🧠 OpenRAG
OpenRAG er en RAG-plattform som renser og strukturerer et selskaps innhold, indekserer det på vår egen server, og gjør det spørrbart på naturlig språk av eksterne AI-systemer gjennom en enkelt, autorisert dør.
Vektorer publiseres ikke; TILGANG åpnes.
Dette er en produktintroduksjon, ikke en liste over løfter. Nedenfor er delene som fungerer i dag og delene som fortsatt er på veikartet merket separat. Ingen datoer loves for elementer på veikartet; når de er fullført flyttes de inn i seksjonen "fungerer i dag".
Hovedprinsippet
Hele OpenRAGs design hviler på én setning: vektorer publiseres ikke, tilgang åpnes. Det som gis ut er ikke en kopi av innholdet, men retten til å stille spørsmål om det.
En vektor er en motor, ikke et produkt
En vektor er spesifikk for modellen som produserte den; en annen AI kan ikke bruke den som den er. Den blåser også opp teksten mange ganger. Derfor blir vektorer aldri gitt ut.
Det som åpnes er spørretilgang
Et spørsmål kommer inn; et svar og kildepassasjene det hviler på går tilbake ut. Det fulle innholdet kopieres, distribueres eller lastes aldri ned.
Tillatelsen tilhører virksomheten
Virksomheten bestemmer hvilket innhold som blir eksternt spørrbart; deltakelse er valgfritt. Tillatelses- og samtykkelaget er på veikartet.
Hvordan det fungerer — målarkitektur
Rensing, strukturering, indeksering og søkelenkene i denne flyten fungerer i dag. Selvdrevet embedding med reranking, og den enkelte døren til omverdenen, er fortsatt på veikartet; hvert trinn nedenfor angir hvilket som er hvilket.
Kilder samles inn
xloji-nettsteder, opplastede dokumenter og crawled nettsider er innholdskildene. (En WordPress-plugin og et offentlig inntaks-API er på veikartet.)
Det renses og struktureres
Rotete innhold renses, deles inn i meningsfulle biter og bringes i en form RAG kan bruke. Dette trinnet fungerer i dag.
Det indekseres og søkes i
Biter gjøres om til vektorer og skrives til pgvector; de finnes via et HNSW-indeks og hybrid søk (nøkkelord + vektor). Dette trinnet fungerer i dag; å legge til reranking-lenken er på veikartet.
Det nås gjennom en enkelt dør
Eksterne AI-systemer spør på naturlig språk gjennom en enkelt, autorisert dør; svar og kildepassasjer kommer tilbake, ikke vektorene selv. Denne døren eksisterer ennå ikke; den er på veikartet.
Deler som fungerer i dagLive
Følgende kjører på plattformen i dag og brukes allerede av AI-verktøyene på xloji.com.
pgvector + HNSW-indeks
Innholdsbiter lagres som vektorer i databasen og søkes med en HNSW-indeks over cosinuslikhet.
Hybrid søk
Nøkkelordsøk og vektorsøk kjøres sammen; de to resultatlistene slås sammen til en enkelt rangering. Dette finner både eksakte termtreff og semantisk nærliggende passasjer.
Multi-tenant isolasjon
Hver virksomhet, nettsted og forfatter har sin egen RAG. Et spørsmål kjøres kun mot sin egen tenants indeks; data blandes aldri på tvers av tenants.
Dokumentrensing og RAG-strukturering
Opplastede dokumenter renses, deles opp og struktureres for RAG. Verktøyet for datastrukturering på plattformen er brukergrensesnittet til denne pipelinen.
Web crawling
Et nettsteds sider crawles, innholdet deres trekkes ut og sendes gjennom den samme rense- og indekseringspipelinen.
Offentlig RAG-feed i tilpassede AI-verktøy
Et tilpasset AI-verktøy du oppretter kan mates fra en offentlig RAG-kilde; verktøyet forankrer sine svar i denne kunnskapsbasen.
Fil- og medielagring
Filer og media lever i objektlagring — ikke i vektorlageret. RAG-posten peker tilbake til den originale filen.
Innebygging og omrangering på våre egne servere
Innebygging og omrangering kjøres nå på våre egne servere i en separat tjeneste. Tekst blir konvertert til vektorer uten å forlate serveren, og kandidatresultater passerer gjennom en lokal omrangerer for å forbedre nøyaktigheten.
Spørreomskriving
Et vagt eller ufullstendig spørsmål ryddes opp før søket kjøres. Brukere trenger ikke å formulere det "rette" spørsmålet; systemet gjør spørringen søkeklar.
Tekst fra bilder, lyd og video
Tekstraksjon fra bilder og transkribering av lyd og video kjøres med lokale verktøy på serveren, og den resulterende teksten går inn i samme rengjørings- og indekseringsprosess. Data forlater ikke serveren.
