🧠 OpenRAG
OpenRAG — це RAG-платформа, яка очищає та структурує контент бізнесу, індексує його на нашому власному сервері та робить його доступним для запитів природною мовою зовнішніми ШІ-системами через єдині дозволені ворота.
Вектори не публікуються; ДОСТУП відкривається.
Це представлення продукту, а не перелік обіцянок. Нижче частини, які працюють сьогодні, і частини, які все ще в дорожній карті, позначені окремо. Жодних дат для елементів дорожньої карти не обіцяється; по мірі їх завершення вони переміщуються в розділ "працює сьогодні".
Основний принцип
Увесь дизайн OpenRAG ґрунтується на одному реченні: вектори не публікуються, доступ відкривається. Те, що надається назовні, — це не копія контенту, а право ставити йому запитання.
Вектор — це двигун, а не продукт
Вектор специфічний для моделі, яка його створила; інший ШІ не може використовувати його як є. Він також багаторазово збільшує обсяг тексту. Тому вектори ніколи не передаються.
Відкривається доступ до запитів
Запит надходить; відповідь і вихідні уривки, на яких вона ґрунтується, повертаються назад. Повний контент ніколи не копіюється, не розповсюджується та не завантажується.
Дозвіл належить бізнесу
Бізнес вирішує, який контент стане доступним для зовнішніх запитів; участь є добровільною. Шар дозволів і згоди знаходиться в дорожній карті.
Як це працює — цільова архітектура
Очищення, структурування, індексування та посилання пошуку цього потоку працюють сьогодні. Самостійне розміщення вбудовування з переранжуванням та єдині ворота у зовнішній світ все ще в дорожній карті; кожен крок нижче вказує, що з цього вже реалізовано.
Збираються джерела
Сайти xloji, завантажені документи та проскановані веб-сторінки є джерелами контенту. (Плагін WordPress та публічний API прийому знаходяться в дорожній карті.)
Він очищається та структурується
Безладний контент очищається, розбивається на змістовні частини та приводиться у форму, придатну для RAG. Цей крок працює сьогодні.
Він індексується та шукається
Частини перетворюються на вектори та записуються в pgvector; вони знаходяться за допомогою індексу HNSW та гібридного пошуку (ключове слово + вектор). Цей крок працює сьогодні; додавання посилання переранжування знаходиться в дорожній карті.
До нього можна дістатися через єдині ворота
Зовнішні ШІ-системи запитують природною мовою через єдині дозволені ворота; відповіді та вихідні уривки повертаються, а не самі вектори. Ці ворота ще не існують; вони знаходяться в дорожній карті.
Частини, які працюють сьогодніLive
Наступні працюють на платформі сьогодні і вже використовуються ШІ-інструментами на xloji.com.
pgvector + HNSW index
Частини контенту зберігаються як вектори в базі даних і шукаються за допомогою індексу HNSW за косинусною подібністю.
Гібридний пошук
Пошук за ключовими словами та векторний пошук працюють разом; два списки результатів об’єднуються в один рейтинг. Це знаходить як точні збіги термінів, так і семантично близькі уривки.
Ізоляція багатоарендаторів
Кожен бізнес, сайт і автор має свій власний RAG. Запит виконується лише до індексу свого орендаря; дані ніколи не змішуються між орендарями.
Очищення документів і структурування RAG
Завантажені документи очищаються, розбиваються на частини та структуруються для RAG. Інструмент структурування даних на платформі є користувацьким інтерфейсом цього конвеєра.
Веб-сканування
Сторінки сайту скануються, їхній контент витягується та проходить через той самий конвеєр очищення та індексування.
Публічна RAG-канал у спеціальних ШІ-інструментах
Спеціальний ШІ-інструмент, який ви створюєте, може отримувати інформацію з публічного джерела RAG; інструмент обґрунтовує свої відповіді на цій базі знань.
Зберігання файлів і медіа
Файли та медіа знаходяться в об’єктному сховищі — не у векторному сховищі. Запис RAG вказує на вихідний файл.
Вбудовування та повторне ранжування на власних серверах
Вбудовування та повторне ранжування тепер виконуються на наших власних серверах в окремій службі. Текст перетворюється на вектори, не покидаючи сервер, а кандидатські результати проходять через локальний повторний ранжувальник для підвищення точності.
Переписування запиту
Нечітке або неповне питання уточнюється перед запуском пошуку. Користувачам не потрібно формулювати «правильне» питання; система робить запит готовим до пошуку.
Текст із зображень, аудіо та відео
Вилучення тексту із зображень та транскрибування аудіо та відео виконуються за допомогою локальних інструментів на сервері, а отриманий текст потрапляє в той самий конвеєр очищення та індексування. Дані не покидають сервер.
