🧠 OpenRAG
OpenRAG is a RAG platform that cleans and structures a business's content, indexes it on our own server, and makes it queryable in natural language by external AI systems through a single permissioned door.
Vectors are not published; ACCESS is opened.
This is a product introduction, not a list of promises. Below, the parts that work today and the parts still on the roadmap are marked separately. No dates are promised for roadmap items; as they are completed they move into the "working today" section.
The core principle
OpenRAG's entire design rests on a single sentence: vectors are not published, access is opened. What is given to the outside is not a copy of the content, but the right to ask questions of it.
A vector is an engine, not a product
A vector is specific to the model that produced it; another AI cannot consume it as-is. It also inflates the text many times over. That is why vectors are never handed out.
What is opened is query access
A question comes in; an answer and the source passages it rests on go back out. The full content is never copied, distributed or downloaded.
Permission belongs to the business
The business decides which content becomes externally queryable; participation is opt-in. The permission and consent layer is on the roadmap.
How it works — target architecture
The cleaning, structuring, indexing and search links of this flow work today. Self-hosted embedding with reranking, and the single door to the outside world, are still on the roadmap; each step below states which is which.
Sources are collected
xloji sites, uploaded documents and crawled web pages are the content sources. (A WordPress plugin and a public ingestion API are on the roadmap.)
It is cleaned and structured
Messy content is cleaned, split into meaningful chunks and brought into a form RAG can use. This step works today.
It is indexed and searched
Chunks are turned into vectors and written to pgvector; they are found via an HNSW index and hybrid search (keyword + vector). This step works today; adding the reranking link is on the roadmap.
It is reached through a single door
External AI systems ask in natural language through a single permissioned door; answers and source passages come back, not the vectors themselves. This door does not exist yet; it is on the roadmap.
Parts that work todayLive
The following are running on the platform today and are already used by the AI tools on xloji.com.
pgvector + HNSW index
Content chunks are stored as vectors in the database and searched with an HNSW index over cosine similarity.
Hybrid search
Keyword search and vector search run together; the two result lists are fused into a single ranking. This finds both exact term matches and semantically close passages.
Multi-tenant isolation
Every business, site and author has its own RAG. A query runs only against its own tenant's index; data never mixes across tenants.
Document cleaning and RAG structuring
Uploaded documents are cleaned, chunked and structured for RAG. The Data Structuring tool on the platform is the user-facing face of this pipeline.
Web crawling
A site's pages are crawled, their content is extracted and passed through the same cleaning and indexing pipeline.
Public RAG feed in custom AI tools
A custom AI tool you create can be fed from a public RAG source; the tool grounds its answers in that knowledge base.
File and media storage
Files and media live in object storage — not in the vector store. The RAG record points back to the original file.
Beágyazás és újrarendezés saját szervereinken
A beágyazás és újrarendezés mostantól saját szervereinken fut egy külön szolgáltatásban. A szöveg vektorrá alakítása a szerveren belül történik, a jelölt eredmények pedig egy helyi újrarendezőn mennek keresztül a pontosság növelése érdekében.
Lekérdezés átírása
A keresés elindítása előtt egy homályos vagy hiányos kérdés megfogalmazódik. A felhasználóknak nem kell a "helyes" kérdést megfogalmazniuk; a rendszer kereséskészé teszi a lekérdezést.
Szöveg képekből, hangból és videóból
A szövegkivonás képekből és a hang- és videó átírása helyi eszközökkel fut a szerveren, a kapott szöveg pedig ugyanazon a tisztítási és indexálási folyamaton megy keresztül. Az adatok nem hagyják el a szervert.
What is on the roadmapPlanned
The following do not exist yet. They are planned and designed items; this page does not present them as if they were already built.
The single door: MCP / API gateway
A single gateway that external AI systems can query in natural language. An AI that connects once reaches every participating business through the same door.
Engedélyezési és beleegyező réteg
Businesses join by their own choice; authentication, key management, rate limiting and abuse protection all live in this layer.
Mesterséges intelligencia láthatósági réteg
Making content machine-discoverable via llms.txt, /.well-known/ and schema.org markup, plus registration in MCP registries. There is no magical auto-discovery; visibility is built this way.
WordPress plugin
A plugin that lets a WordPress site send its content to OpenRAG and get back an endpoint that AI systems can query.
We do not give dates for these items. When an item is finished it moves up into the "parts that work today" list, and this page is updated accordingly.
🔒 Data does not leave the server
OpenRAG's goal is to run every step of the RAG pipeline on our own server with local, free tools: embedding, reranking, text extraction from images and audio transcription. No media entering RAG is sent to an external service — this is a non-negotiable design rule.