Hva som er på veikartetPlanlagt
Følgende eksisterer ennå ikke. De er planlagte og designede elementer; denne siden presenterer dem ikke som om de allerede var bygget.
Den enkelte døren: MCP / API-gateway
En enkelt gateway som eksterne AI-systemer kan spørre på naturlig språk. En AI som kobler til én gang når hver deltakende virksomhet gjennom den samme døren.
Tillatelses- og samtykkelag
Virksomheter deltar etter eget valg; autentisering, nøkkeladministrasjon, hastighetsbegrensning og misbruksbeskyttelse lever alt i dette laget.
AI-synlighetslag
Gjøre innhold maskinlesbart via llms.txt, /.well-known/ og schema.org-markering, pluss registrering i MCP-registre. Det er ingen magisk automatisk oppdagelse; synlighet bygges på denne måten.
WordPress-plugin
En plugin som lar et WordPress-nettsted sende innholdet sitt til OpenRAG og få tilbake en endepunkt som AI-systemer kan spørre.
Vi gir ikke datoer for disse elementene. Når et element er ferdig flyttes det opp i listen "deler som fungerer i dag", og denne siden oppdateres deretter.
🔒 Data forlater ikke serveren
OpenRAGs mål er å kjøre hvert trinn i RAG-pipelinen på vår egen server med lokale, gratis verktøy: embedding, reranking, teksekstraksjon fra bilder og lydtranskripsjon. Ingen media som kommer inn i RAG sendes til en ekstern tjeneste — dette er en ikke-forhandlingsbar designregel.
Den ærlige statusen: noen av disse trinnene utføres fortsatt av eksterne tjenester i dag. Å flytte dem internt er det første elementet på veikartet.
Hvordan vekst planlegges
Vektorsøk blir dyrere etter hvert som innholdet vokser. OpenRAGs design begrenser disse kostnadene fra starten på tre måter.
Det er ingen enkelt gigantisk indeks
Hver virksomhet har sin egen lille indeks og et spørsmål kjøres kun mot den indeksen. Selv når det totale innholdet vokser, forblir området et enkelt spørsmål skanner lite; søkekostnaden skalerer med den virksomhetens størrelse, ikke med plattformens totale.
Vektorstørrelse og presisjon er justerbare
Ved å bruke kortere vektordimensjoner og mer kompakte tallformater, tar det samme innholdet opp betydelig mindre plass. Disse valgene er bygget inn i designet fra starten, slik at ingen kostbar migrasjon er nødvendig senere.
Cold tier
Indeksen til en virksomhet som ikke har blitt spurt på lenge flyttes til billig persistent lagring og hentes tilbake når et spørsmål kommer for den. På den måten forblir bare aktivt innhold i raskt minne. Dette nivået er på veikartet.
Ofte stilte spørsmål
Hva er egentlig OpenRAG?
Det er en RAG-plattform som renser og strukturerer et selskaps innhold, indekserer det på vår egen server og gjør det spørrbart på naturlig språk av eksterne AI-systemer gjennom en enkelt, autorisert dør. Det er ikke et chatteverktøy; det er kunnskapslaget som kjører under slike verktøy.
Gir dere vektorene eller innholdet mitt til noen andre?
Nei. Hovedprinsippet er: vektorer publiseres ikke, tilgang åpnes. Det som går ut er ikke en kopi av innholdet, men retten til å stille det spørsmål; bare støttepassasjene kommer tilbake med svaret. I tillegg bestemmer virksomheten selv hvilket innhold som blir eksternt spørrbart.
Hva kan faktisk brukes i dag?
Vektordatabasen og indeksen, hybrid søk, multi-tenant isolasjon, dokumentrensing og RAG-strukturering, web-crawling, det offentlige RAG-feeden i tilpassede AI-verktøy og lagring av filer/media fungerer alle i dag. Selv-hostet embedding, reranking, spørreomskriving, den eksterne døren, tillatelseslaget, synlighetslaget og WordPress-pluginet eksisterer ennå ikke.
Forlater dataene mine serveren?
Målet er at hvert trinn i RAG-pipelinen skal kjøres med lokale verktøy på serveren, uten at media noen gang sendes til en ekstern tjeneste. Den ærlige statusen: noen av disse trinnene håndteres fortsatt av eksterne tjenester i dag, og å flytte dem internt er det første punktet på veikartet.
Når vil funksjonene på veikartet være klare?
Vi lover ikke datoer. Det er nettopp hensikten med denne siden: å vise separat hva som fungerer i dag og hva som er planlagt. Når et element er fullført, flyttes det til listen over «deler som fungerer i dag».
