RAG Conversation ti permette di cercare informazioni tra i tuoi documenti a partire da una query, mantenendo la memoria della conversazione e tenendo conto del contesto storico, al fine di fornire risposte sempre pertinenti e contestualizzate. Il servizio combina ricerca semantica e generazione di output in linguaggio naturale, e restituisce le risposte all’interno di un dialogo che può essere ripreso tramite l’ID sessione, garantendo continuità e coerenza tra le interazioni. Il tutto in modo sicuro, senza rischio di fuga di dati sensibili.
La tecnologia RAG-as-a-Service di Openapi permette dunque alle aziende di interrogare i propri dati proprietari e ottenere risposte affidabili e contestualizzate. Il servizio riduce il rischio di “allucinazioni” tipico dei Large Language Model (LLM), ed offre risposte coerenti e pertinenti rispetto alla conoscenza specifica dell’organizzazione.
Con RAG-as-a-Service, l’integrazione delle funzionalità RAG nelle applicazioni è semplice e scalabile, senza necessità di gestire complessi sistemi di dati. I tuoi contenuti vengono automaticamente indicizzati, permettendo al modello di accedere in tempo reale a dati aggiornati e rilevanti. Così Openapi offre la combinazione tra intelligenza artificiale e ricerca contestuale, fornendo risposte accurate e basate esclusivamente sulla tua conoscenza aziendale.
Su Openapi sono disponibili anche altri due servizi RAG per la ricerca documentale: Search, che restituisce uno o più estratti di testo, e Conversation, che fornisce singole risposte in linguaggio naturale, non inserite all'interno di una conversazione. Tutti e tre sono validi a livello globale.
Al fine di ottenere risultati coerenti e pertinenti con RAG Conversation, occorre seguire tre passaggi principali:
- Creare un nuovo RAG
- Caricare un documento
- Avviare il processo di indicizzazione
Grazie all'indicizzazione, è possibile recuperare rapidamente le informazioni più rilevanti in risposta a una query. Ogni volta che si modifica il RAG (caricamento o rimozione di documenti), è fondamentale riavviare l’indicizzazione per assicurare risposte aggiornate e accurate.
Crea un nuovo RAG
POST /ragIl primo passo consiste nel creare un RAG vuoto tramite l’endpoint POST /rag, in cui inserire successivamente i documenti.
ESEMPIO RICHIESTA
Nella richiesta vanno indicati:
- nome da attribuire al RAG
- eventuale attivazione dell’OCR (Riconoscimento ottico dei caratteri)
- eventuale intervallo di tempo entro cui si richiede l’avvio automatico dell’indicizzazione
{
"name": "RAGTest",
"options": {
"ocr": false,
"autoIndexingIntervalHours": 0
},
"callback": {
"method": "POST",
"field": "string",
"url": "https://www.mysite.it/callback.php",
"data": {}
}
}ESEMPIO RISPOSTA
La risposta contiene dettagli del RAG (es. ID e nome, stato, opzioni, impostazioni come OCR, numero di documenti totali e indicizzati, date di creazione, aggiornamento, ultima indicizzazione).
{
"data": {
"id": "68947e1e0dab7e743108abfb",
"name": "RAGTest",
"state": "ready",
"options": {
"ocr": false,
"autoIndexingIntervalHours": 0
},
"totalDocuments": 0,
"totalIndexedDocuments": 0,
"sizeMegaByte": 0,
"createdAt": "2025-09-04T10:45:42.036Z",
"updatedAt": "2025-09-04T10:45:42.036Z",
"indexedAt": "2025-09-04T10:45:42.036Z",
"indexingRunAt": "2025-09-04T10:45:42.036Z",
"callback": {
"method": "POST",
"field": "string",
"url": "https://www.mysite.it/callback.php",
"data": {}
}
},
"success": true,
"message": "",
"error": null
}In qualsiasi momento è possibile recuperare la lista di tutti i RAG o i dettagli di un singolo RAG con gli endpoint GET /rag e GET /rag/{id}.
Carica un documento
POST /rag/{id}/documentsUna volta creato il RAG, si può proseguire con l’inserimento di un documento al suo interno attraverso l’endpoint POST /rag/{id}/documents.
ESEMPIO RICHIESTA
In fase di richiesta va specificato come parametro l’ID del RAG in cui verrà caricato il documento.