The honest status: some of these steps are still performed by external services today. Moving them in-house is the first item on the roadmap.
How growth is planned
Vector search gets more expensive as content grows. OpenRAG's design limits that cost from the start in three ways.
There is no single giant index
Each business has its own small index and a query runs only against that index. Even as total content grows, the area a single query scans stays small; search cost scales with that one business's size, not with the platform's total.
Vector size and precision are adjustable
Using shorter vector dimensions and more compact number formats, the same content takes up markedly less space. These choices are built into the design from the start so that no expensive migration is needed later.
Cold tier
The index of a business that has not been queried for a long time is moved to cheap persistent storage and pulled back when a query arrives for it. That way only currently active content stays in fast memory. This tier is on the roadmap.
Frequently Asked Questions
What exactly is OpenRAG?
It is a RAG platform that cleans and structures a business's content, indexes it on our own server, and makes it queryable in natural language by external AI systems through a single permissioned door. It is not a chat tool; it is the knowledge layer that runs underneath such tools.
Do you hand my vectors or my content to anyone else?
No. The core principle is: vectors are not published, access is opened. What goes outside is not a copy of the content but the right to ask it questions; only the supporting passages come back with the answer. On top of that, the business decides which content becomes externally queryable.
What can actually be used today?
A vektor adatbázis és index, a hibrid keresés, a többfelhasználós elkülönítés, a dokumentumok tisztítása és a RAG struktúrája, a webes másolás, a nyilvános RAG hírcsatorna egyedi AI eszközökben, valamint a fájl-/média tárolás mind ma működik. Az önállóan üzemeltetett beágyazás, az újrarendezés, a lekérdezés átírása, a külső ajtó, a jogosultsági réteg, a láthatósági réteg és a WordPress plugin még nem létezik.
Elhagyja az adataimat a szerver?
A cél az, hogy a RAG folyamat minden lépése helyi eszközökkel fusson a szerveren, és a média soha ne kerüljön külső szolgáltatáshoz a RAG-hoz. A becsületes állapot: ezeknek a lépéseknek egy része még ma is külső szolgáltatások által van kezelve, és ezeknek a házon belüli átvezetése az elsődleges feladat a fejlesztési tervben.
Mikor lesznek kész a fejlesztési tervben szereplő funkciók?
Nem ígérünk dátumokat. Pontosan ez ennek az oldalnak a célja: külön bemutatni, mi működik ma és mi van tervben. Amikor egy elem elkészül, átkerül a "ma működő részek" listájába.
Használják vagy értékesítik a tartalmam AI-képzésre?
Nem. Jelenleg nincs ilyen felhasználás. A jogosultsággal rendelkező szöveges korpusz ötlete a legmesszebb eső, jogilag legnehezebb elem a fejlesztési tervben; még ha meg is valósul, a tartalom felhasználása csak a vállalkozás kifejezett beleegyezésével történhet.
Térjen vissza az AI portál-ra az egyéb AI eszközökért.
Gyakran Ismételt Kérdések
Mi az a OpenRAG?
Az OpenRAG egy RAG (Retrieval-Augmented Generation) rendszer és egyetlen belépési pont az AI-hoz, amely az xloji.com saját szerverén fut. Amikor egy kérdés érkezik, először a releváns tartalmakat keresi meg, majd ezek alapján generál egy választ. Ugyanakkor központi kapuként szolgál, amely lehetővé teszi az xloji.com-on kívüli mesterséges intelligencia eszközök számára, hogy egyetlen ponton keresztül férjenek hozzá az xloji.com-hoz tartozó információkhoz.
Mit jelent a RAG, és hogyan alkalmazza ezt az OpenRAG?
A RAG a 'Retrieval-Augmented Generation' kifejezés rövidítése, ami azt jelenti, hogy a lekérésen alapuló generálás. Ez azt jelenti, hogy egy mesterséges intelligencia a válasz generálása előtt releváns forrásokból keres információt, majd ez alapján hozza létre a választ. Az OpenRAG ezt a két lépést, a keresést és a generálást a saját szerverén kombinálva hajtja végre. Így az OpenRAG által adott válaszok nem véletlenszerűek, hanem az xloji.com valós tartalmán alapulnak.
Mit jelent az 'egyetlen belépési pont az AI-hoz'?
