🧠 OpenRAG
OpenRAG é uma plataforma RAG que limpa e estrutura o conteúdo de uma empresa, indexa-o em nosso próprio servidor e o torna consultável em linguagem natural por sistemas de IA externos por meio de uma única porta com permissão.
Vetores não são publicados; o ACESSO é aberto.
Esta é uma apresentação do produto, não uma lista de promessas. Abaixo, as partes que funcionam hoje e as partes ainda no roadmap são marcadas separadamente. Nenhuma data é prometida para os itens do roadmap; à medida que são concluídos, eles são movidos para a seção "funcionando hoje".
O princípio fundamental
Todo o design do OpenRAG se baseia em uma única frase: vetores não são publicados, o acesso é aberto. O que é fornecido ao exterior não é uma cópia do conteúdo, mas o direito de fazer perguntas sobre ele.
Um vetor é um motor, não um produto
Um vetor é específico para o modelo que o produziu; outra IA não pode consumi-lo como está. Ele também inflaciona o texto muitas vezes. É por isso que os vetores nunca são distribuídos.
O que é aberto é o acesso à consulta
Uma pergunta chega; uma resposta e as passagens de origem em que ela se baseia são enviadas de volta. O conteúdo completo nunca é copiado, distribuído ou baixado.
A permissão pertence à empresa
A empresa decide qual conteúdo se torna consultável externamente; a participação é opcional. A camada de permissão e consentimento está no roadmap.
Como funciona — arquitetura alvo
Os links de limpeza, estruturação, indexação e pesquisa deste fluxo funcionam hoje. A incorporação auto-hospedada com reranking e a porta única para o mundo exterior ainda estão no roadmap; cada etapa abaixo indica qual é qual.
As fontes são coletadas
Sites xloji, documentos carregados e páginas da web rastreadas são as fontes de conteúdo. (Um plugin WordPress e uma API de ingestão pública estão no roadmap.)
É limpo e estruturado
Conteúdo desordenado é limpo, dividido em partes significativas e trazido para um formato que o RAG pode usar. Esta etapa funciona hoje.
É indexado e pesquisado
As partes são transformadas em vetores e gravadas no pgvector; elas são encontradas por meio de um índice HNSW e pesquisa híbrida (palavra-chave + vetor). Esta etapa funciona hoje; adicionar o link de reranking está no roadmap.
É acessado por meio de uma única porta
Sistemas de IA externos perguntam em linguagem natural por meio de uma única porta com permissão; respostas e passagens de origem são retornadas, não os próprios vetores. Esta porta ainda não existe; está no roadmap.
Partes que funcionam hojeAo vivo
O seguinte está em execução na plataforma hoje e já é usado pelas ferramentas de IA em xloji.com.
pgvector + índice HNSW
As partes do conteúdo são armazenadas como vetores no banco de dados e pesquisadas com um índice HNSW sobre similaridade de cosseno.
Pesquisa híbrida
Pesquisa de palavras-chave e pesquisa de vetores são executadas em conjunto; as duas listas de resultados são fundidas em uma única classificação. Isso encontra correspondências exatas de termos e passagens semanticamente próximas.
Isolamento multi-inquilino
Cada empresa, site e autor tem seu próprio RAG. Uma consulta é executada apenas contra o índice de seu próprio inquilino; os dados nunca se misturam entre os inquilinos.
Limpeza de documentos e estruturação de RAG
Documentos carregados são limpos, divididos e estruturados para RAG. A ferramenta de estruturação de dados na plataforma é a interface do usuário deste pipeline.
Rastreamento da web
As páginas de um site são rastreadas, seu conteúdo é extraído e passado pelo mesmo pipeline de limpeza e indexação.
Feed RAG público em ferramentas de IA personalizadas
Uma ferramenta de IA personalizada que você cria pode ser alimentada por uma fonte RAG pública; a ferramenta fundamenta suas respostas nessa base de conhecimento.
Armazenamento de arquivos e mídia
Arquivos e mídia residem no armazenamento de objetos — não no armazenamento de vetores. O registro RAG aponta de volta para o arquivo original.
Incorporação e reclassificação em nossos próprios servidores
A incorporação e a reclassificação agora são executadas em nossos próprios servidores em um serviço separado. O texto é transformado em vetores sem sair do servidor, e os resultados candidatos passam por um reclassificador local para melhorar a precisão.
Reescrita de consulta
Uma pergunta vaga ou incompleta é organizada antes que a pesquisa seja executada. Os usuários não precisam formular a pergunta "certa"; o sistema torna a consulta pronta para pesquisa.
