपने डेटा के रूप में ट्रैक किया जा सकता है। सर्वर का xloji.com का होना, खोजे गए और संसाधित डेटा को तीसरे पक्ष की क्लाउड सेवा पर निर्भर किए बिना xloji.com के नियंत्रण में रखने का अर्थ है।
OpenRAG का 'सिंगल-डोर AI गेटवे' पक्ष विभिन्न AI अनुरोधों और एकीकरणों को अलग-अलग सिस्टम के बजाय एक ही केंद्रीकृत प्रवेश बिंदु से रूट करने का अर्थ है। इस तरह, xloji.com की अपनी 'प्रश्न पूछें' सुविधा और OpenRAG के माध्यम से जुड़े बाहरी टूल, समान बुनियादी ढांचे और समान मूल तर्क का उपयोग करते हैं। एक केंद्रीकृत गेटवे संरचना के रूप में, OpenRAG AI से संबंधित ट्रैफ़िक को एक ही बिंदु से गुजरने की अनुमति देता है; यह उत्तरों की स्थिरता और अपने सर्वर पर चलने वाले सिस्टम के रूप में डेटा पर नियंत्रण दोनों को बढ़ाता है। यह एकल-बिंदु दृष्टिकोण रखरखाव और अपडेट को भी वितरित सिस्टम के बजाय एक ही स्थान पर करने की अनुमति देता है। इस पहलू से, OpenRAG केवल एक प्रश्न-उत्तर उपकरण नहीं है, बल्कि xloji.com के AI से संबंधित सभी एक्सेस पॉइंट्स को एकीकृत करने वाली एक बुनियादी ढांचा परत है।
OpenRAG को तीन अलग-अलग उपयोगकर्ता समूह सीधे या अप्रत्यक्ष रूप से उपयोग करते हैं: xloji.com पर जाने वाले और 'प्रश्न पूछें' बॉक्स में लिखने वाले अंतिम उपयोगकर्ता, xloji.com के अपने RAG बुनियादी ढांचे को क्वेरी करने वाले सिस्टम और OpenRAG के माध्यम से xloji.com की जानकारी तक पहुंचने वाले बाहरी AI टूल। ये तीनों उपयोगकर्ता समूह समान OpenRAG बुनियादी ढांचे, समान सामग्री पूल से प्राप्त उत्तर प्राप्त करते हैं; इसलिए, xloji.com के बारे में जहां से भी पूछा जाए, एक सुसंगत जानकारी स्रोत तक पहुंचा जा सकता है। OpenRAG के दिए गए उत्तर उसे प्रदान की गई सामग्री तक सीमित हैं; यानी, सिस्टम में मौजूद नहीं होने या उसके सर्वर पर नहीं जोड़ी गई जानकारी के बारे में OpenRAG से निश्चित उत्तर की उम्मीद नहीं की जानी चाहिए। यह सीमा OpenRAG की विश्वसनीयता की नींव भी बनाती है: गैर-मौजूद जानकारी गढ़ने के बजाय, यह अपने पास मौजूद सामग्री तक सीमित और इस सामग्री पर आधारित उत्तर उत्पन्न करने का लक्ष्य रखता है।