Az egyetlen belépési pont az AI-hoz azt jelenti, hogy a különböző mesterséges intelligencia kérések és integrációk egyetlen központi belépési ponton keresztül történnek, ahelyett, hogy külön rendszereken mennének keresztül. Az OpenRAG tölti be ezt a szerepet: mind az xloji.com saját 'Kérdezz!' funkciója, mind a külsőleg csatlakoztatott mesterséges intelligencia eszközök ugyanazon az OpenRAG infrastruktúrán keresztül kapnak szolgáltatást. Ez a központi struktúra lehetővé teszi a mesterséges intelligenciával kapcsolatos forgalom egyetlen ponton történő kezelését.
Milyen különbséget tesz az, hogy az OpenRAG a saját szerveren fut?
Az OpenRAG az xloji.com saját szerverén fut, harmadik fél felhőszolgáltatására támaszkodva. Ez azt jelenti, hogy a keresett és feldolgozott adatok az xloji.com ellenőrzése alatt maradnak. Saját szerveren futó struktúraként az OpenRAG a keresést és a válaszgenerálást a saját infrastruktúráján belül végzi el, adatokat nem továbbítva külső rendszerekre.
Ki használja az OpenRAG-ot?
Az OpenRAG-et három különböző csoport használja: a végfelhasználók, akik meglátogatják az xloji.com-ot és írnak a „Kérdés feltevése” mezőbe, a rendszerek, amelyek az xloji.com saját RAG-infrastruktúráját kérdezik, és a külső mesterséges intelligencia eszközök, amelyek az OpenRAG-en keresztül férnek hozzá az xloji.com információihoz. A végfelhasználó számára az OpenRAG a feltett kérdésre az xloji.com tartalmán alapuló választ ad. Külső eszközök számára az OpenRAG egy kontextus nélküli kapu az xloji.com-tól származó információk lekéréséhez.
Hogyan működik az xloji.com „Kérdés feltevése” mezője az OpenRAG-gal?
Az xloji.com „Kérdés feltevése” mezőjébe beírt kérdést az OpenRAG dolgozza fel. Az OpenRAG először a kérdéssel kapcsolatos tartalmakat keresi az xloji.com saját adatain belül, majd a talált tartalmak alapján hoz létre egy választ. Így a felhasználónak adott válasz az xloji.com valódi tartalmával van alátámasztva.
Hogyan szereznek információt a külső mesterséges intelligencia eszközök az OpenRAG-en keresztül?
Az OpenRAG egyetlen kapuként szolgál az xloji.com-on kívüli mesterséges intelligencia eszközök számára, hogy hozzáférjenek az xloji.com információihoz. Ezek az eszközök az OpenRAG-en keresztül csatlakozva kontextus nélküli, önállóan érthető válaszokat kaphatnak az xloji.com tartalmából. Ezért az OpenRAG-en keresztül megadott információk úgy vannak megtervezve, hogy külön kontextus nélkül is érthetőek legyenek.
Mik az OpenRAG korlátai?
Az OpenRAG által adott válaszok a neki biztosított tartalommal korlátozottak; az OpenRAG nem tud határozott választ adni olyan információra, amely nincs a rendszerben vagy nem került hozzáadásra. Az OpenRAG célja, hogy a meglévő tartalommal korlátozódjon, ahelyett, hogy kitaláljon nem létező információt. Ezért ne felejtsük el, hogy az OpenRAG-tól kapott válasz az xloji.com jelenlegi tartalmával korlátozott.
Az OpenRAG egy csevegőrobot?
Az OpenRAG nem egy hagyományos értelemben vett, önálló chatbot; az xloji.com 'Kérdezz!' funkciójának és a külső eszközök információs hozzáférésének a háttérben futó RAG és átjáró infrastruktúrája. Az OpenRAG fő feladata, hogy megtalálja a kérdésre vonatkozó tartalmat, és ezen a tartalom alapján generáljon egy választ. Ebben a formájában az OpenRAG nem egy felhasználóval közvetlenül csevegő felületként, hanem a válaszok mögötti infrastruktúra rétegként működik.
Mi az OpenRAG célja az xloji.com számára?
Az OpenRAG célja, hogy az xloji.com-hoz tartozó információkhoz mind a végfelhasználók, mind a külső mesterséges intelligencia eszközök megbízható és saját irányítású infrastruktúrán keresztül férhessenek hozzá. Saját szerverén futva ez a hozzáférés harmadik fél rendszerektől való függőség nélkül valósul meg. Az egységes átjáró struktúrájának köszönhetően az OpenRAG különböző hozzáférési pontokat egyesít egyetlen központi rendszerben.
