🧠 OpenRAG
OpenRAG adalah platform RAG yang membersihkan dan menstruktur konten bisnis, mengindeksnya di server kami sendiri, dan membuatnya dapat di-query dalam bahasa alami oleh sistem AI eksternal melalui satu pintu yang terotorisasi.
Vektor tidak dipublikasikan; AKSES dibuka.
Ini adalah perkenalan produk, bukan daftar janji. Di bawah ini, bagian yang berfungsi hari ini dan bagian yang masih ada di peta jalan ditandai secara terpisah. Tidak ada tanggal yang dijanjikan untuk item peta jalan; saat selesai, mereka dipindahkan ke bagian "berfungsi hari ini".
Prinsip inti
Seluruh desain OpenRAG bertumpu pada satu kalimat: vektor tidak dipublikasikan, akses dibuka. Yang diberikan kepada pihak luar bukanlah salinan konten, tetapi hak untuk mengajukan pertanyaan kepadanya.
Vektor adalah mesin, bukan produk
Vektor spesifik untuk model yang menghasilkannya; AI lain tidak dapat menggunakannya apa adanya. Ia juga meningkatkan teks berkali-kali lipat. Itulah mengapa vektor tidak pernah dibagikan.
Yang dibuka adalah akses query
Sebuah pertanyaan masuk; jawaban dan bagian sumber yang mendasarinya keluar kembali. Konten lengkap tidak pernah disalin, didistribusikan, atau diunduh.
Izin menjadi milik bisnis
Bisnis memutuskan konten mana yang menjadi dapat di-query secara eksternal; partisipasi bersifat opt-in. Lapisan izin dan persetujuan ada di peta jalan.
Cara kerjanya — arsitektur target
Tautan pembersihan, penstrukturan, pengindeksan, dan pencarian dari alur ini berfungsi hari ini. Embedding yang di-host sendiri dengan reranking, dan pintu tunggal ke dunia luar, masih ada di peta jalan; setiap langkah di bawah ini menyatakan mana yang mana.
Sumber dikumpulkan
Situs xloji, dokumen yang diunggah, dan halaman web yang di-crawl adalah sumber konten. (Plugin WordPress dan API ingest publik ada di peta jalan.)
Ini dibersihkan dan distrukturkan
Konten yang berantakan dibersihkan, dipecah menjadi potongan-potongan yang bermakna, dan dibawa ke dalam bentuk yang dapat digunakan oleh RAG. Langkah ini berfungsi hari ini.
Ini diindeks dan dicari
Potongan-potongan diubah menjadi vektor dan ditulis ke pgvector; mereka ditemukan melalui indeks HNSW dan pencarian hibrida (kata kunci + vektor). Langkah ini berfungsi hari ini; menambahkan tautan reranking ada di peta jalan.
Ini dijangkau melalui satu pintu
Sistem AI eksternal bertanya dalam bahasa alami melalui satu pintu yang terotorisasi; jawaban dan bagian sumber kembali, bukan vektor itu sendiri. Pintu ini belum ada; itu ada di peta jalan.
Bagian yang berfungsi hari iniLangsung
Berikut ini berjalan di platform hari ini dan sudah digunakan oleh alat AI di xloji.com.
pgvector + indeks HNSW
Potongan konten disimpan sebagai vektor dalam database dan dicari dengan indeks HNSW atas kesamaan kosinus.
Pencarian hibrida
Pencarian kata kunci dan pencarian vektor berjalan bersama-sama; kedua daftar hasil digabungkan menjadi satu peringkat. Ini menemukan kecocokan istilah yang tepat dan bagian yang secara semantik dekat.
Isolasi multi-tenant
Setiap bisnis, situs, dan penulis memiliki RAG-nya sendiri. Query hanya berjalan terhadap indeks tenantnya sendiri; data tidak pernah bercampur antar tenant.
Pembersihan dokumen dan penstrukturan RAG
Dokumen yang diunggah dibersihkan, dipecah-pecah, dan distrukturkan untuk RAG. Alat Penstrukturan Data di platform adalah antarmuka pengguna dari pipeline ini.
Web crawling
Halaman situs di-crawl, kontennya diekstrak, dan diteruskan melalui pipeline pembersihan dan pengindeksan yang sama.
Umpan RAG publik di alat AI khusus
Alat AI khusus yang Anda buat dapat diberi makan dari sumber RAG publik; alat tersebut mendasarkan jawabannya pada basis pengetahuan itu.
