Digital Transformation
Agentic RAG
Agentic RAG adalah varian Retrieval-Augmented Generation di mana LLM bertindak sebagai agen yang memutuskan kapan, di mana, dan berapa kali harus mengambil konteks dari knowledge base sebelum menjawab.
TL;DR: Agentic RAG adalah pola di mana LLM tidak sekadar menerima konteks dari satu pencarian, melainkan mengambil keputusan iteratif: kapan harus retrieve, sumber mana yang dipakai, dan apakah hasilnya cukup untuk menjawab. Pola ini dipakai untuk pertanyaan kompleks yang gagal diselesaikan oleh RAG satu langkah.
Apa itu Agentic RAG?
Agentic RAG menggabungkan pola Retrieval-Augmented Generation dengan kemampuan agen LLM untuk merencanakan langkah. Pada RAG biasa, query pengguna langsung dipakai untuk pencarian vektor, lalu hasilnya disuntikkan ke prompt. Pada Agentic RAG, model menilai kebutuhan informasi terlebih dahulu, memecah pertanyaan menjadi sub-query, lalu melakukan beberapa kali retrieval bila perlu.
Analoginya seperti perbedaan antara mahasiswa yang membaca satu buku referensi sekali, dengan peneliti yang melakukan tinjauan literatur bertahap, mengevaluasi setiap sumber, lalu menarik kesimpulan.
Cara Kerja
| Tahap | Proses |
|---|---|
| Planning | Model menilai kompleksitas pertanyaan dan menentukan strategi retrieval |
| Retrieval iteratif | Model boleh memanggil tool pencarian beberapa kali dengan query berbeda |
| Self-evaluation | Model menilai apakah konteks yang terkumpul sudah memadai |
| Final answer | Model merangkum jawaban dengan citation eksplisit |
Pola ini biasanya berjalan di atas framework agen seperti LangGraph atau pola tool-calling native pada LLM modern.
Kenapa Penting?
Untuk pertanyaan multi-hop seperti "bandingkan kebijakan A dan B berdasarkan dokumen internal lima tahun terakhir", RAG satu langkah cenderung gagal karena pencarian tunggal sulit menangkap semua konteks. Agentic RAG memberi ruang model untuk mencari bertahap, mirip cara analis bekerja. Bagi tim produk Indonesia yang membangun knowledge assistant internal, pola ini menurunkan tingkat halusinasi dan meningkatkan kualitas jawaban pada pertanyaan yang menuntut sintesis.
Pertanyaan Umum
Apa bedanya Agentic RAG dengan RAG biasa?
RAG biasa melakukan satu retrieval lalu generate. Agentic RAG mengizinkan model memutuskan jumlah retrieval, query mana yang dipakai, dan kapan berhenti.
Kapan saya perlu Agentic RAG?
Saat pertanyaan pengguna sering multi-hop, butuh sintesis dari beberapa dokumen, atau saat akurasi RAG biasa di bawah ekspektasi.