Що в дорожній картіPlanned
Наступне ще не існує. Це заплановані та спроектовані елементи; ця сторінка не представляє їх як вже побудовані.
Єдині ворота: MCP / API gateway
Єдині ворота, до яких зовнішні ШІ-системи можуть запитувати природною мовою. ШІ, який підключається один раз, досягає кожного бізнесу-учасника через одні й ті ж ворота.
Шар дозволів і згоди
Бізнеси приєднуються за власним вибором; аутентифікація, керування ключами, обмеження швидкості та захист від зловживань знаходяться в цьому шарі.
Шар видимості ШІ
Зробити контент доступним для машинного виявлення за допомогою llms.txt, /.well-known/ і розмітки schema.org, а також реєстрації в реєстрах MCP. Немає магічного автоматичного виявлення; видимість будується таким чином.
Плагін WordPress
Плагін, який дозволяє сайту WordPress надсилати свій контент до OpenRAG і отримувати кінцеву точку, до якої можуть запитувати ШІ-системи.
Ми не даємо дат для цих елементів. Коли елемент завершено, він переміщується вгору в список "частини, які працюють сьогодні", і ця сторінка оновлюється відповідно.
🔒 Дані не покидають сервер
Мета OpenRAG — виконувати кожен крок конвеєра RAG на нашому власному сервері за допомогою локальних безкоштовних інструментів: вбудовування, переранжування, вилучення тексту з зображень та транскрипція аудіо. Жоден медіаконтент, що потрапляє в RAG, не надсилається на зовнішній сервіс — це непідвладне обговоренню правило дизайну.
Чесний статус: деякі з цих кроків сьогодні виконуються зовнішніми службами. Перенесення їх всередину — перший пункт у дорожній карті.
Як планується зростання
Пошук векторів стає дорожчим із ростом контенту. Дизайн OpenRAG обмежує ці витрати з самого початку трьома способами.
Немає єдиного гігантського індексу
Кожен бізнес має свій власний невеликий індекс, і запит виконується лише до цього індексу. Навіть зі збільшенням загального контенту область, яку сканує один запит, залишається невеликою; вартість пошуку масштабується з розміром цього бізнесу, а не з розміром платформи.
Розмір і точність вектора можна регулювати
Використовуючи коротші розміри векторів і більш компактні числові формати, той самий контент займає помітно менше місця. Ці вибори вбудовані в дизайн з самого початку, щоб пізніше не потрібно було дорогий перехід.
Холодний шар
Індекс бізнесу, який не запитувався протягом тривалого часу, переміщується в дешеве постійне сховище та відновлюється, коли надходить запит для нього. Таким чином, лише поточний активний контент залишається в швидкій пам’яті. Цей шар знаходиться в дорожній карті.
Часті запитання
Що таке OpenRAG?
Це RAG-платформа, яка очищає та структурує контент бізнесу, індексує його на нашому власному сервері та робить його доступним для запитів природною мовою зовнішніми ШІ-системами через єдині дозволені ворота. Це не чат-бот; це шар знань, який працює під такими інструментами.
Ви передаєте мої вектори або мій контент комусь іншому?
Ні. Основний принцип полягає в тому, що вектори не публікуються, доступ відкривається. Назовні виходить не копія контенту, а право ставити йому запитання; повертаються лише допоміжні уривки з відповіддю. Крім того, бізнес вирішує, який контент стане доступним для зовнішніх запитів.
Що можна використовувати вже сьогодні?
Векторна база даних та індекс, гібридний пошук, багатотенантна ізоляція, очищення документів та структурування RAG, веб-сканування, загальнодоступний канал RAG у власних інструментах штучного інтелекту та зберігання файлів/медіа – все це працює сьогодні. Самостійне розміщення вбудовувань, переранжування, переписування запитів, зовнішні двері, шар дозволів, шар видимості та плагін WordPress поки що не існують.
Чи покидають мої дані сервер?
Мета полягає в тому, щоб кожен крок конвеєра RAG виконувався за допомогою локальних інструментів на сервері, при цьому жодні медіафайли, що потрапляють у RAG, ніколи не надсилалися б на зовнішній сервіс. Чесний статус: деякі з цих кроків сьогодні все ще обробляються зовнішніми сервісами, і перенесення їх всередину – перший пункт у дорожній карті.
Коли будуть готові функції з дорожньої карти?
Ми не даємо обіцянок щодо дат. Саме з цієї причини існує ця сторінка: щоб окремо показати, що працює сьогодні, а що планується. Коли пункт буде завершено, він перейде до списку "частин, які працюють сьогодні".