Texto de imagens, áudio e vídeo
A extração de texto de imagens e a transcrição de áudio e vídeo são executadas com ferramentas locais no servidor, e o texto resultante entra no mesmo pipeline de limpeza e indexação. Os dados não saem do servidor.
O que está no roadmapPlanejado
O seguinte ainda não existe. São itens planejados e projetados; esta página não os apresenta como se já tivessem sido construídos.
A porta única: MCP / gateway de API
Um gateway único que os sistemas de IA externos podem consultar em linguagem natural. Uma IA que se conecta uma vez alcança todas as empresas participantes pela mesma porta.
Camada de permissão e consentimento
As empresas aderem por sua própria escolha; autenticação, gerenciamento de chaves, limitação de taxa e proteção contra abusos residem nesta camada.
Camada de visibilidade de IA
Tornar o conteúdo detectável por máquinas por meio de llms.txt, /.well-known/ e marcação schema.org, além do registro nos registros MCP. Não há descoberta automática mágica; a visibilidade é construída desta forma.
Plugin WordPress
Um plugin que permite que um site WordPress envie seu conteúdo para o OpenRAG e obtenha um endpoint que os sistemas de IA podem consultar.
Não fornecemos datas para esses itens. Quando um item é concluído, ele é movido para a lista "partes que funcionam hoje" e esta página é atualizada de acordo.
🔒 Os dados não saem do servidor
O objetivo do OpenRAG é executar cada etapa do pipeline RAG em nosso próprio servidor com ferramentas locais e gratuitas: incorporação, reranking, extração de texto de imagens e transcrição de áudio. Nenhuma mídia entrando no RAG é enviada para um serviço externo — esta é uma regra de design não negociável.
O status honesto: algumas dessas etapas ainda são executadas por serviços externos hoje. Movê-los internamente é o primeiro item do roadmap.
Como o crescimento é planejado
A pesquisa de vetores se torna mais cara à medida que o conteúdo cresce. O design do OpenRAG limita esse custo desde o início de três maneiras.
Não há um único índice gigante
Cada empresa tem seu próprio índice pequeno e uma consulta é executada apenas contra esse índice. Mesmo que o conteúdo total cresça, a área que uma única consulta examina permanece pequena; o custo de pesquisa aumenta com o tamanho de uma empresa, não com o tamanho total da plataforma.
O tamanho e a precisão do vetor são ajustáveis
Usando dimensões de vetor mais curtas e formatos de número mais compactos, o mesmo conteúdo ocupa significativamente menos espaço. Essas escolhas são integradas ao design desde o início para que nenhuma migração cara seja necessária posteriormente.
Camada fria
O índice de uma empresa que não foi consultada por um longo tempo é movido para o armazenamento persistente barato e recuperado quando uma consulta chega para ela. Dessa forma, apenas o conteúdo ativo permanece na memória rápida. Esta camada está no roadmap.
Perguntas frequentes
O que exatamente é OpenRAG?
É uma plataforma RAG que limpa e estrutura o conteúdo de uma empresa, indexa-o em nosso próprio servidor e o torna consultável em linguagem natural por sistemas de IA externos por meio de uma única porta com permissão. Não é uma ferramenta de bate-papo; é a camada de conhecimento que é executada abaixo dessas ferramentas.
Você entrega meus vetores ou meu conteúdo para outras pessoas?
Não. O princípio fundamental é: vetores não são publicados, o acesso é aberto. O que sai não é uma cópia do conteúdo, mas o direito de fazer perguntas a ele; apenas as passagens de suporte são retornadas com a resposta. Além disso, a empresa decide qual conteúdo se torna consultável externamente.
O que pode ser usado na prática hoje?
O banco de dados vetorial e índice, busca híbrida, isolamento multi-tenant, limpeza de documentos e estruturação RAG, rastreamento web, o feed público RAG em ferramentas de IA personalizadas e armazenamento de arquivos/mídia estão todos funcionando atualmente. Embedding auto-hospedado, reranking, reescrita de consultas, a porta externa, a camada de permissão, a camada de visibilidade e o plugin WordPress ainda não existem.
Meus dados saem do servidor?
O objetivo é que cada etapa do pipeline RAG seja executada com ferramentas locais no servidor, sem que nenhuma mídia entre no RAG seja enviada a um serviço externo. A situação honesta: algumas dessas etapas ainda são tratadas por serviços externos hoje, e movê-las internamente é o primeiro item no roadmap.
Quando os recursos do roadmap estarão prontos?
Não prometemos datas. É exatamente esse o propósito desta página: mostrar separadamente o que funciona hoje e o que está planejado. Quando um item é concluído, ele é movido para a lista de "partes que funcionam hoje".
Meu conteúdo é usado ou vendido para treinamento de IA?
