Tujuan Pembelajaran

Memahami cara mengkonstruksi prompt generation dengan retrieved context
Mampu mengimplementasikan citation dan source attribution
Mengerti strategi handling untuk retrieved context yang tidak relevan

Analogi

Diagram


      Generation = Menulis Laporan dari Research:

Bahan (retrieved docs): 5 artikel, 2 buku, 1 dokumen internal
Prompt: "Berdasarkan bahan-bahan ini, jawab pertanyaan user."

Output yang baik:
- Jawaban grounded ke sumber [1][2]
- Ada citation (user bisa verifikasi)
- Kalau informasi tidak ditemukan → jujur: "Saya tidak menemukan informasi tentang X dalam dokumen yang tersedia."
- Tidak mengarang (no hallucination)

Generation phase seperti menulis laporan dari research — harus grounded ke sumber, ada citation, dan jujur kalau tidak tahu.

Penjelasan Konsep

Generation phase adalah tempat di mana semua upaya indexing dan retrieval membuahkan hasil — atau gagal. Prompt generation yang baik mencegah hallucination dan memastikan jawaban ter-grounding.

Prompt structure untuk RAG: (1) System prompt — role, constraints, format citation (“Gunakan [1], [2] untuk mengutip sumber”). (2) Retrieved context — daftar dokumen dengan ID: “[Doc 1] … [Doc 2] …” (3) User query. (4) Instructions — “Jawab hanya berdasarkan dokumen di atas. Kalau tidak ada informasi, katakan ‘Saya tidak menemukan informasi.’ Jangan mengarang.”

Citation strategies: (1) Inline citation — “…menurut dokumentasi [1], API ini…” (2) Footnote — “…beberapa pendekatan[1][2]…” (3) Source list — tampilkan daftar sumber di bawah jawaban. Implementation: beri ID unik setiap chunk (chunk_id), pastikan LLM merujuk ID yang benar.

Handling irrelevant context: Kalau similarity score < threshold (misal 0.7), jangan kirim context ke LLM. Lebih baik jujur “tidak tahu” daripada mengarang berdasarkan context yang tidak relevan.

Fallback: kalau tidak ada context relevan sama sekali → fallback ke base model knowledge dengan disclaimer: “Saya tidak menemukan dalam dokumentasi. Berdasarkan pengetahuan umum saya…”

Inti yang Perlu Dipahami

Bagian ini berfokus pada memahami cara mengkonstruksi prompt generation dengan retrieved context., mampu mengimplementasikan citation dan source attribution., dan mengerti strategi handling untuk retrieved context yang tidak relevan. Jangan terburu-buru menghafal istilahnya. Lebih penting untuk memahami peran setiap konsep dan kapan konsep itu muncul dalam pekerjaan web development.

Saat membaca Generation, gunakan tujuan belajar sebagai penanda arah. Kalau kamu sudah bisa menjelaskan tujuan itu dengan kata-katamu sendiri, berarti fondasinya mulai terbentuk.

Cara Membayangkannya

Generation phase seperti menulis laporan dari research — harus grounded ke sumber, ada citation, dan jujur kalau tidak tahu. Analogi ini dipakai supaya konsep teknis tidak terasa melayang. Hubungkan setiap istilah dengan perannya: siapa yang meminta, siapa yang memproses, data apa yang berpindah, dan hasil apa yang diharapkan.

Kalau analoginya sudah terasa masuk akal, barulah lihat istilah teknisnya. Cara ini membuat materi lebih mudah dipahami daripada langsung menghafal definisi.

Konteks dalam Perjalanan Belajar

Setiap konsep di platform ini dipilih karena dipakai di industri. Fokus pada pemahaman, bukan hafalan.

Kamu sudah di bagian lanjutan. Mulai pikirkan bagaimana konsep ini dipakai di dunia kerja — bukan hanya untuk belajar, tapi untuk membangun produk nyata.

Gunakan pertanyaan reflektif dan prompt AI di akhir chapter sebagai latihan aktif. Membaca saja tidak cukup — kamu perlu menjelaskan ulang dengan kata-katamu sendiri.

Prompt AI

Tulis prompt generation untuk RAG chatbot. Minta AI evaluasi: apakah prompt mencegah hallucination? Apakah citation format jelas? Apakah ada instruksi untuk "saya tidak tahu"?

Pertanyaan Reflektif

Test RAG app-mu: kirim query yang JAWABANNYA TIDAK ADA di knowledge base. Apakah AI jujur "tidak tahu"? Atau malah mengarang? Kalau mengarang, perbaiki prompt generation.