🧠 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.
Innbygging og endurraðstilling á okkar eigin netþjónum
Innbygging og endurraðstilling eru nú keyrðar á okkar eigin netþjónum í sérstakri þjónustu. Texti er breytt í vettvangi án þess að yfirgefa netþjóninn og mögulegar niðurstöður fara í gegnum staðbundna endurraðstöðlu til að bæta nákvæmni.
Spurnarstilling
Óskýr eða ófullkönnuð spurning er hreinsuð áður en leit fer fram. Notendur þurfa ekki að orða spurninguna á "réttan" hátt; kerfið gerir spurninguna leitarhæfa.
Texti úr myndum, hljóði og myndböndum
Texti er unnin úr myndum og hljóð og myndböndum með staðbundnum tækjum á netþjóninum, og úrvals textinn fer í sama hreinsunar- og skráningarframhaldið. Gögn yfirgefa ekki netþjóninn.
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.
Leyfis- og samþykkjalag
Businesses join by their own choice; authentication, key management, rate limiting and abuse protection all live in this layer.
Sýnileika lag gervigreindar
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?
Vektorgagnagrunnurinn og vísitalan, blendingur leit, fjölnotenda einangrun, hreinsun skjala og RAG uppbygging, vefskrápan, opinber RAG straumurinn í sérsniðnum AI tólum og geymsla skjala/miðla virka alltaf í dag. Sjálfhýst innfelling, endarröðun, fyrirspurn endurskoðun, ytri hurðin, leyfislagið, sýnileikalagið og WordPress viðbótin eru ekki til enn.
Fer gögnin mín af netþjóninum?
Markmiðið er að hvert skref í RAG rásinni keyri með staðbundnum tólum á netþjóninum, án þess að einhver miðill fari inn í RAG og sendur sé til utanaðkomandi þjónustu. Raunverulegur staðreyndur: sum þessara skrefa eru enn meðhöndluð af utanaðkomandi þjónustum í dag, og að flytja þau innanhýsis er fyrsti liðurinn á vegakortinu.
Hvenær verða eiginleikarnir á vegakortinu tilbúnir?
Við lofum ekki dagsetningar. Það er nákvæmlega tilgangur þessarar síðu: að sýna aðskilið hvað virkar í dag og hvað er skipulagt. Þegar liður er lokið færist hann á "hlutirnir sem virka í dag" listann.
Er efnið mitt notað eða selt til AI þjálfunar?
Nei. Það er engin slík notkun í dag. Hugmyndin um leyfisveitan texta er fjarlægasti, löglega þyngsti liðurinn á vegakortinu; jafnvel ef það gerist, verður engin efni notað fyrir það án sérstakrar samþykktar fyrirtækisins.
Farðu aftur á AI gáttina fyrir önnur AI tól.
Algengar spurningar
Hvað er OpenRAG?
OpenRAG er RAG (Retrieval-Augmented Generation) kerfi sem keyrir á eigin netþjóni xloji.com og er einhliðisgátt að gervigreind. Þegar spurning berst leitar kerfið fyrst að viðeigandi efni, og framleiðir síðan svar byggt á þessu efni. Það þjónar einnig sem miðlæg gátt sem gerir gervigreindartólum utan xloji.com kleift að fá aðgang að upplýsingum sem tilheyra xloji.com frá einum stað.
Hvað þýðir RAG og hvernig beytir OpenRAG því?
RAG stendur fyrir 'Retrieval-Augmented Generation', eða upprunagreinileiki með endurheimt. Það þýðir að gervigreind leitar að upplýsingum úr tengdum uppsprettum áður en hún framleiðir svar, og myndar síðan svar byggt á þessum upplýsingum. OpenRAG keyrir þessa tvo þátta, leit og framleiðslu, á eigin netþjóni. Þannig eru svörin sem OpenRAG gefur ekki handahófin, heldur byggja á raunverulegu efni sem tilheyrir xloji.com.
Hvað þýðir 'einhliðis gátt að gervigreind'?
