Żyjemy w dynamicznie zmieniającym się świecie, gdzie każdego dnia generujemy miliony nowych danych. W takiej rzeczywistości zarządzanie informacjami staje się coraz większym wyzwaniem. Jak nad nimi zapanować, gdy jest ich po prostu za dużo? Tradycyjne metody wyszukiwania – po nazwie pliku, dacie modyfikacji czy rozmiarze – przestają wystarczać. Na szczęście wkracza sztuczna inteligencja, która zaczyna odgrywać kluczową rolę także w analizie danych.
Wyobraź sobie, że szukasz konkretnej informacji zapisanej w pliku Excel, Word czy PDF. Dzięki AI nie musisz już przeszukiwać dokumentów ręcznie – inteligentny system analizuje zawartość i podaje Ci potrzebne dane „na tacy”. Brzmi jak przyszłość? To już rzeczywistość – dzięki funkcji wyszukiwania RAG dostępnej na serwerach QNAP NAS.
Co to jest wyszukiwanie RAG?
RAG to funkcja, która łączy możliwości dużych modeli językowych (LLM) z tradycyjnym wyszukiwaniem plików. Model AI analizuje zawartość dokumentów, a następnie, w odpowiedzi na Twoje pytanie, prezentuje konkretne dane zawarte w plikach.
Obsługiwane formaty to m.in.: Word, Excel, PowerPoint, PDF, e-maile (.eml) oraz pliki tekstowe. Co więcej, użytkownik może wybrać model AI, który najlepiej odpowiada jego potrzebom.
Obecnie wspierane są:
✅ Google Gemini
✅ OpenAI ChatGPT
✅ Microsoft Azure OpenAI
✅ DeepSeek
✅ xAI Grok
✅ oraz inne modele zgodne z OpenAI API.
Na ten moment możliwe jest korzystanie z jednego dostawcy AI, ale w przyszłości QNAP najprawdopodobniej planuje wprowadzenie obsługi wielu modeli jednocześnie.
RAG działa w czasie rzeczywistym, przeszukując aktualne pliki znajdujące się na Twoim serwerze NAS. Co więcej, obsługiwanych jest aż 23 języków – więc nawet jeśli pracujesz z dokumentami w różnych wersjach językowych, RAG Cię nie zawiedzie.
Kluczowe funkcje RAG
☑️Kontekstowe wyszukiwanie wspomagane AI – system rozumie intencje użytkownika i inteligentnie dopasowuje zapytania, by uzyskać trafne, precyzyjne odpowiedzi.
☑️Konfigurowalny wybór modelu LLM – każdy użytkownik może dobrać model AI najlepiej dopasowany do swoich potrzeb i preferencji.
☑️Dostosowany zakres wyszukiwania – nie musisz przeszukiwać całego serwera NAS. Wystarczy, że wskażesz konkretne foldery, a system przeszuka tylko wybrane.
☑️Wgląd do źródła – po uzyskaniu odpowiedzi możesz zobaczyć, z jakich plików AI czerpała informacje – wyświetlane jest do 5 źródłowych dokumentów.
Jak zainstalować aplikację?
Do działania funkcji RAG potrzebna jest aplikacja Qsirch w wersji co najmniej 5.6.0 oraz serwer QNAP NAS z architekturą x86 (64-bit) lub ARM, działający na systemie QTS lub QuTS hero (min. wersja 5.0.1). Dodatkowym wymaganiem jest minimum 2 GB pamięci RAM.
Kroki instalacji:
Pobierz aplikację Qsirch z App Center.
Jeśli nie możesz tego zrobić bezpośrednio – odwiedź centrum pobierania QNAP.
Po lewej stronie wybierz swój system operacyjny oraz model serwera.
Wyszukaj „Qsirch”, pobierz pakiet instalacyjny i zainstaluj go ręcznie.
Konfiguracja LLM
Przechodzimy o ustawień aplikacji Qsirch.
Następnie wybieramy „Wyszukiwanie RAG” i wybieramy naszego dostawcę.
Dziś pokażę, jak podłączyć model Gemini i na jego przykładzie omówię cały proces. Warto pamiętać, że korzystanie z niektórych modeli może wiązać się z opłatami za użycie API – wszystko zależy od wybranego dostawcy i warunków licencyjnych.