Penyimpanan file dan media
File dan media berada di penyimpanan objek — bukan di toko vektor. Rekaman RAG menunjuk kembali ke file aslinya.
Penyematan dan pengurutan ulang di server kami sendiri
Penyematan dan pengurutan ulang sekarang berjalan di server kami sendiri dalam layanan terpisah. Teks diubah menjadi vektor tanpa meninggalkan server, dan hasil kandidat melewati pengurut ulang lokal untuk meningkatkan akurasi.
Penulisan ulang kueri
Pertanyaan yang samar atau tidak lengkap dirapikan sebelum pencarian dijalankan. Pengguna tidak harus merumuskan pertanyaan yang "tepat"; sistem membuat kueri siap dicari.
Teks dari gambar, audio, dan video
Ekstraksi teks dari gambar dan transkripsi audio dan video dijalankan dengan alat lokal di server, dan teks yang dihasilkan masuk ke dalam alur pembersihan dan pengindeksan yang sama. Data tidak meninggalkan server.
Apa yang ada di peta jalanDirencana
Berikut ini belum ada. Ini adalah item yang direncanakan dan dirancang; halaman ini tidak menyajikannya seolah-olah sudah dibangun.
Pintu tunggal: MCP / gateway API
Gateway tunggal yang dapat di-query oleh sistem AI eksternal dalam bahasa alami. AI yang terhubung sekali menjangkau setiap bisnis yang berpartisipasi melalui pintu yang sama.
Lapisan izin dan persetujuan
Bisnis bergabung dengan pilihan mereka sendiri; autentikasi, manajemen kunci, pembatasan laju, dan perlindungan penyalahgunaan semuanya ada di lapisan ini.
Lapisan visibilitas AI
Membuat konten dapat ditemukan oleh mesin melalui llms.txt, /.well-known/ dan markup schema.org, ditambah pendaftaran di registri MCP. Tidak ada penemuan otomatis ajaib; visibilitas dibangun dengan cara ini.
Plugin WordPress
Plugin yang memungkinkan situs WordPress mengirimkan kontennya ke OpenRAG dan mendapatkan endpoint yang dapat di-query oleh sistem AI.
Kami tidak memberikan tanggal untuk item ini. Saat item selesai, item tersebut naik ke daftar "bagian yang berfungsi hari ini", dan halaman ini diperbarui sesuai.
🔒 Data tidak meninggalkan server
Tujuan OpenRAG adalah menjalankan setiap langkah pipeline RAG di server kami sendiri dengan alat gratis lokal: embedding, reranking, ekstraksi teks dari gambar dan transkripsi audio. Tidak ada media yang masuk ke RAG yang dikirim ke layanan eksternal — ini adalah aturan desain yang tidak dapat dinegosiasikan.
Status jujur: beberapa langkah ini masih dilakukan oleh layanan eksternal hari ini. Memindahkannya ke dalam adalah item pertama di peta jalan.
Bagaimana pertumbuhan direncanakan
Pencarian vektor menjadi lebih mahal seiring pertumbuhan konten. Desain OpenRAG membatasi biaya itu dari awal dalam tiga cara.
Tidak ada indeks raksasa tunggal
Setiap bisnis memiliki indeks kecilnya sendiri dan query hanya berjalan terhadap indeks itu. Bahkan saat total konten tumbuh, area yang dipindai oleh query tunggal tetap kecil; biaya pencarian meningkat dengan ukuran bisnis itu, bukan dengan total platform.
Ukuran dan presisi vektor dapat disesuaikan
Menggunakan dimensi vektor yang lebih pendek dan format angka yang lebih ringkas, konten yang sama membutuhkan ruang yang jauh lebih sedikit. Pilihan ini dibangun ke dalam desain dari awal sehingga tidak diperlukan migrasi yang mahal nanti.
Tingkat dingin
Indeks bisnis yang belum di-query untuk waktu yang lama dipindahkan ke penyimpanan persisten yang murah dan ditarik kembali saat query tiba untuk itu. Dengan begitu, hanya konten yang aktif yang tetap berada dalam memori cepat. Tingkat ini ada di peta jalan.
Pertanyaan yang Sering Diajukan
Apa sebenarnya OpenRAG?