Részletes információ a OpenRAG hirdetésről
Az OpenRAG az xloji.com saját szerverén futó RAG (Retrieval-Augmented Generation) rendszer, és egyben egy AI átjáró, amely az AI-val kapcsolatos kéréseket egyetlen ponton keresztül vezeti. A nevében szereplő „Open” kifejezés a rendszer nyitott és hozzáférhető struktúrájára utal, a „RAG” kifejezés pedig arra a működési módra, amelyben először a releváns adatokat keresi meg, majd ezek alapján generál választ. Az xloji.com „Kérdezz!” mezőjébe írt kérdés először az OpenRAG által a releváns tartalmak között keresődik, majd a talált tartalmak alapján generálódik egy válasz. Ugyanaz az infrastruktúra lehetővé teszi, hogy az xloji.com-on kívüli AI-eszközök az OpenRAG-on keresztül hozzáférjenek az xloji.com-hoz tartozó információkhoz, és felhasználják azokat a saját válaszaikban. Ez a struktúra lehetővé teszi az xloji.com számára, hogy a különböző termékeihez külön-külön AI-megoldásokat építsen fel helyett, egyetlen központi infrastruktúrán keresztül nyújtson szolgáltatásokat.
A RAG megközelítés alapvető logikája, hogy egy AI-rendszer ne csak az előre betanított általános tudásra hagyatkozzon, hanem először egy forrásból kinyerje a kérdéssel kapcsolatos aktuális és pontos tartalmakat, majd ezek alapján adjon választ. Az OpenRAG ezt a két lépést, a megtalálást (retrieval) és a generálást (generation) a saját szerverén kombinálva hajtja végre. Ez a megközelítés csökkenteni kívánja az AI-modellek néha nem létező információk generálására való hajlamát, mert a válasz nem a modell saját memóriájából, hanem ténylegesen talált tartalom alapján származik. Ennek köszönhetően az OpenRAG által adott válaszok nem véletlenszerű vagy elavult információkra, hanem az xloji.com saját tartalmaira épülnek. Így az OpenRAG által generált válasz forrása nyomon követhetően az xloji.com saját adata marad. A szerver xloji.com-hoz való tartozása azt jelenti, hogy a keresett és feldolgozott adatot nem egy harmadik fél felhőszolgáltatásra kell bíznia, hanem az xloji.com saját irányítása alatt marad.
Az OpenRAG „egyablakos AI átjáró” oldala azt jelenti, hogy a különböző AI-kéréseket és integrációkat egy központi belépési ponton keresztül irányítják, nem pedig külön rendszereken keresztül. Ennek köszönhetően az xloji.com saját „Kérdezz!” funkciója és az OpenRAG-on keresztül csatlakozó külső eszközök is ugyanazt az infrastruktúrát és ugyanazt az alapvető logikát használják. Központi átjáróként az OpenRAG biztosítja, hogy az AI-val kapcsolatos forgalom egyetlen ponton keresztül haladjon át, ami növeli a válaszok következetességét és az adatok feletti ellenőrzést, mivel a rendszer a saját szerverén fut. Ez az egypontos megközelítés azt is lehetővé teszi, hogy a karbantartást és a frissítéseket egyetlen helyen végezzék el, nem pedig szétszórt rendszereken. Az OpenRAG ezáltal nem csak egy kérdés-válasz eszköz, hanem egy infrastruktúra réteg, amely az xloji.com AI-val kapcsolatos összes hozzáférési pontját egyesíti.
Az OpenRAG-ot három különböző felhasználói csoport használja közvetlenül vagy közvetett módon: az xloji.com-ot látogató és a „Kérdezz!” mezőbe író végfelhasználók, az xloji.com saját RAG infrastruktúráját lekérdező rendszerek, valamint az OpenRAG-on keresztül az xloji.com-hoz tartozó információkhoz hozzáférő külső AI-eszközök. Ez a három felhasználói csoport ugyanazt az OpenRAG infrastruktúrát, ugyanazt a tartalomkészletet használja, ezért az xloji.com-mal kapcsolatban felmerülő kérdésekre mindenhol következetes információforráshoz jutnak. Az OpenRAG által adott válaszok a rendszerbe bejuttatott tartalommal korlátozottak; azaz az OpenRAG-tól nem szabad egyértelmű választ várni olyan információra vonatkozóan, amely nem szerepel a rendszerben vagy nem került fel a saját szerverére. Ez a korlát egyben az OpenRAG megbízhatóságának alapját is képezi: nem létező információt kitalálni, hanem a kezében lévő tartalommal korlátozott és erre alapuló válaszokat generálni törekszik.