Zaczynamy od przejścia na stronę aistudio.google.com/apikey.
Następnie klikamy przycisk „+ Create API Key” w prawym górnym rogu ekranu.
Następnie musimy wybrać projekt, z którego chcemy korzystać w ramach integracji z modelem Gemini. Jeśli jeszcze go nie utworzyliśmy, możemy to zrobić na stronie Google Cloud.
Po utworzeniu projektu wracamy do Google AI Studio i przypisujemy wygenerowany klucz API do wybranego projektu.
Po chwili nasz projekt pojawi się na liście w rozwijanym menu. Wybieramy go, a następnie klikamy przycisk „Create API key in existing project”, aby przypisać klucz do wskazanego projektu.
Nasze API zostało wygenerowane poprawnie, więc przechodzimy do naszego serwera NAS.
Ze względów bezpieczeństwa – zakryłem moje wygenerowane API. Przechodzimy do aplikacji Qsirch i wklejamy wygenerowany kod oraz wskazujemy model, który będzie wyszukiwał dane.
Po kliknięciu „Weryfikuj” powinniśmy zobaczyć zielony komunikat „Zweryfikowano”. Jeśli się pojawił, oznacza to, że model językowy został pomyślnie dodany do aplikacji.
Teraz przechodzimy do konfiguracji folderów, w których model będzie prowadził wyszukiwanie, oraz do wyboru typów plików.
W naszym przykładzie skorzystamy z głównego katalogu Public i umożliwimy analizę wszystkich dostępnych rozszerzeń plików.
Na tym etapie nie pozostaje nam nic innego, jak przetestować wdrożony model.
Testujemy wyszukiwanie RAG
W tym celu wgram na serwer pliki ze specyfikacjami sprzętu oraz moje wcześniejsze artykuły. Sprawdzimy, czy system będzie w stanie od razu odnaleźć potrzebne informacje.
Na początek zadamy testowe pytanie dotyczące procesora w urządzeniu TS-473A.
Zadałem pytanie o to, jaki procesor znajduje się w urządzeniu – i praktycznie od razu otrzymałem precyzyjną odpowiedź, bez potrzeby ręcznego przeszukiwania dokumentacji.
Co istotne, nie musiałem nawet wiedzieć, w którym pliku znajduje się specyfikacja – Qsirch zrobił to za mnie automatycznie. Dodatkowo, po prawej stronie pojawił się link do konkretnego dokumentu, z którego zostały pobrane te informacje.
Teraz coś trudniejszego. Czy QNAP NAS obsługuje tryb wysokiej dostępności?
Wyszukiwanie RAG znalazło w różnych plikach informację, że serwery QNAP NAS mogą działać w trybie HA (przeczytaj o wysokiej dostępności) – zarówno w urządzeniach z systemem QuTS hero, jak i w serii ES z systemem QES. Zadałem pytanie o warunki uruchomienia tego trybu, i również w tym przypadku AI szybko odnalazło potrzebne informacje – tym razem pochodzące z artykułu, który wcześniej umieściłem w pliku Word.
Następne pytanie dotyczyło licencjonowania oprogramowania NAKIVO – konkretnie, czy jest ono zależne od liczby gniazd procesora, czy liczby maszyn wirtualnych.
Jak się okazało, RAG zwróciło krótką, ale trafną odpowiedź, która od razu rozwiała wątpliwości.
To były tylko trzy proste pytania, których celem było pokazanie, jak działa wyszukiwanie RAG na serwerze QNAP NAS. Oczywiście moglibyśmy zadać ich tysiące, ale na potrzeby demonstracji chciałem jedynie zarysować zasadę działania tej funkcji.
Warto pamiętać, że aplikacja znajduje się obecnie w fazie BETA (na dzień 15.06.2025), co oznacza, że mogą jeszcze występować drobne błędy czy niedoskonałości. Na szczęście każdy taki problem można łatwo zgłosić do producenta – i z dużym prawdopodobieństwem zostanie on wyeliminowany w kolejnych aktualizacjach.
