Melampaui RAG Sederhana: Merancang Workflow Multi-Agent yang Dapat Mengoreksi Diri

RAG sederhana bekerja dengan baik untuk pertanyaan langsung. Namun ketika sebuah tugas membutuhkan perbandingan angka, hubungan lintas dokumen, atau penyelesaian konflik antar-sumber, retrieval top-k mulai menunjukkan batasnya.

1. Saat Vector Search Mulai Terbatas #

Embedding mengukur kemiripan semantik, bukan kebenaran faktual. Sebuah dokumen bisa terlihat relevan tetapi tetap bukan sumber yang tepat untuk menjawab pertanyaan tertentu.

2. Pola Multi-Agent #

Pisahkan workflow menjadi beberapa tanggung jawab:

1 Agent Retrieval: Mencari bukti dari database vektor, SQL, atau API live.

2 Agent Evaluasi: Menilai relevansi dan menyaring bukti sebelum dikirim ke tahap sintesis.

3 Agent Generasi: Menyusun jawaban berdasarkan bukti yang lolos verifikasi.

3. Verifikasi Sebelum Generasi #

Dengan memisahkan evaluasi dari generasi, sistem memiliki kesempatan untuk menolak konteks yang lemah, mencari bukti tambahan, dan mengurangi jawaban yang tidak memiliki dukungan sumber.

Tujuan arsitektur multi-agent bukan membuat sistem semakin rumit. Tujuannya adalah memberi struktur pada proses reasoning agar dapat diuji, dipantau, dan diperbaiki.