AGENTIKA
  • Blog
  • Learn
  • AI Tools
  • FAQ
Menu
Blog→Learn→AI Tools→FAQ→
AGENTIKA

Platform AI untuk UMKM Indonesia. Tools AI, tutorial otomatisasi, dan strategi side hustle.

Platform

  • Blog
  • Learn
  • FAQ
  • Tentang
  • Kontak
  • Kebijakan Privasi

Community

  • Twitter / X
  • GitHub

© 2026 AGENTIKA. All rights reserved.

HomeBlogLearnAI ToolsFAQ

Ai Automation

  • Pengantar Otomatisasi untuk UMKM
  • WhatsApp Business: Balasan Otomatis Tanpa Ribet
  • Google Sheets sebagai Database Order
  • Workflow Otomatis dengan Make.com & Zapier
  • Studi Kasus: Otomatisasi Order Warung Bu Siti

Ai Basics

  • Pengantar AI Modern
  • Prompt Engineering Fundamentals
  • LLM API Primer
  • Machine Learning Overview
  • AI Tools untuk Produktivitas
  • AI Agents dan Autonomous Systems
  • Data & Pipeline ML
  • RAG & Vector Search
  • Evaluasi Model AI
  • Etika & Responsible AI
  • Dasar API LLM: Menghubungkan Aplikasi dengan AI
  • Prompt Design Patterns untuk Aplikasi
  • Streaming Response dari LLM
  • Error Handling untuk LLM Applications
  • Optimasi Biaya LLM API
  • Multi-Provider LLM Architecture
  • Kapan Harus Fine-tuning Model AI?
  • Menyiapkan Dataset untuk Fine-tuning
  • Proses Training Fine-tuning LLM
  • Evaluasi Model Fine-tuned
  • Deploy Model Fine-tuned ke Produksi
  • Arsitektur RAG: Retrieval-Augmented Generation
  • Embeddings untuk RAG
  • Vector Database untuk RAG
  • Retrieval Strategies untuk RAG
  • RAG di Produksi: Monitoring dan Optimasi
  • Arsitektur AI Agent
  • Tool Use untuk AI Agent
  • Memory Systems untuk AI Agent
  • Multi-Agent Systems
  • Evaluasi AI Agent
  • Safety untuk AI Agent

No Code Tools

  • Pengantar No-Code untuk UMKM
  • Bikin Landing Page Tanpa Coding
  • Katalog Produk Online yang Mudah
  • Chatbot Sederhana Tanpa Coding
  • Form Order Online & Pembayaran

Prompt Engineering Umkm

  • Pengantar: Kenapa Prompt Penting untuk UMKM
  • Anatomi Prompt yang Menjual: Formula 5 Elemen
  • Template Prompt untuk Usaha Kuliner
  • Template Prompt untuk Fashion & Retail
  • Template Prompt untuk Usaha Jasa
Learn / Ai Basics / Lessons / Retrieval Strategies untuk RAG

Retrieval Strategies untuk RAG

Retrieval quality menentukan kualitas jawaban RAG. "Retrieve yang baik, jawaban yang baik. Retrieve yang buruk, hallucination."

Basic Retrieval

// Simple top-K retrieval
const retriever = vectorStore.asRetriever({ k: 5 });
const docs = await retriever.invoke("apa itu gas fee?");

Masalah: Top-K sederhana bisa melewatkan dokumen relevan atau menyertakan noise.

Strategy 1: Query Expansion

Perluas query untuk meningkatkan recall:

async function expandQuery(originalQuery: string): Promise<string[]> {
  const response = await llm.call([{
    role: "user",
    content: `Buat 3 variasi pertanyaan berikut dengan makna sama tapi kata berbeda:
    
    Asli: "${originalQuery}"
    
    Variasi (satu per baris):`,
  }]);

  return [originalQuery, ...response.content.split("\n").filter(Boolean)];
}

// Search dengan semua variasi
async function searchWithExpansion(query: string) {
  const queries = await expandQuery(query);
  const allResults = await Promise.all(
    queries.map((q) => vectorStore.similaritySearch(q, 3))
  );

  // Deduplicate dan merge
  return deduplicateResults(allResults.flat());
}

Strategy 2: Multi-Query Retrieval

Generate queries dari berbagai perspektif:

async function multiQueryRetrieval(question: string) {
  const perspectives = await llm.call([{
    role: "user",
    content: `Dari pertanyaan berikut, buat 3 query pencarian yang berbeda perspektif:

Pertanyaan: "${question}"

Format JSON: {"queries": ["query1", "query2", "query3"]}`,
  }]);

  const { queries } = JSON.parse(perspectives.content);

  const allDocs = await Promise.all(
    queries.map((q: string) => vectorStore.similaritySearch(q, 3))
  );

  return uniqueMerge(allDocs.flat());
}

Strategy 3: Re-ranking

Setelah retrieve, re-rank dengan model yang lebih akurat:

import { CohereRerank } from "@langchain/cohere";

// Step 1: Retrieve banyak (20+)
const initialDocs = await vectorStore.similaritySearch(query, 20);

// Step 2: Re-rank dengan Cohere
const reranker = new CohereRerank({ model: "rerank-v3.5", topN: 5 });
const reranked = await reranker.rerank(initialDocs, query);

// Hasil: 5 dokumen paling relevan berdasarkan semantic understanding

Strategy 4: Contextual Compression

Hapus bagian tidak relevan dari dokumen yang di-retrieve:

import { ContextualCompressionRetriever } from "langchain/retrievers/contextual_compression";
import { LLMChainExtractor } from "langchain/retrievers/document_compressors/chain_extract";

const compressor = LLMChainExtractor.fromLLM(llm);
const retriever = new ContextualCompressionRetriever({
  baseCompressor: compressor,
  baseRetriever: vectorStore.asRetriever({ k: 10 }),
});

// Hasil: Hanya kalimat relevan dari setiap dokumen
const docs = await retriever.invoke("bagaimana cara menghemat gas fee?");

Strategy 5: Parent Document Retrieval

Retrieve chunk kecil, tapi kembalikan dokumen induk:

// Simpan chunks kecil untuk embedding
// Simpan full document untuk retrieval result

async function retrieveParentDocs(query: string) {
  // Search di small chunks (presisi tinggi)
  const smallChunks = await smallChunkStore.similaritySearch(query, 5);

  // Ambil parent documents
  const parentIds = [...new Set(smallChunks.map((c) => c.metadata.parentId))];
  const parentDocs = await getDocumentsByIds(parentIds);

  return parentDocs; // Full context untuk LLM
}

Choosing the Right Strategy

StrategiKapan Pakai
Basic top-KQuick prototype, dataset kecil
Query expansionQuery user bervariasi, bahasa campuran
Multi-queryTopik kompleks, butuh perspektif berbeda
Re-rankingAccuracy kritis, budget ada untuk Cohere
Contextual compressionDokumen panjang, banyak noise
Parent documentButuh full context, chunk terlalu kecil

Latihan

Implementasikan multi-query retrieval dan bandingkan hasilnya dengan basic top-K retrieval pada 10 pertanyaan test.

← Previous Lesson

Vector Database untuk RAG

Next Lesson →

RAG di Produksi: Monitoring dan Optimasi

Sponsored

Eksplorasi Modul Lain

Belajar Terstruktur

Ikuti kurikulum AI step-by-step di modul Learn.

AI Tools Directory

Bandingkan tools AI untuk kebutuhan konten dan produktivitas.

Tanya AI tentang lesson ini

Retrieval Strategies untuk RAG

Tanya apa saja seputar materi lesson ini. Jawaban dibuat hanya dari isi lesson.