Nel payload è necessario indicare:
- nome del documento (fileName)
- contenuto del documento(fileContent): si tratta di una stringa codificata in base64, in formato JSON
- metadati (stringa, data del documento, coordinate geografiche, valore booleano), ovvero informazioni aggiuntive e personalizzabili associate al documento, che torneranno poi utili nel momento in cui si utilizza il servizio RAG Conversation
{
"fileName": "documentTest",
"fileContent": "string",
"metadata": {
"custom_key_str": "string",
"custom_key_date": "2025-09-04T10:51:06.259Z",
"custom_key_int": 0,
"custom_key_geo_latitude": 0,
"custom_key_geo_longitude": 0,
"custom_key_bool": true
}
}ESEMPIO RISPOSTA
La risposta fornisce specifiche sul documento, tra cui ID, nome, stato, metadati, dimensione, tipo di file, data di creazione e aggiornamento.
{
"data": [
{
"id": "string",
"name": "string",
"state": "string",
"metadata": {
"custom_key_str": "string",
"custom_key_date": "2025-09-04T10:51:06.260Z",
"custom_key_int": 0,
"custom_key_geo_latitude": 0,
"custom_key_geo_longitude": 0,
"custom_key_bool": true
},
"sizeMegaByte": 0,
"mimeType": "string",
"createdAt": "2025-09-04T10:51:06.260Z",
"updatedAt": "2025-09-04T10:51:06.260Z",
"paymentDueDate": "2025-09-04T10:51:06.260Z"
}
],
"success": true,
"message": "",
"error": null
}In qualsiasi momento è possibile recuperare la lista dei documenti all’interno di un RAG attraverso l’endpoint GET /rag/{id}/documents.
Avvia processo di indicizzazione
PATCH /rag/{id}Come specificato sopra, se si vogliono ottenere risposte contestuali e accurate, è fondamentale avviare l’indicizzazione ogni volta che si effettua una modifica al RAG (quindi se viene caricato o eliminato un documento). Se non si esegue questo passaggio, il sistema continuerà a basarsi solo sui dati precedenti e non su quelli aggiornati.
L’indicizzazione può essere avviata manualmente tramite PATCH/rag/{id}; in alternativa è possibile impostare l’indicizzazione automatica, che si avvia ogni tot ore (stabilite dall’utente). Quest’ultima va impostata nel momento in cui si crea il RAG, quindi attraverso l’endpoint POST /rag. Per l'indicizzazione, sia essa automatica o manuale, non sono previsti costi aggiuntivi.
ESEMPIO RICHIESTA
In fase di richiesta va specificato come parametro l’ID del RAG per il quale viene avviato il processo di indicizzazione manuale.
Nel payload della richiesta è necessario includere il parametro startIndexing impostato su true per avviare il processo di indicizzazione:
"startIndexing": trueESEMPIO RISPOSTA
La risposta restituisce dettagli sul nome del RAG, lo stato (es. ready, indexing), le impostazioni (es. OCR sì/no, indicizzazione automatica sì/no), il numero di documenti presenti e indicizzati, la dimensione attuale del RAG in mb, le date di creazione e aggiornamento.
{
"data": {
"id": "68947e1e0dab7e743108abfb",
"name": "RAGTest",
"state": "indexing",
"options": {
"ocr": false,
"autoIndexingIntervalHours": 0
},
"totalDocuments": 0,
"totalIndexedDocuments": 0,
"sizeMegaByte": 0,
"createdAt": "2025-09-04T10:55:37.306Z",
"updatedAt": "2025-09-04T10:55:37.306Z",
"callback": {
"method": "POST",
"field": "string",
"url": "https://www.mysite.it/callback.php",
"data": {}
}
},
"success": true,
"message": "",
"error": null
}RAG CONVERSATION
POST /rag/conversationDopo aver effettuato i tre step sopra menzionati, si può quindi passare alla ricerca vera e propria, attraverso l’endpoint POST /rag/conversation.
Come specificato all’inizio, RAG Conversation consente - tramite API e in tempo reale - di trovare il documento o l’informazione più rilevante all’interno dei propri file, a partire da una query e tenendo in considerazione le conversazioni precedenti. Tutto questo in totale sicurezza e senza rischio di fuga di dati sensibili.