Ini adalah platform RAG yang membersihkan dan menstruktur konten bisnis, mengindeksnya di server kami sendiri, dan membuatnya dapat di-query dalam bahasa alami oleh sistem AI eksternal melalui satu pintu yang terotorisasi. Ini bukan alat obrolan; ini adalah lapisan pengetahuan yang berjalan di bawah alat tersebut.
Apakah Anda menyerahkan vektor atau konten saya kepada orang lain?
Tidak. Prinsip intinya adalah: vektor tidak dipublikasikan, akses dibuka. Yang keluar bukanlah salinan konten tetapi hak untuk mengajukan pertanyaan kepadanya; hanya bagian pendukung yang kembali dengan jawabannya. Di atas itu, bisnis memutuskan konten mana yang menjadi dapat di-query secara eksternal.
Apa yang sebenarnya dapat digunakan hari ini?
Basis data vektor dan indeks, pencarian hibrida, isolasi multi-tenant, pembersihan dokumen dan penataan RAG, perayapan web, umpan RAG publik di alat AI khusus, dan penyimpanan file/media semuanya berfungsi saat ini. Embedding yang di-host sendiri, penyusunan ulang peringkat, penulisan ulang kueri, pintu eksternal, lapisan izin, lapisan visibilitas, dan plugin WordPress belum tersedia.
Apakah data saya meninggalkan server?
Tujuannya adalah agar setiap langkah dari pipeline RAG berjalan dengan alat lokal di server, tanpa media yang masuk ke RAG yang pernah dikirim ke layanan eksternal. Status yang jujur: beberapa langkah ini masih ditangani oleh layanan eksternal saat ini, dan memindahkannya ke internal adalah item pertama dalam peta jalan.
Kapan fitur-fitur peta jalan akan siap?
Kami tidak menjanjikan tanggal. Itulah justru tujuan dari halaman ini: untuk menunjukkan secara terpisah apa yang berfungsi hari ini dan apa yang direncanakan. Ketika sebuah item selesai, item tersebut akan dipindahkan ke daftar "bagian yang berfungsi hari ini".
Apakah konten saya digunakan atau dijual untuk pelatihan AI?
Tidak. Tidak ada penggunaan seperti itu saat ini. Gagasan tentang korpus teks yang diizinkan adalah item yang paling jauh, paling berat secara hukum dalam peta jalan; bahkan jika itu terjadi, tidak ada konten yang akan digunakan untuk itu tanpa persetujuan eksplisit dari bisnis.
Kembali ke portal AI untuk alat AI lainnya.
Pertanyaan yang Sering Diajukan
Apa itu OpenRAG?
OpenRAG adalah sistem RAG (Retrieval-Augmented Generation) dan gateway AI terpadu yang berjalan di server xloji.com sendiri. Ketika sebuah pertanyaan diajukan, OpenRAG pertama-tama menemukan konten yang relevan, kemudian menghasilkan jawaban berdasarkan konten tersebut. Pada saat yang sama, OpenRAG berfungsi sebagai gateway terpusat yang memungkinkan alat AI di luar xloji.com untuk mengakses informasi milik xloji.com dari satu titik.
Apa arti RAG dan bagaimana OpenRAG menerapkannya?
RAG adalah singkatan dari 'Retrieval-Augmented Generation', yang berarti pembuatan yang diperkaya dengan pencarian; sebuah AI mencari informasi dari sumber yang relevan sebelum menghasilkan jawaban, kemudian membuat respons berdasarkan informasi tersebut. OpenRAG menjalankan kedua langkah ini, langkah pencarian dan pembuatan, dengan menggabungkannya di servernya sendiri. Dengan demikian, jawaban yang diberikan OpenRAG tidak acak, melainkan didasarkan pada konten asli milik xloji.com.
Apa yang dimaksud dengan 'gateway AI terpadu'?
Gateway AI terpadu berarti bahwa permintaan dan integrasi AI yang berbeda diproses melalui satu titik masuk terpusat, bukan melalui sistem terpisah. OpenRAG mengambil peran ini: baik fitur 'Ajukan Pertanyaan' milik xloji.com maupun alat AI yang terhubung dari luar, menerima layanan melalui infrastruktur OpenRAG yang sama. Struktur terpusat ini memungkinkan pengelolaan lalu lintas terkait AI dari satu titik.
Apa perbedaan jika OpenRAG berjalan di server sendiri?
