بیانیه مطبوعاتی: شرکت QNAP® Systems، Inc.، یک مبتکر پیشرو در راه حل های محاسباتی، شبکه و ذخیره سازی، معرفی می کند جستجوی RAG Beta، یک ویژگی پیشگامانه در Qsirch 5.6.0، یک موتور جستجوی قدرتمند NAS با هوش مصنوعی. با ادغام عمومی cloudLLM (بزرگ Language Model) و فناوری RAG (Retrieval-Augmented Generation) یک شرکت است QNAP پیشگام اجرای توابع جستجوی RAG در NAS به عنوان یک خصوصی بود cloudua جستجوی دانش بسیار دقیق، زمینه‌ای و مبتنی بر هوش مصنوعی را ارائه می‌دهد که فراتر از جستجوی سنتی فایل و تصویر است. جستجوی RAG تبدیل می‌شود QNAP NAS را به یک مرکز دانش پیشرفته مبتنی بر هوش مصنوعی تبدیل می‌کند که به کسب‌وکارها، متخصصان و افراد امکان می‌دهد بازیابی اطلاعات را ساده‌سازی کرده و در عین حال، حاکمیت داده‌ها را تضمین کنند.
آمل نارخده، مدیر واحد پشتیبانی و مدیریت داده‌های SaaS این شرکت، گفت: «همزمان با افزایش حجم داده‌ها توسط شرکت‌ها، تقاضا برای راه‌حل‌های جستجوی کارآمد، هوشمند و ایمن هرگز تا این حد زیاد نبوده است.» QNAPبا قابلیت جستجوی درون‌برنامه‌ای RAG، ما در حال ادغام راهکارهای جستجوی پیشرفته مبتنی بر هوش مصنوعی در ... هستیم. QNAP NAS، که به کاربران اجازه می دهد به طور مستقیم و واضح به تجزیه و تحلیل و جستجوی داده ها بپردازند. RAG Search به کسب‌وکارها انعطاف‌پذیری و کنترل بیشتری بر روی بازیابی داده‌ها می‌دهد، جستجوی متناسب و انتخاب مناسب‌ترین سرویس LLM را امکان‌پذیر می‌کند و کارایی و دقت بازیابی دانش را به‌طور قابل‌توجهی افزایش می‌دهد.
توابع اصلی جستجوی RAG
- جستجوی متنی با استفاده از هوش مصنوعی
این ابزار، نیت کاربر را تشخیص می‌دهد و پرس‌وجوها را متناسب با نیاز او تنظیم می‌کند تا نتایج دقیق و مرتبطی ارائه دهد و به متخصصان این امکان را می‌دهد تا فایل‌ها را جستجو کنند، اطلاعات را بازیابی کنند، داده‌های پیچیده را خلاصه کنند و تصمیمات آگاهانه بگیرند. - انتخاب LLM قابل تنظیم
پشتیبانی می کند OpenAI ChatGPTگوگل Gemini, Microsoft لاجوردی OpenAI و سایر مدل های LLM سازگار با رابط OpenAI رابط برنامه‌نویسی کاربردی (API) (مانند DeepSeek یا xAi Grok)، که امکان ادغام انعطاف‌پذیر جستجوی مبتنی بر هوش مصنوعی را فراهم می‌کند. - دامنه جستجوی داده های سفارشی
پوشه های خاص NAS را برای جستجو انتخاب کنید و سرویس جستجوی RAG در آن آپلود خواهد شد cloudتنها مرتبط ترین محتوا در تجزیه و تحلیل LLM گنجانده شده است، که باعث افزایش دقت و تقویت کنترل داده ها می شود. - فرمت های فایل قابل تنظیم در صورت درخواست
پشتیبانی از فرمت های مختلف فایل از جمله Word, Excel، پاورپوینت، PDF، TXT و ایمیل (.eml). کاربران بر اساس نیازهای خود قالب‌های خاصی را برای جستجو و تجزیه و تحلیل انتخاب می‌کنند و بازیابی یکپارچه دانش را در قالب‌های اسناد متعدد امکان‌پذیر می‌سازند. - بینش قابل ردیابی
شما می توانید حداکثر به پنج سند مرتبط در نتایج جستجوی خود پیوند دهید، که اعتبار داده ها را افزایش می دهد و تجزیه و تحلیل شما را عمیق تر می کند. - جستجوی دانش در زمان واقعی
نتایج جستجو، آخرین نسخه‌های فایل‌های موجود در NAS را نشان می‌دهد و اطلاعات دقیق و به‌روزی را ارائه می‌دهد. - تجزیه و تحلیل اسناد چند زبانه
جستجو و بازیابی محتوا به ۲۳ زبان، که امکان دسترسی یکپارچه به اطلاعات در مجموعه داده‌های چندزبانه را فراهم می‌کند.
اطلاعات بیشتر در مورد جستجوهای RAG Beta در Qsirch 5.6.0 می توانید در https://www.qnap.com/go/solution/rag-ai-search/.
