Tujuan Pembelajaran

Memahami multi-hop RAG: pertanyaan yang butuh informasi dari multiple sources
Mampu mengimplementasikan agentic RAG dengan retrieval sebagai tool
Mengerti kapan advanced RAG diperlukan vs simple RAG sudah cukup

Analogi

Diagram


      Simple RAG vs Multi-Hop RAG vs Agentic RAG:

Simple RAG:
"Apa itu React?" → Cari 1x → Jawab

Multi-Hop RAG:
"Berapa total revenue perusahaan yang CEO-nya juga founder React?"
→ Cari: siapa founder React? (1st hop) → Cari: apa perusahaan dia? (2nd hop) → Cari: revenue perusahaan itu? (3rd hop) → Jawab

Agentic RAG:
"Bandingkan performa Next.js vs Remix untuk use case e-commerce"
→ Agent plan: cari benchmark Next.js, cari benchmark Remix, cari studi kasus e-commerce, compare, write report

Simple RAG = 1 pertanyaan, 1 pencarian. Multi-Hop = 1 pertanyaan, N pencarian berantai. Agentic = agent merencanakan pencarian sendiri.

Penjelasan Konsep

Advanced RAG patterns untuk pertanyaan yang tidak bisa dijawab dengan single retrieval.

Multi-Hop RAG: Pertanyaan yang membutuhkan informasi dari multiple sources yang saling terkait. Algoritma: (1) Parse pertanyaan → identifikasi sub-questions. (2) Retrieval untuk sub-question 1. (3) Gunakan hasil + pertanyaan original → retrieval untuk sub-question 2. (4) Repeat sampai semua sub-questions terjawab. (5) Generate jawaban final.

Agentic RAG: AI agent yang bisa memutuskan KAPAN dan BAGAIMANA melakukan retrieval. Alih-alih retrieval selalu dipicu oleh query, agent bisa: (1) Menentukan apakah retrieval diperlukan (kalau pertanyaan sederhana, langsung jawab). (2) Memilih sumber retrieval (vector DB mana, API mana). (3) Iterasi: retrieve → evaluate → retrieve lagi kalau kurang → generate.

Implementasi: Gunakan LLM dengan tool-use/function calling. Definisikan search tool: search_documents(query). Agent loop: (1) LLM decide: perlu search? (2) Kalau ya, call search tool. (3) LLM evaluate hasil. (4) Decide: cukup atau perlu search lagi? (5) Generate jawaban.

Kapan advanced RAG: pertanyaan multi-step, komparasi, analisis yang butuh synthesis dari multiple sources. Kapan simple RAG cukup: factual lookup, FAQ, single-document Q&A.

Inti yang Perlu Dipahami

Bagian ini berfokus pada memahami multi-hop RAG: pertanyaan yang butuh informasi dari multiple sources., mampu mengimplementasikan agentic RAG dengan retrieval sebagai tool., dan mengerti kapan advanced RAG diperlukan vs simple RAG sudah cukup. Jangan terburu-buru menghafal istilahnya. Lebih penting untuk memahami peran setiap konsep dan kapan konsep itu muncul dalam pekerjaan web development.

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

Cara Membayangkannya

Simple RAG = 1 pertanyaan, 1 pencarian. Multi-Hop = 1 pertanyaan, N pencarian berantai. Agentic = agent merencanakan pencarian sendiri. 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

Implementasi multi-hop RAG agent untuk domain spesifik. Demonstrasi: pertanyaan kompleks yang butuh 3 retrieval steps. Minta AI trace reasoning path-nya.

Pertanyaan Reflektif

Apakah use case-mu butuh multi-hop RAG? Atau simple RAG sudah cukup? Jangan over-engineer — simple RAG handles 80% use cases.