OpenRAG berjalan di server xloji.com sendiri, tanpa bergantung pada layanan cloud pihak ketiga. Ini berarti data yang dicari dan diproses tetap berada di bawah kendali xloji.com. Sebagai struktur yang berjalan di server sendiri, OpenRAG melakukan pencarian dan pembuatan jawaban dalam infrastrukturnya sendiri tanpa mentransfer data ke sistem eksternal.
Siapa yang menggunakan OpenRAG?
OpenRAG digunakan oleh tiga kelompok berbeda: pengguna akhir yang mengunjungi xloji.com dan mengetik pertanyaan di kotak 'Ajukan Pertanyaan', sistem yang menanyakan xloji.com melalui infrastruktur RAG-nya sendiri, dan alat kecerdasan buatan eksternal yang mengakses informasi milik xloji.com melalui OpenRAG. Untuk pengguna akhir, OpenRAG mengembalikan jawaban berdasarkan konten xloji.com untuk pertanyaan yang diajukannya. Untuk alat eksternal, OpenRAG adalah pintu masuk tanpa konteks yang digunakan untuk mengambil informasi dari xloji.com.
Bagaimana kotak 'Ajukan Pertanyaan' di xloji.com bekerja dengan OpenRAG?
Pertanyaan yang diketik di kotak 'Ajukan Pertanyaan' di xloji.com diproses oleh OpenRAG. OpenRAG pertama-tama mencari konten yang relevan dengan pertanyaan dalam data xloji.com sendiri, kemudian membuat jawaban berdasarkan konten yang ditemukannya. Dengan cara ini, jawaban yang diberikan kepada pengguna didukung oleh konten asli milik xloji.com.
Bagaimana alat kecerdasan buatan eksternal mendapatkan informasi melalui OpenRAG?
OpenRAG berfungsi sebagai pintu gerbang tunggal bagi alat kecerdasan buatan di luar xloji.com untuk mengakses informasi milik xloji.com. Alat-alat ini dapat terhubung melalui OpenRAG dan menerima jawaban yang dapat dipahami sendiri, tanpa konteks, dari konten xloji.com. Oleh karena itu, informasi yang diberikan melalui OpenRAG dirancang agar bermakna sendiri tanpa memerlukan konteks terpisah.
Apa batasan OpenRAG?
Jawaban yang diberikan oleh OpenRAG terbatas pada konten yang diberikan kepadanya; OpenRAG tidak dapat menghasilkan jawaban pasti tentang informasi yang tidak ada dalam sistem atau belum ditambahkan. OpenRAG bertujuan untuk tetap terbatas pada konten yang ada, daripada mengarang informasi yang tidak ada. Oleh karena itu, harus diingat bahwa jawaban yang diperoleh dari OpenRAG terbatas pada konten yang dimiliki xloji.com saat ini.
Apakah OpenRAG adalah chatbot?
OpenRAG bukanlah chatbot independen dalam arti klasik; ini adalah infrastruktur RAG dan gateway yang mendukung fitur 'Ajukan Pertanyaan' di xloji.com dan akses informasi dari alat eksternal. Pekerjaan utama OpenRAG adalah menemukan konten yang sesuai dengan pertanyaan dan menghasilkan jawaban berdasarkan konten tersebut. Dalam bentuk ini, OpenRAG berfungsi lebih sebagai lapisan infrastruktur di balik jawaban daripada antarmuka yang mengobrol langsung dengan pengguna.
Apa tujuan OpenRAG untuk xloji.com?
Tujuan OpenRAG adalah untuk memungkinkan akses ke informasi yang dimiliki oleh xloji.com, baik oleh pengguna akhir maupun alat kecerdasan buatan eksternal, melalui infrastruktur yang andal dan terkontrol sendiri. Menjalankannya di server sendiri memastikan akses ini terjadi tanpa bergantung pada sistem pihak ketiga. Berkat struktur gateway satu pintu, OpenRAG menggabungkan berbagai titik akses ke dalam satu sistem terpusat.
