RAG (Retrieval-Augmented Generation)
Pola integrasi AI yang mencari informasi relevan dari knowledge base sebelum menghasilkan jawaban.
RAG (Retrieval-Augmented Generation) adalah arsitektur di mana AI mencari informasi dari knowledge base eksternal sebelum menghasilkan jawaban. Tiga tahap: (1) Indexing — dokumen di-chunk, dikonversi ke vector (embedding), disimpan di vector database. (2) Retrieval — query user dikonversi ke embedding, dicari di vector DB (cosine similarity), ambil top-k hasil. (3) Generation — gabung query + retrieved chunks + system prompt ke LLM. RAG mengurangi hallucination karena jawaban grounded ke sumber nyata. Knowledge base bisa di-update tanpa re-train model. Use cases: Q&A dokumen, chatbot customer support, research assistant.