Чи використовується або продається мій контент для навчання штучного інтелекту?
Ні. Такого використання сьогодні немає. Ідея дозволеного текстового корпусу – це найвіддаленіший, юридично найскладніший пункт у дорожній карті; навіть якщо це станеться, жоден контент не буде використано без чіткої згоди бізнесу.
Поверніться до AI порталу для інших інструментів штучного інтелекту.
Часті запитання
Що таке OpenRAG?
OpenRAG – це система RAG (Retrieval-Augmented Generation), яка працює на власному сервері xloji.com, і є єдиним порталом до штучного інтелекту. Коли надходить запитання, спочатку знаходяться відповідні матеріали, а потім генерується відповідь на основі цих матеріалів. Водночас він служить центральним порталом, який дозволяє інструментам штучного інтелекту поза xloji.com отримувати доступ до інформації, що належить xloji.com, з єдиної точки.
Що означає RAG і як OpenRAG це реалізує?
RAG означає 'Retrieval-Augmented Generation', тобто генерація, збагачена пошуком; штучний інтелект шукає інформацію з відповідних джерел перед генеруванням відповіді, а потім створює відповідь на основі цієї інформації. OpenRAG виконує ці два кроки – пошук та генерацію – на власному сервері. Таким чином, відповіді, які дає OpenRAG, не є випадковими, а базуються на реальному контенті, що належить xloji.com.
Що означає 'єдиний портал до штучного інтелекту'?
Єдиний портал до штучного інтелекту означає, що різні запити та інтеграції штучного інтелекту обробляються через єдину центральну точку входу замість окремих систем. OpenRAG виконує цю роль: як власна функція 'Задати питання' xloji.com, так і інструменти штучного інтелекту, підключені ззовні, отримують послуги через одну й ту ж інфраструктуру OpenRAG. Ця централізована структура дозволяє керувати трафіком, пов’язаним зі штучним інтелектом, з єдиної точки.
Яка різниця, якщо OpenRAG працює на власному сервері?
OpenRAG працює на власному сервері xloji.com, не покладаючись на сторонні хмарні сервіси. Це означає, що дані, які шукаються та обробляються, залишаються під контролем xloji.com. Як структура, що працює на власному сервері, OpenRAG виконує пошук та генерацію відповідей у межах власної інфраструктури, не передаючи дані зовнішнім системам.
Хто використовує OpenRAG?
OpenRAG використовується трьома різними групами: кінцевими користувачами, які відвідують xloji.com та вводять свої запитання в поле «Задати питання», системами, які запитують власну RAG-інфраструктуру xloji.com, та зовнішніми інструментами штучного інтелекту, які отримують доступ до інформації xloji.com через OpenRAG. Для кінцевого користувача OpenRAG повертає відповідь на поставлене запитання, засновану на контенті xloji.com. Для зовнішніх інструментів OpenRAG є контекстно-незалежними воротами для отримання інформації з xloji.com.
Як працює поле «Задати питання» на xloji.com з OpenRAG?
Запитання, введене в поле «Задати питання» на xloji.com, обробляється OpenRAG. OpenRAG спочатку шукає контент, пов’язаний із запитанням, у власних даних xloji.com, а потім генерує відповідь на основі знайденого контенту. Таким чином, відповідь, надана користувачеві, підкріплена фактичним контентом xloji.com.
Як зовнішні інструменти штучного інтелекту отримують інформацію через OpenRAG?
OpenRAG служить єдиним прохідним пунктом для доступу зовнішніх інструментів штучного інтелекту до інформації xloji.com. Ці інструменти можуть підключатися через OpenRAG та отримувати контекстно-незалежні, самодостатні відповіді з контенту xloji.com. Тому інформація, надана через OpenRAG, розроблена таким чином, щоб бути зрозумілою сама по собі, без необхідності додаткового контексту.
Які обмеження OpenRAG?
Відповіді, які надає OpenRAG, обмежені наданим йому контентом; OpenRAG не може надати точну відповідь на інформацію, якої немає в системі або яка не була додана. OpenRAG розроблений таким чином, щоб обмежуватися наявним контентом, а не вигадувати відсутню інформацію. Тому слід пам’ятати, що відповідь, отримана від OpenRAG, обмежена контентом, яким володіє xloji.com на даний момент.
Чи є OpenRAG чат-ботом?
OpenRAG не є незалежним чат-ботом у класичному розумінні; це RAG та шлюзова інфраструктура, яка працює за функцією «Задати питання» на xloji.com та забезпечує доступ зовнішніх інструментів до інформації. Основна задача OpenRAG — знайти вміст, що відповідає запитанню, і згенерувати відповідь на основі цього вмісту. Таким чином, OpenRAG працює радше як інфраструктурний шар для створення відповідей, ніж як інтерфейс для прямого спілкування з користувачем.
