RAG & Vector Search
Retrieval-Augmented Generation (RAG) menambahkan konteks dari dokumen sebelum LLM menjawab.
Kenapa RAG Penting?
- LLM tidak selalu punya data terbaru.
- Mengurangi hallucination.
- Memungkinkan jawaban berbasis sumber internal.
Cara Kerja Singkat
- Ubah dokumen menjadi embedding.
- Simpan embedding di vector database.
- Ambil top-k konteks berdasarkan query.
- LLM menjawab dengan konteks tersebut.
Kapan Dipakai?
- FAQ perusahaan
- Riset dokumen panjang
- Chatbot support pelanggan