Não. Não há tal uso hoje. A ideia de um corpus de texto com permissão é o item mais distante e com mais implicações legais no roadmap; mesmo que aconteça, nenhum conteúdo seria usado sem o consentimento explícito da empresa.
Volte para o portal de IA para acessar as outras ferramentas de IA.
Perguntas Frequentes
O que é OpenRAG?
OpenRAG é um sistema RAG (Retrieval-Augmented Generation) executado no próprio servidor da xloji.com e é um gateway de IA de ponto único. Quando uma pergunta chega, ele primeiro encontra o conteúdo relevante e, em seguida, gera uma resposta com base nesse conteúdo. Ao mesmo tempo, ele serve como um gateway central que permite que ferramentas de IA fora do xloji.com acessem as informações pertencentes ao xloji.com a partir de um único ponto.
O que significa RAG e como o OpenRAG o implementa?
RAG significa 'Retrieval-Augmented Generation', ou seja, geração aprimorada por recuperação; é quando uma IA procura informações de fontes relevantes antes de gerar uma resposta e, em seguida, cria a resposta com base nessas informações. O OpenRAG executa esses dois passos, os passos de busca e geração, combinados em seu próprio servidor. Assim, as respostas fornecidas pelo OpenRAG não são aleatórias, mas sim baseadas no conteúdo real pertencente ao xloji.com.
O que significa 'gateway de IA de ponto único'?
Um gateway de IA de ponto único significa que diferentes solicitações e integrações de IA são processadas através de um único ponto de entrada central, em vez de sistemas separados. O OpenRAG assume esse papel: tanto o recurso 'Pergunte' do próprio xloji.com quanto as ferramentas de IA conectadas externamente recebem serviço através da mesma infraestrutura OpenRAG. Esta estrutura centralizada permite o gerenciamento de tráfego relacionado à IA a partir de um único ponto.
Qual a diferença de o OpenRAG ser executado no seu próprio servidor?
O OpenRAG é executado no próprio servidor da xloji.com, sem depender de um serviço de nuvem de terceiros. Isso significa que os dados pesquisados e processados permanecem sob o controle do xloji.com. Como uma estrutura executada em seu próprio servidor, o OpenRAG executa as operações de busca e geração de respostas dentro de sua própria infraestrutura, sem transferir dados para sistemas externos.
Quem usa o OpenRAG?
OpenRAG é usado por três grupos diferentes: usuários finais que visitam xloji.com e digitam suas perguntas na caixa 'Pergunte', sistemas que consultam a infraestrutura RAG da xloji.com e ferramentas de IA externas que acessam informações da xloji.com através do OpenRAG. Para o usuário final, o OpenRAG retorna uma resposta baseada no conteúdo da xloji.com. Para ferramentas externas, o OpenRAG é uma porta de entrada sem contexto para acessar informações da xloji.com.
Como a caixa 'Pergunte' em xloji.com funciona com o OpenRAG?
Uma pergunta digitada na caixa 'Pergunte' em xloji.com é processada pelo OpenRAG. O OpenRAG primeiro pesquisa o conteúdo relevante dentro dos próprios dados da xloji.com, depois gera uma resposta com base nesse conteúdo encontrado. Desta forma, a resposta fornecida ao usuário é suportada pelo conteúdo real da xloji.com.
Como as ferramentas de IA externas obtêm informações através do OpenRAG?
O OpenRAG atua como um gateway único para que ferramentas de IA externas acessem informações da xloji.com. Essas ferramentas podem se conectar através do OpenRAG e obter respostas autoexplicativas do conteúdo da xloji.com. Portanto, as informações fornecidas através do OpenRAG são projetadas para serem significativas por si só, sem a necessidade de um contexto separado.
Quais são as limitações do OpenRAG?
As respostas fornecidas pelo OpenRAG são limitadas ao conteúdo que lhe é fornecido; o OpenRAG não pode produzir uma resposta definitiva sobre informações que não estão no sistema ou que não foram adicionadas. O OpenRAG é projetado para permanecer limitado ao conteúdo que possui, em vez de inventar informações inexistentes. Portanto, deve-se lembrar que uma resposta obtida do OpenRAG é limitada ao conteúdo que a xloji.com possui no momento.
O OpenRAG é um chatbot?
OpenRAG não é um chatbot independente no sentido clássico; é a infraestrutura RAG e gateway que alimenta o recurso 'Pergunte' do xloji.com e o acesso à informação de ferramentas externas. A função principal do OpenRAG é encontrar o conteúdo relevante para uma pergunta e gerar uma resposta com base nesse conteúdo. Como tal, o OpenRAG funciona mais como uma camada de infraestrutura por trás das respostas do que como uma interface que conversa diretamente com o usuário.