Einhliðis gátt að gervigreind þýðir að mismunandi gervigreindabeiðnir og samþættingar fara í gegnum eina miðlæga inngangsstað, frekar en í gegnum sérstök kerfi. OpenRAG gegnir þessu hlutverki: bæði 'Spjallaðu við okkur' eiginleiki xloji.com og gervigreindartól sem tengjast utan frá fá þjónustu í gegnum sama OpenRAG undirbyggingu. Þessi miðlæga uppbygging gerir kleift að stjórna umferðinni sem tengist gervigreind frá einum stað.
Hvaða mun gerir það að OpenRAG keyrir á eigin netþjóni?
OpenRAG keyrir á eigin netþjóni xloji.com, án þess að vera háð þriðja aðila skjathópi. Þetta þýðir að gögnin sem leituð eru og unnin eru eru undir stjórn xloji.com. Sem kerfi sem keyrir á eigin netþjóni, framkvæmir OpenRAG leit og svar framleiðslu innan sinna eigin undirbygginga án þess að flytja gögn til utanaðkomandi kerfa.
Hver notar OpenRAG?
OpenRAG er notað af þremur mismunandi hópum: Endanotendur sem heimsækja xloji.com og skrifa inn spurningu sína í 'Spjarðakassið', kerfi sem spyrja RAG undirbyggingu xloji.com og útlenskar gervigreindartæki sem nálgast upplýsingar um xloji.com í gegnum OpenRAG. Fyrir endanotanda skilar OpenRAG svara byggt á efni xloji.com við spurningu hans. Fyrir útlenskar tæki er OpenRAG hlið án samhengis til að sækja upplýsingar frá xloji.com.
Hvernig virkar 'Spjarðakassinn' á xloji.com með OpenRAG?
Spurning skrifuð inn í 'Spjarðakassann' á xloji.com er unnin af OpenRAG. OpenRAG leitar fyrst að efni tengdu spurningunni innan gagna xloji.com, og þá býr til svar byggt á þessu efni. Þannig er svarið sem gefið er notanda studd af raunverulegu efni frá xloji.com.
Hvernig fá útlenskar gervigreindartæki upplýsingar í gegnum OpenRAG?
OpenRAG þjónar sem einhlynsið til að útlenskar gervigreindartæki geti nálgast upplýsingar um xloji.com. Þessi tæki geta tengst í gegnum OpenRAG og fengið sjálfstætt skiljanleg svör úr efni xloji.com án samhengis. Því eru upplýsingar veittar í gegnum OpenRAG hannaðar til að vera skiljanlegar einar sér án þess að þurfa sérstakt samhengi.
Hvað eru takmarkanir OpenRAG?
Svör OpenRAG eru takmörkuð af því efni sem það hefur aðgang að; OpenRAG getur ekki búið til skýrt svar um upplýsingar sem eru ekki til staðar eða hafa ekki verið bætt við kerfið. OpenRAG er hannað til að takmarkast við efnið sem það hefur í höndunum frekar en að finna upp vantar upplýsingar. Þess vegna skal hafa í huga að svar fengið frá OpenRAG er takmarkað af því efni sem xloji.com hefur í eigu á því augnablgi.
Er OpenRAG spjallbotni?
OpenRAG er ekki samtalabotur í hefðbundnum skilningi; það er RAG og hliðarinnviði sem knýja „Spurðu“ eiginleika xloji.com og aðgang að upplýsingum úr utanaðkomandi tækjum. Kjarnastarfsemi OpenRAG er að finna efni sem svarar spurningu og búa til svar úr því efni. Í þessu formi virkar OpenRAG frekar sem undirlagsstig fyrir svörin en beint viðmót sem spjallar við notendur.
Hvað er markmið OpenRAG fyrir xloji.com?
Markmið OpenRAG er að tryggja að bæði endanlegir notendur og utanaðkomandi gervigreindartæki geti nálgast upplýsingar sem tilheyra xloji.com á áreiðanlegum og sjálfstjórnum undirlagsvegi. Rekstur á eigin netþjóni tryggir að aðgangurinn eigi sér stað án þess að vera háð þriðja aðila kerfum. Þökk sé einnar dyra hliðaruppbyggingu sameinar OpenRAG mismunandi aðgangsstaði í eitt miðlægt kerfi.