Яка мета OpenRAG для xloji.com?
Мета OpenRAG полягає в тому, щоб забезпечити як кінцевим користувачам, так і зовнішнім інструментам штучного інтелекту доступ до інформації xloji.com через надійну інфраструктуру під власним контролем. Робота на власному сервері гарантує, що цей доступ здійснюється без залежності від сторонніх систем. Завдяки структурі єдиного шлюзу OpenRAG об'єднує різні точки доступу в одну централізовану систему.
Детальна інформація про OpenRAG
OpenRAG – це RAG (Retrieval-Augmented Generation) система, яка працює на власному сервері xloji.com, а також є AI-шлюзом, який направляє запити, пов’язані зі штучним інтелектом, через єдину точку. Слово «Open» у назві вказує на те, що система пропонує відкриту та доступну структуру, а «RAG» – на те, що вона спочатку знаходить відповідну інформацію, а потім генерує відповідь на основі цієї інформації. Питання, введене в поле «Запитати» на xloji.com, спочатку шукається OpenRAG у відповідному контенті, а потім на основі знайденого контенту генерується відповідь. Та сама інфраструктура дозволяє іншим інструментам штучного інтелекту, окрім xloji.com, отримувати доступ до інформації, що належить xloji.com, через OpenRAG і використовувати цю інформацію у своїх відповідях. Така структура дозволяє xloji.com надавати послуги через єдину централізовану інфраструктуру замість створення окремих рішень зі штучним інтелектом для різних продуктів.
Основна логіка підходу RAG полягає в тому, що система штучного інтелекту, замість того, щоб покладатися лише на загальні знання, отримані під час попереднього навчання, спочатку отримує актуальну та точну інформацію з джерела, а потім генерує відповідь на основі цієї інформації. OpenRAG об’єднує ці два кроки – пошук (retrieval) і генерацію (generation) – і виконує їх на власному сервері. Цей підхід спрямований на зменшення тенденції моделей штучного інтелекту іноді генерувати неіснуючу інформацію, оскільки відповідь виводиться не з власної пам’яті моделі, а з фактично знайденого контенту. Таким чином, відповіді, які надає OpenRAG, базуються не на випадковій або застарілій інформації, а на власному контенті xloji.com. Таким чином, джерело відповіді, згенерованої OpenRAG, залишається відстежуваним як власні дані xloji.com. Той факт, що сервер належить xloji.com, означає, що дані, які шукаються та обробляються, зберігаються під контролем xloji.com без залежності від сторонньої хмарної служби.
Сторона OpenRAG як «AI-шлюз з єдиною точкою входу» означає, що різні запити та інтеграції зі штучним інтелектом направляються через єдину централізовану точку входу замість окремих систем. Таким чином, як власна функція «Запитати» xloji.com, так і зовнішні інструменти, підключені через OpenRAG, використовують одну й ту саму інфраструктуру та одну й ту саму базову логіку. Як централізований шлюз, OpenRAG забезпечує проходження всього трафіку, пов’язаного зі штучним інтелектом, через єдину точку, що підвищує як узгодженість відповідей, так і контроль над даними як системи, що працює на власному сервері. Цей підхід з єдиною точкою входу також дозволяє виконувати обслуговування та оновлення в одному місці замість розподілених систем. У цьому відношенні OpenRAG є не лише інструментом запитань і відповідей, але й інфраструктурним шаром, який об’єднує всі точки доступу xloji.com, пов’язані зі штучним інтелектом.
OpenRAG використовується безпосередньо або опосередковано трьома різними групами користувачів: кінцевими користувачами, які відвідують xloji.com і вводять питання в поле «Запитати», системами, які запитують власну RAG-інфраструктуру xloji.com, і зовнішніми інструментами штучного інтелекту, які отримують доступ до інформації, що належить xloji.com, через OpenRAG. Усі три групи користувачів отримують відповіді з однієї й тієї ж інфраструктури OpenRAG, з одного й того ж пулу контенту; тому, незалежно від того, де задається питання про xloji.com, можна отримати доступ до узгодженого джерела інформації. Відповіді, які надає OpenRAG, обмежені наданим йому контентом; тобто від OpenRAG не слід очікувати однозначної відповіді на інформацію, якої немає в системі або яка не була додана на її сервер. Це обмеження також є основою надійності OpenRAG: замість вигадування неіснуючої інформації він прагне генерувати відповіді, обмежені наявним контентом і засновані на ньому.