Qual é o objetivo do OpenRAG para o xloji.com?
O objetivo do OpenRAG é permitir que tanto os usuários finais quanto as ferramentas de inteligência artificial externas acessem as informações pertencentes ao xloji.com de forma confiável e por meio de uma infraestrutura controlada. Ao ser executado em seu próprio servidor, esse acesso ocorre sem depender de sistemas de terceiros. Graças à sua estrutura de gateway de ponto único, o OpenRAG combina diferentes pontos de acesso em um sistema centralizado.
Informações detalhadas sobre OpenRAG
OpenRAG é um sistema RAG (Retrieval-Augmented Generation) que roda no próprio servidor da xloji.com e também é um gateway de IA que direciona solicitações relacionadas à inteligência artificial a partir de um único ponto. O termo 'Open' em seu nome indica que o sistema oferece uma estrutura aberta e acessível, enquanto 'RAG' se refere à sua forma de operação, que primeiro localiza dados relevantes e, em seguida, gera respostas com base nesses dados. Uma pergunta digitada na caixa 'Pergunte' em xloji.com é primeiro pesquisada por OpenRAG no conteúdo relevante e, em seguida, uma resposta é gerada com base nesse conteúdo encontrado. A mesma infraestrutura também permite que ferramentas de IA fora de xloji.com acessem informações pertencentes a xloji.com por meio de OpenRAG e usem essas informações em suas próprias respostas. Essa estrutura permite que xloji.com forneça serviços por meio de uma única infraestrutura centralizada, em vez de configurar soluções de IA separadas para diferentes produtos.
A lógica básica da abordagem RAG é que um sistema de IA, em vez de confiar apenas no conhecimento geral com o qual foi pré-treinado, primeiro extrai conteúdo atualizado e preciso de uma fonte relacionada à pergunta e, em seguida, responde com base nesse conteúdo. OpenRAG opera combinando esses dois passos, ou seja, os passos de recuperação (retrieval) e geração (generation), em seu próprio servidor. Essa abordagem visa reduzir a tendência dos modelos de IA de gerar informações inexistentes, pois a resposta é derivada de conteúdo realmente encontrado, e não da própria memória do modelo. Desta forma, as respostas fornecidas por OpenRAG são baseadas no próprio conteúdo de xloji.com, e não em informações aleatórias ou desatualizadas. Assim, a fonte de uma resposta gerada por OpenRAG pode ser rastreada como os próprios dados de xloji.com. O fato de o servidor pertencer a xloji.com significa que os dados pesquisados e processados são mantidos sob o controle de xloji.com, sem depender de um serviço de nuvem de terceiros.
O lado 'gateway de IA de porta única' de OpenRAG significa que diferentes solicitações e integrações de IA são direcionadas a partir de um único ponto de entrada centralizado, em vez de sistemas separados. Desta forma, tanto o recurso 'Pergunte' da própria xloji.com quanto as ferramentas externas conectadas por meio de OpenRAG usam a mesma infraestrutura e a mesma lógica básica. Como uma estrutura de gateway centralizada, OpenRAG permite que todo o tráfego relacionado à IA passe por um único ponto, o que aumenta tanto a consistência das respostas quanto o controle sobre os dados como um sistema que roda em seu próprio servidor. Essa abordagem de ponto único também permite que a manutenção e as atualizações sejam feitas em um único local, em vez de sistemas dispersos. OpenRAG é, portanto, não apenas uma ferramenta de perguntas e respostas, mas também uma camada de infraestrutura que unifica todos os pontos de acesso relacionados à IA de xloji.com.
OpenRAG é usado direta ou indiretamente por três grupos diferentes de usuários: usuários finais que visitam xloji.com e digitam na caixa 'Pergunte', sistemas que consultam a própria infraestrutura RAG de xloji.com e ferramentas de IA externas que acessam informações pertencentes a xloji.com por meio de OpenRAG. Todos os três grupos de usuários recebem respostas alimentadas pela mesma infraestrutura OpenRAG e pelo mesmo pool de conteúdo; portanto, não importa de onde se pergunte sobre xloji.com, você terá acesso a uma fonte de informações consistente. As respostas fornecidas por OpenRAG são limitadas ao conteúdo fornecido a ele; ou seja, não se deve esperar uma resposta definitiva de OpenRAG sobre informações que não estão no sistema ou que não foram adicionadas ao seu servidor. Esse limite também forma a base da confiabilidade de OpenRAG: em vez de inventar informações inexistentes, ele visa gerar respostas limitadas ao conteúdo em mãos e baseadas nesse conteúdo.