ESEMPIO RICHIESTA
Nella richiesta vanno indicati:
- ID del RAG in cui fare la ricerca
- query, ovvero la parola o frase da inserire nel campo di ricerca per trovare specifici documenti
- lunghezza massima (max_len), quindi il numero massimo di risultati da restituire, ordinati in base alla loro pertinenza
- filtri metadati (metadata_filter), quindi eventuali filtri già impostati in fase di caricamento del documento (stringa, data del documento, coordinate geografiche, valore booleano)
- settings, ovvero parametri aggiuntivi per la ricerca, come lo stile del prompt
- sessione, ovvero la conversazione precedente da cui il sistema può riprendere il contesto per effettuare la ricerca
{
"ragId": "688b2ab3bccc6a603202f87c",
"query": "che servizi ci sono?",
"max_len": 5,
"metadata_filter": "(custom_key_int<175 AND custom_key_bool = \"true\") OR (custom_key_int<125 AND custom_key_bool = \"false\")",
"settings": {
"prompt_style": "basic"
},
"session": "string"
}ESEMPIO RISPOSTA
RAG Conversation restituisce informazioni sui documenti più rilevanti per la tua ricerca, inclusi estratti di testo, che possono aiutarti a trovare rapidamente i dati che cerchi.
Nello specifico, il payload della risposta fornisce:
- risposta in linguaggio naturale
- uno o più estratti di testo rilevanti trovati nel documento (snippets)
- ID del documento
- ID del RAG da cui il documento proviene
- nome del documento
- stato del documento
- metadati
- ID della nuova sessione, che può essere utilizzato in seguito se si vuole riprendere la conversazione
{
"data": [
{
"answer": "string",
"search_result": [
{
"index": 0,
"snippets": [
"string"
],
"id": "689c70313f292734010a7dda",
"ragId": "689c6ed7b283ac0aa40c1555",
"name": "documentTest",
"state": "indexing",
"metadata": {
"custom_key_str": "string",
"custom_key_date": "2025-09-25T10:34:00.005Z",
"custom_key_int": 0,
"custom_key_geo_latitude": 0,
"custom_key_geo_longitude": 0,
"custom_key_bool": true
}
}
],
"session": "projects/702697495064/locations/global/collections/default_collection/RAG/689c6ed7b283ac0aa40c1555/sessions/14709352892326605"
}
],
"success": true,
"message": "",
"error": null
}Con RAG Conversation è quindi possibile avviare conversazioni continuative con il sistema e interrogare velocemente i propri documenti, con la certezza che le risposte siano il più accurate possibile e basate esclusivamente sui dati effettivamente caricati e indicizzati. Tutte le informazioni rimangono pertanto completamente al sicuro.
Il servizio è particolarmente utile per aziende che gestiscono grandi quantità di documenti (contratti, report, manuali), ad es.:
- studi legali, per verifiche e analisi documentali rapide
- CRM e sistemi di knowledge base che necessitano di ricerche interne rapide e affidabili
- aziende nei settori finanza, assicurazioni e sanità, in cui precisione e sicurezza dei dati sono fondamentali per operare con affidabilità
- e-commerce e marketplace che vogliono avere informazioni operative sempre aggiornate per ottimizzare processi e decisioni
In generale, RAG Conversation è perfetto per qualsiasi organizzazione o professionista che abbia bisogno di accedere velocemente a informazioni accurate all’interno dei propri documenti, ottimizzando tempi e affidabilità nella ricerca.
Hai bisogno di aiuto?
Non hai trovato la risposta che cercavi?
Compila tutti i campi, ti ricontatteremo al più presto!
RAG Conversation è il servizio che consente di cercare informazioni tra i propri documenti a partire da una query, mantenendo la memoria del dialogo e tenendo conto del contesto delle interazioni precedenti. In questo modo, vengono garantite risposte sempre pertinenti e contestualizzate.
Il sistema combina ricerca semantica e generazione di output in linguaggio naturale, restituendo le risposte all’interno di una conversazione che può essere ripresa tramite l’ID sessione, assicurando continuità e coerenza nel tempo.
Tutto avviene in modo sicuro, senza alcun rischio di esposizione di dati sensibili.
La tecnologia RAG-as-a-Service di Openapi permette alle aziende di interrogare i propri dati proprietari e ottenere risposte affidabili, pertinenti e contestualizzate, riducendo il rischio di “allucinazioni” tipico dei Large Language Model (LLM).
L’integrazione è semplice e scalabile, senza bisogno di gestire infrastrutture complesse: i documenti vengono indicizzati automaticamente, consentendo al modello di accedere in tempo reale a informazioni aggiornate e rilevanti.
In questo modo, Openapi combina la potenza dell’intelligenza artificiale con la precisione della ricerca sui dati aziendali, garantendo risposte sempre basate sulla conoscenza effettiva dell’organizzazione.