Informasi rinci mengenai OpenRAG
OpenRAG adalah sistem RAG (Retrieval-Augmented Generation) yang berjalan di server xloji.com dan juga merupakan gateway AI yang meneruskan permintaan terkait kecerdasan buatan dari satu titik. Kata 'Open' dalam namanya menunjukkan bahwa sistem ini menawarkan struktur yang terbuka dan dapat diakses, sedangkan 'RAG' menunjukkan cara kerjanya, yaitu pertama-tama menemukan data yang relevan lalu menghasilkan jawaban berdasarkan data tersebut. Pertanyaan yang ditulis di kotak 'Ajukan Pertanyaan' di xloji.com pertama-tama dicari oleh OpenRAG dalam konten yang relevan, kemudian jawaban dihasilkan berdasarkan konten yang ditemukan tersebut. Infrastruktur yang sama juga memungkinkan alat kecerdasan buatan di luar xloji.com untuk mengakses informasi yang dimiliki oleh xloji.com melalui OpenRAG dan menggunakan informasi ini dalam jawaban mereka sendiri. Struktur ini memungkinkan xloji.com untuk melayani melalui infrastruktur terpusat tunggal, alih-alih membangun solusi kecerdasan buatan terpisah untuk produk yang berbeda. Logika dasar pendekatan RAG adalah bahwa sistem kecerdasan buatan tidak hanya mengandalkan pengetahuan umum yang telah dilatih sebelumnya, tetapi terlebih dahulu mengambil konten yang relevan dan akurat dengan pertanyaan dari suatu sumber, lalu menjawab berdasarkan konten tersebut. OpenRAG menjalankan kedua langkah ini, yaitu langkah pencarian (retrieval) dan pembuatan (generation), dengan menggabungkannya di servernya sendiri. Pendekatan ini bertujuan untuk mengurangi kecenderungan model kecerdasan buatan untuk menghasilkan informasi yang tidak ada; karena jawaban diturunkan dari konten yang benar-benar ditemukan, bukan dari memori model itu sendiri. Dengan cara ini, jawaban yang diberikan oleh OpenRAG didasarkan pada konten xloji.com sendiri, bukan pada informasi acak atau usang. Dengan demikian, sumber jawaban yang dihasilkan oleh OpenRAG tetap dapat dilacak sebagai data milik xloji.com. Kepemilikan server oleh xloji.com berarti data yang dicari dan diproses tetap berada di bawah kendali xloji.com tanpa bergantung pada layanan cloud pihak ketiga. Sisi 'gerbang AI terpadu' dari OpenRAG berarti pengarahan berbagai permintaan dan integrasi AI melalui satu titik masuk terpusat, bukan sistem terpisah. Dengan cara ini, baik fitur 'Ajukan Pertanyaan' milik xloji.com maupun alat eksternal yang terhubung melalui OpenRAG menggunakan infrastruktur dan logika dasar yang sama. Sebagai struktur gerbang terpusat, OpenRAG memastikan lalu lintas terkait AI melewati satu titik, yang meningkatkan konsistensi jawaban dan kontrol atas data sebagai sistem yang berjalan di server Anda sendiri. Pendekatan satu titik ini juga memungkinkan pemeliharaan dan pembaruan dilakukan di satu tempat, bukan di sistem yang tersebar. Dalam hal ini, OpenRAG bukan hanya alat tanya jawab, tetapi juga lapisan infrastruktur yang menyatukan semua titik akses terkait AI dari xloji.com. OpenRAG digunakan secara langsung atau tidak langsung oleh tiga kelompok pengguna berbeda: pengguna akhir yang mengunjungi xloji.com dan mengetikkan pertanyaan di kotak 'Ajukan Pertanyaan', sistem yang mengkueri infrastruktur RAG xloji.com, dan alat kecerdasan buatan eksternal yang mengakses informasi yang dimiliki xloji.com melalui OpenRAG. Ketiga kelompok pengguna ini menerima jawaban dari infrastruktur OpenRAG yang sama, yang didukung oleh kumpulan konten yang sama; oleh karena itu, sumber informasi yang konsisten dapat diakses tidak peduli dari mana pertanyaan tentang xloji.com diajukan. Jawaban yang diberikan oleh OpenRAG terbatas pada konten yang diberikan kepadanya; yaitu, jawaban yang pasti tidak boleh diharapkan dari OpenRAG tentang informasi yang tidak ada dalam sistem atau belum ditambahkan ke servernya sendiri. Batasan ini juga merupakan dasar dari keandalan OpenRAG: alih-alih mengarang informasi yang tidak ada, ia bertujuan untuk menghasilkan jawaban yang terbatas pada konten yang ada dan didasarkan pada konten tersebut.