Brukes eller selges innholdet mitt til AI-trening?
Nei. Det er ingen slik bruk i dag. Ideen om et tillatelseskontrollert tekstkorpus er det lengst frem i tid, juridisk tyngste punktet på veikartet; selv om det skjer, vil ikke noe innhold bli brukt til det uten virksomhetens eksplisitte samtykke.
Gå tilbake til AI-portalen for de andre AI-verktøyene.
Ofte stilte spørsmål
Hva er OpenRAG?
OpenRAG er et RAG-system (Retrieval-Augmented Generation) og en AI-gateway som kjører på xloji.coms egen server. Når et spørsmål kommer inn, finner det først relevant innhold, og genererer deretter et svar basert på dette innholdet. Samtidig fungerer det som en sentral gateway som gir AI-verktøy utenfor xloji.com tilgang til informasjon som eies av xloji.com fra ett enkelt punkt.
Hva betyr RAG, og hvordan implementerer OpenRAG det?
RAG står for 'Retrieval-Augmented Generation', som betyr generering forsterket med henting; det vil si at en AI søker etter informasjon fra relevante kilder før den genererer et svar, og deretter lager et svar basert på denne informasjonen. OpenRAG kjører disse to trinnene, søk og generering, sammen på sin egen server. Dermed er svarene OpenRAG gir ikke tilfeldige, men basert på ekte innhold som eies av xloji.com.
Hva betyr 'enkeltpunkt-AI-gateway'?
Enkeltpunkt-AI-gateway betyr at forskjellige AI-forespørsler og integrasjoner går gjennom ett sentralt inngangspunkt i stedet for separate systemer. OpenRAG tar på seg denne rollen: både xloji.coms egen 'Still et spørsmål'-funksjon og AI-verktøy som kobles til utenfra, bruker samme OpenRAG-infrastruktur. Denne sentrale strukturen gjør det mulig å administrere AI-relatert trafikk fra ett enkelt punkt.
Hva er forskjellen på at OpenRAG kjører på egen server?
OpenRAG kjører på xloji.coms egen server uten å være avhengig av en tredjeparts skytjeneste. Dette betyr at dataene som søkes etter og behandles, forblir under xloji.coms egen kontroll. Som en struktur som kjører på egen server, utfører OpenRAG søk og svar generering innenfor sin egen infrastruktur uten å overføre data til eksterne systemer.
Hvem bruker OpenRAG?
OpenRAG brukes av tre forskjellige grupper: sluttbrukere som besøker xloji.com og skriver inn spørsmål i 'Still et spørsmål'-boksen, systemer som spør xloji.coms egen RAG-infrastruktur, og eksterne AI-verktøy som får tilgang til informasjon om xloji.com via OpenRAG. For sluttbrukere returnerer OpenRAG et svar basert på innholdet på xloji.com. For eksterne verktøy er OpenRAG en kontekstfri gateway for å hente informasjon fra xloji.com.
Hvordan fungerer 'Still et spørsmål'-boksen på xloji.com med OpenRAG?
Et spørsmål skrevet inn i 'Still et spørsmål'-boksen på xloji.com behandles av OpenRAG. OpenRAG søker først etter relevant innhold i xloji.coms egne data, og genererer deretter et svar basert på dette innholdet. Dette sikrer at svaret som gis til brukeren er støttet av ekte innhold fra xloji.com.
Hvordan får eksterne AI-verktøy informasjon via OpenRAG?
OpenRAG fungerer som en enkelt inngangsport for AI-verktøy utenfor xloji.com for å få tilgang til informasjon om xloji.com. Disse verktøyene kan koble seg til via OpenRAG og motta kontekstfrie, selvforklarende svar fra xloji.coms innhold. Derfor er informasjonen som leveres via OpenRAG utformet for å være meningsfull i seg selv, uten behov for ytterligere kontekst.
Hva er begrensningene til OpenRAG?
Svarene som gis av OpenRAG er begrenset til innholdet som er gitt til det; OpenRAG kan ikke gi et definitivt svar på informasjon som ikke finnes i systemet eller ikke er lagt til. OpenRAG er designet for å holde seg innenfor sitt eksisterende innhold, i stedet for å finne opp informasjon som ikke finnes. Derfor bør du huske at et svar mottatt fra OpenRAG er begrenset til innholdet xloji.com har tilgjengelig på det tidspunktet.
Er OpenRAG en chatbot?
OpenRAG er ikke en chatbot i klassisk forstand; det er en RAG- og gateway-infrastruktur som driver 'Still et spørsmål'-funksjonen til xloji.com og tilgangen til informasjon fra eksterne verktøy. OpenRAGs hovedoppgave er å finne innhold som svarer på et spørsmål og generere et svar basert på dette innholdet. Som sådan fungerer OpenRAG mer som et infrastruktur-lag bak svarene, enn et grensesnitt som chatter direkte med brukeren.
