Bayangkan sebuah buku panduan kursus baru saja diperbarui. Anda meletakkan versi lama dan versi baru ke dalam basis pengetahuan, lalu bertanya kepada AI: "Dokumen apa saja yang perlu diajukan pada pendaftaran kali ini?" AI dengan cepat menyusun daftar, lengkap dengan sumbernya.
Namun ketika sumber itu dibuka, masalahnya muncul: salah satu kutipan berasal dari panduan versi lama, sedangkan kutipan lainnya hanya menjelaskan alur pendaftaran dan tidak memuat seluruh dokumen yang disyaratkan. Jawaban tampak lengkap, tetapi bukti yang dirujuk tidak sepenuhnya mendukungnya.
Retrieval-augmented generation, biasa disingkat RAG, memasukkan materi eksternal ke dalam proses jawaban model bahasa. AI025《Sistem RAG Praktis: Dari Basis Pengetahuan ke Retrieval-Augmented Generation》dari EvoClass membahas jalur ini dalam lima sesi. Yang menjadi perhatian kursus ini justru bagaimana informasi berpindah dari dokumen asli hingga menjadi jawaban yang dapat diperiksa.
Titik putus pertama mungkin tersembunyi sebelum materi masuk ke sistem
Dalam Lesson 1: Dasar-dasar RAG dan Pembangunan Basis Pengetahuan, kursus terlebih dahulu membedakan prompting, fine-tuning, dan RAG, lalu memasukkan pembersihan materi, metadata, dan pengelolaan versi ke dalam pembangunan basis pengetahuan.
Langkah ini mudah dianggap sebagai pekerjaan persiapan, padahal justru menentukan apa yang nantinya dapat diperiksa. Dokumen berasal dari versi mana, berlaku untuk siapa, dan sejak kapan ketentuannya berlaku, semuanya dapat memengaruhi jawaban. Jika informasi ini hilang saat impor, sekalipun tahap generasi berjalan lancar, dasar yang andal sulit dipulihkan.
Kembali ke panduan tadi, kita bisa mulai dengan pertanyaan sederhana: mampukah sistem membedakan "ini berkas baru" dari "ini ketentuan yang saat ini berlaku"? Waktu terbit dan waktu berlaku tidak selalu hal yang sama.
Karena itu, saat membangun basis pengetahuan, yang perlu dipertimbangkan bukan hanya menyimpan isi teks, tetapi juga mempertahankan identitas dan syarat penggunaannya.
Dipotong lebih halus belum tentu ditemukan lebih tepat
Panduan panjang biasanya perlu dipecah menjadi potongan yang dapat diambil kembali. Jika dipotong terlalu kecil, nama materi mungkin tetap ada, tetapi keterangan tentang pihak yang berlaku di bagian sebelumnya hilang. Jika dipotong terlalu besar, jawaban bisa tenggelam dalam isi yang tidak relevan.
Lesson 2: Chunking, Embedding, dan Indeks membahas chunking di antara proses recall, peringkat, konteks, dan sitasi. Batas potongan secara bersamaan memengaruhi "apakah dapat ditemukan" dan "setelah ditemukan, apakah dapat digunakan dengan benar".
Misalnya, syarat pengecualian sebuah ketentuan ditulis di paragraf berikutnya. Jika hanya paragraf pertama yang dipertahankan, persyaratan yang sebenarnya bersyarat bisa tampak berlaku untuk semua orang. Masalah seperti ini layak ditemukan pada tahap penyiapan materi, tanpa harus menunggu sampai jawaban akhir salah baru ditelusuri.
Kursus ini juga membedakan kemiripan semantik dari kegunaan jawaban. Dua potongan teks yang membahas topik sama tidak berarti keduanya memuat bukti yang dibutuhkan pengguna.
Setelah materi relevan ditemukan, masih perlu disaring
Pengguna kadang menanyakan sebuah konsep, kadang menyebut nomor, nama produk, atau pasal yang tepat. Kedua jenis pertanyaan menuntut kemampuan pengambilan yang berbeda.
Dalam Lesson 3: Pencarian Hibrida dan Re-ranking, kursus membahas kegunaan masing-masing pencocokan kata kunci dan pencarian semantik, lalu memperkenalkan re-ranking.
Bisa dipahami sebagai dua kali pemilihan: pertama, mengumpulkan sebanyak mungkin kandidat yang mungkin berguna; kemudian, menilai potongan mana yang benar-benar memuat informasi yang diperlukan untuk menjawab. Hanya melihat skor kemiripan sering kali tidak cukup untuk melakukan penilaian kedua.
Saat menguji tanya jawab atas panduan, kegagalan dapat dicatat secara terpisah: apakah ketentuan yang berlaku sama sekali tidak masuk kandidat, atau sudah masuk kandidat tetapi berada di urutan belakang? Kedua situasi ini perlu ditangani pada tahap yang berbeda. Hanya dengan menyimpan hasil antara, "jawaban salah" berpeluang berubah menjadi masalah yang dapat dilacak.
Punya sumber tidak cukup; sumbernya pun harus mendukung kesimpulan
Sitasi memberi kesempatan kepada pembaca untuk kembali ke materi, tetapi keberadaan sitasi saja tidak dapat dijadikan dasar bahwa jawaban itu andal. Pemeriksaan perlu dilanjutkan: apakah materi ini masih berlaku, apakah sesuai dengan kalimat tersebut, dan apakah mencakup syarat pembatasnya.
Lesson 4: Sitasi, Kemutakhiran, dan Evaluasi membahas recall bukti dan kesetiaan generasi secara terpisah; Lesson 5: Dari Prototipe ke Produksi kemudian memperluas perhatian ke latensi, biaya, diagnosis kegagalan, dan penanganan ketika bukti tidak memadai.
Tugas belajar yang layak dicoba adalah menyiapkan beberapa jenis pertanyaan seputar materi yang sama: pertanyaan yang jawabannya langsung tercantum di teks, pertanyaan yang memerlukan penggabungan beberapa informasi, pertanyaan yang menyangkut versi lama, serta pertanyaan yang sama sekali tidak dijawab oleh materi. Periksa satu per satu bukti apa yang diperoleh sistem, dan apa yang dinyatakannya berdasarkan bukti tersebut.
Pertanyaan-pertanyaan ini merupakan saran belajar, bukan uji sistem yang telah dilakukan dalam artikel ini. Semuanya mengingatkan bahwa nilai basis pengetahuan perlu diuji dalam perbedaan informasi yang nyata, tidak cukup dinilai dari beberapa demonstrasi yang berjalan mulus.
Anda dapat memulai dari halaman kursus AI025 dan mengikuti setiap peralihan dari materi menuju jawaban. Saat berikutnya menghadapi jawaban yang disertai sumber, pertanyaan yang layak diajukan adalah: sumber-sumber ini sebenarnya mendukung bagian mana dari jawaban tersebut?
Artikel ini disusun berdasarkan materi kursus EvoClass saat ini; tautan sesi mengarah ke materi berbahasa Inggris. Contoh tanya jawab atas panduan dalam tulisan ini merupakan skenario pengajaran; tidak ada klaim mengenai akurasi, kinerja, atau kemampuan akses data sistem yang telah diterapkan. Pengunjung dapat melihat konten yang saat ini terbuka; hak akses belajar penuh mengikuti keterangan pada halaman.