Nánari upplýsingar um OpenRAG
OpenRAG er xloji.com's eigin RAG (Retrieval-Augmented Generation) kerfi, sem keyrir á xloji.com's eigin netþjóni, og er einnig AI-gátt sem leiðir allar fyrirspurnir um gervigreind í gegnum eina miðstöð. Orðið 'Open' í nafninu táknar að kerfið bjóði upp á opna og aðgengilega uppbyggingu, á meðan 'RAG' vísar til vinnulagsins þar sem svarið er búið til með því fyrst að finna viðeigandi gögn og síðan að byggja svar á þessum gögnum. Spurn sem skrifuð er inn í 'Spurja' reitinn á xloji.com er fyrst leituð í tengdu efni af OpenRAG, og síðan er svar búið til á grundvelli þessa efnis. Sama undirbygging gerir einnig kleift að gervigreindartæki utan xloji.com geti fengið aðgang að upplýsingum sem tengjast xloji.com í gegnum OpenRAG og notað þessar upplýsingar í sínum eigin svörum. Þessi uppbygging gerir xloji.com kleift að þjónusta með einni miðlægri undirbyggingu frekar en að setja upp sérstakar gervigreindalausnir fyrir mismunandi vörur.
Grunnhugmynd RAG-nálgunarinnar er að gervigreindakerfi reiði sig ekki eingöngu á almenna þekkingu sem það hefur verið þjálfað á, heldur dragi fyrst fram uppfærð og nákvæm efni frá uppspretta og svarar síðan í ljósi þessa efnis. OpenRAG keyrir þessi tvö skref, það er að segja finna (retrieval) og búa til (generation) skrefin, á eigin netþjóni. Þessi nálgun miðar að því að draga úr tilhneigingu gervigreindarmódela til að búa til uppfinninga; því að svarið er ekki af minni módelins heldur af raunverulegu efni sem fundist hefur. Þannig eru svör OpenRAG ekki byggð á tilviljun eða úrelduðum upplýsingum, heldur á eigin efni xloji.com. Þannig er hægt að rekja uppruna svars sem OpenRAG framleiðir til eigin gagna xloji.com. Staðreyndin að netþjónninn tilheyrir xloji.com þýðir að gögnin sem leituð eru og unnin eru eru undir stjórn xloji.com án þess að vera háð þriðja aðila skýjaþjónustu.
'Einnigátt AI' hlið OpenRAG þýðir að mismunandi gervigreindarfyrirspurnir og samþættingar eru leiðbeintar frá einni miðlægri inngangsstað frekar en í sérstökum kerfum. Þannig nota bæði 'Spurja' einkenni xloji.com og utanaðkomandi tæki sem tengjast í gegnum OpenRAG sömu undirbyggingu og sömu grunnhugmynd. Sem miðlæg gáta tryggir OpenRAG að umferð um gervigreind fari í gegnum eina miðstöð; þetta bætir bæði samræmi svöranna og stjórn á gögnunum sem kerfið keyrir á eigin netþjóni. Þessi einstöðunni nálgun gerir einnig kleift að gera viðhald og uppfærslur á einum stað frekar en í dreifðum kerfum. Í þessu efni er OpenRAG ekki bara spurningar-og-svar kerfi, heldur undirlagsstig sem sameinar allar aðgangsleiðir xloji.com að gervigreind.
Þrjár mismunandi notendahópar nota OpenRAG beint eða óbeint: endanlegir notendur sem heimsækja xloji.com og skrifa spurn í 'Spurja' reitinn, kerfi sem spyrja eigin RAG undirbyggingu xloji.com og utanaðkomandi gervigreindartæki sem fá aðgang að upplýsingum sem tengjast xloji.com í gegnum OpenRAG. Allir þrír notendahóparnir fá svör frá sömu OpenRAG undirbyggingu, sem fæðist af sömu efnisstöðinni; þannig er tryggt að álitshæf upplýsingakjarna sé fengin, hvort sem spurt er um xloji.com á hvaða hátt sem er. Svör OpenRAG eru takmörkuð af efni sem það hefur aðgang að; það er að segja, ekki er hægt að búast við ákveðnu svari frá OpenRAG um upplýsingar sem eru ekki í kerfinu eða hafa ekki verið bætt við eigin netþjónn. Þessi takmörkun er einnig grundvöllur áreiðanleika OpenRAG: frekar en að finna upp upplýsingar sem ekki eru til, miðar kerfið að því að búa til svör sem eru takmörkuð af og byggja á efni sem til er.