Hva er formålet med OpenRAG for xloji.com?
Formålet med OpenRAG er å sikre at både sluttbrukere og eksterne AI-verktøy kan få tilgang til informasjon som tilhører xloji.com via en pålitelig og egenstyrt infrastruktur. At den kjører på egen server sikrer at denne tilgangen skjer uten avhengighet av tredjepartssystemer. Takket være sin single gateway-struktur samler OpenRAG ulike tilgangspunkter i ett sentralt system.
Detaljert informasjon om OpenRAG
OpenRAG er et RAG-system (Retrieval-Augmented Generation) som kjører på xloji.coms egen server, og det er også en AI-gateway som sender forespørsler relatert til kunstig intelligens gjennom ett enkelt punkt. «Open» i navnet indikerer at systemet tilbyr en åpen og tilgjengelig struktur, mens «RAG» refererer til arbeidsmetoden der det først finner relevant data før det genererer et svar basert på disse dataene. Et spørsmål skrevet i «Still et spørsmål»-boksen på xloji.com søkes først av OpenRAG i relevant innhold, og deretter genereres et svar basert på dette innholdet. Den samme infrastrukturen gjør det også mulig for AI-verktøy utenfor xloji.com å få tilgang til informasjon som tilhører xloji.com via OpenRAG og bruke denne informasjonen i sine egne svar. Denne strukturen gjør det mulig for xloji.com å tilby tjenester via en enkelt sentral infrastruktur i stedet for å sette opp separate AI-løsninger for forskjellige produkter.
Den grunnleggende logikken i RAG-tilnærmingen er at et AI-system ikke bare skal stole på generell kunnskap det er trent på, men først hente aktuell og nøyaktig informasjon fra en kilde relatert til spørsmålet, og deretter svare i lys av dette innholdet. OpenRAG kombinerer disse to trinnene, nemlig henting (retrieval) og generering (generation), og kjører dem på sin egen server. Denne tilnærmingen tar sikte på å redusere tendensen til at AI-modeller noen ganger genererer informasjon som ikke eksisterer, fordi svaret er avledet fra faktisk funnet innhold, ikke fra modellens egen hukommelse. På denne måten er svarene OpenRAG gir basert på xloji.coms eget innhold, ikke tilfeldig eller utdatert informasjon. Kilden til et svar generert av OpenRAG kan dermed spores som xloji.coms egne data. At serveren eies av xloji.com betyr at dataene som søkes og behandles holdes under xloji.coms egen kontroll, uten å være avhengig av en tredjeparts skytjeneste.
OpenRAGs side som «enkelt-dør AI-gateway» betyr at forskjellige AI-forespørsler og integrasjoner sendes gjennom ett enkelt sentralt inngangspunkt i stedet for separate systemer. På denne måten bruker både xloji.coms egen «Still et spørsmål»-funksjon og eksterne verktøy som kobles til via OpenRAG, samme infrastruktur og samme grunnleggende logikk. Som en sentral gateway-struktur sikrer OpenRAG at all AI-relatert trafikk går gjennom ett enkelt punkt, noe som øker både konsistensen i svarene og kontrollen over dataene som et system som kjører på egen server. Denne enkeltpunkts-tilnærmingen gjør det også mulig å utføre vedlikehold og oppdateringer på ett sted i stedet for i spredte systemer. På denne måten er OpenRAG ikke bare et spørsmål-svar-verktøy, men et infrastruktur-lag som kombinerer alle xloji.coms tilgangspunkter relatert til kunstig intelligens.
OpenRAG brukes direkte eller indirekte av tre forskjellige brukergrupper: sluttbrukere som besøker xloji.com og skriver inn et spørsmål i «Still et spørsmål»-boksen, systemer som spør xloji.coms egen RAG-infrastruktur, og eksterne AI-verktøy som får tilgang til informasjon som tilhører xloji.com via OpenRAG. Alle disse tre brukergruppene mottar svar som er hentet fra samme OpenRAG-infrastruktur og samme innholdsbase; derfor vil du få en konsistent informasjonskilde uansett hvor du spør om xloji.com. Svarene OpenRAG gir er begrenset til innholdet det er gitt; det vil si at du ikke bør forvente et definitivt svar fra OpenRAG om informasjon som ikke finnes i systemet eller ikke er lagt til på serveren. Denne begrensningen danner også grunnlaget for OpenRAGs pålitelighet: i stedet for å finne opp informasjon som ikke eksisterer, har det som mål å generere svar som er begrenset til og basert på innholdet det har tilgjengelig.