Se un documento non viene indicizzato, le informazioni aggiornate in esso contenute non saranno disponibili per le ricerche. In pratica, fino a quando non viene avviata la reindicizzazione, RAG Search continuerà a fornire risposte basate esclusivamente sui dati precedentemente indicizzati, ignorando eventuali modifiche o aggiunte recenti.
Per garantire risultati accurati e completi, è quindi fondamentale avviare sempre il processo di indicizzazione ogni volta che si effettua una modifica al RAG (caricamento o eliminazione di un documento). L’indicizzazione non comporta alcun costo e può essere fatta manualmente o impostata automaticamente, a intervalli regolari.
Assolutamente sì. Tutti i dati restano confinati nell’ambiente proprietario e non vengono utilizzati per addestrare modelli esterni.
L’elaborazione avviene in modo sicuro, senza alcun rischio di fuga o esposizione di informazioni sensibili.
Il sistema accetta i documenti nei formati più diffusi: JPEG (.jpeg/.jpg), PNG (.png), PDF (.pdf), testo semplice (.txt), documenti Word (.doc/.docx), fogli Excel (.xls/.xlsx) e presentazioni PowerPoint (.ppt/.pptx).
Sì, tutti e tre i servizi RAG (Search, Search with Answer e Conversation) hanno validità globale.
I tre servizi si basano sulla stessa tecnologia RAG e consentono di effettuare una ricerca tra i propri documenti, con risposte pertinenti e contestuali alla query, ma restituiscono un diverso tipo di output:
- RAG Search fornisce uno o più estratti di testo rilevanti trovati nei documenti caricati e indicizzati
- RAG Search with Answer genera una singola risposta in linguaggio naturale
- RAG Conversation consente di avviare conversazioni mantenendo la memoria del dialogo e tenendo conto del contesto storico nelle risposte. L’output viene generato in linguaggio naturale e restituito all’interno di un dialogo che può essere ripreso tramite l’ID sessione, garantendo continuità tra le interazioni
Tutti i servizi operano in modo sicuro, senza rischio di fuga di dati sensibili.
I servizi RAG sono ideali per aziende che gestiscono grandi quantità di documenti (contratti, report, manuali) e per tutte le organizzazioni o professionisti che necessitano di accedere rapidamente a informazioni precise e aggiornate.
Ad esempio, sono molto indicati per:
- Studi legali, per verifiche e analisi documentali rapide
- CRM e sistemi di knowledge base che richiedono ricerche interne veloci e affidabili
- Aziende nei settori finanza, assicurazioni e sanità, dove precisione e sicurezza dei dati sono fondamentali
- E-commerce e marketplace che necessitano di informazioni operative sempre aggiornate per ottimizzare processi e decisioni
In generale, i servizi RAG supportano qualsiasi realtà che voglia migliorare efficienza, rapidità e affidabilità nella gestione e ricerca delle informazioni aziendali.
La risposta viene restituita in tempo reale.
Il costo varia a seconda del servizio richiesto.
Per il caricamento del documento (endpoint POST /rag/{id}/documents), il costo è calcolato in base alle dimensioni del file, ed è pari a 0,0065€/MB. In caso di utilizzo del servizio OCR, si applica un costo aggiuntivo di 0,00190€ per pagina.
Per quanto riguarda il servizio RAG Conversation, il costo è a partire da 0,0105€ per le richieste in abbonamento e da 0,0135€ per quelle singole.
Energia pulita per il nostro cloud 
Low CO2
Openapi SpA Unipersonale - Società sottoposta a direzione e controllo della Open Holding Srl - Viale Filippo Tommaso Marinetti 221 - 00143 Roma - REA 1378273 Cap. Soc. € 50.000,00 i.v. – P.I. IT12485671007 - CODICE DESTINATARIO 'USAL8PV' - PEC: 
Openapi è certificata: Sistema qualità UNI EN ISO 9001:2015 - Qualità dei Dati ISO 25012:2014 - Gestione della Sicurezza ISO/IEC 27001:2022 - Parità di Genere UNI PdR 125:2022
Tutti i prezzi sono da considerarsi al netto di eventuale IVA, eventuali imposte di bollo, diritti di segreteria e/o imposte o tasse altrimenti denominate se dovute. Tutti i loghi elencati nel portale sono coperti da copyright e di proprietà dei rispettivi proprietari.
