Mengapa pencarian vektor saja tidak cukup
Basis data vektor memang pandai menemukan kecocokan semantik, tetapi dokumentasi perusahaan hidup dengan aturannya sendiri: hierarki direktori yang ketat, banyak domain tematik, dan tautan silang antar bagian. Pertanyaan "bagaimana mengurangi konsumsi daya stasiun pangkalan" tidak hanya membutuhkan paragraf yang mirip, tetapi juga ketepatan masuk ke sub-bagian yang benar dengan mempertimbangkan instruksi terkait. Skema RAG klasik mulai keliru pada tahap ini: kueri masuk ke domain yang salah, struktur dokumen praktis diabaikan, dan pencarian tidak didukung oleh penalaran tentang di mana seharusnya mencari.
Para penulis pracetak terbaru di arXiv mengusulkan kerangka kerja VDGR-RAG yang menggabungkan empat pendekatan: vektor, direktori, graf, dan refleksi. Sistem ini bekerja seperti agen: ia tidak hanya mengekstrak fragmen, tetapi secara terarah bergerak melalui basis pengetahuan, mengevaluasi hasil antara, dan mengubah arah jika diperlukan.
Ide kunci: dari direktori ke graf pengetahuan
VDGR-RAG didasarkan pada pembangunan graf pengetahuan heterogen (H²KG) dari dokumen. Graf ini mempertahankan hierarki direktori — hubungan "orang tua-anak" antara bagian dan sub-bagian — serta hubungan semantik antar blok makna. Berkat ini, sistem setiap saat dapat menjawab pertanyaan: "di bagian mana fragmen ini berada?", "apa lagi yang terkait dengan topik ini?", "ke mana harus naik untuk mendapatkan konteks umum?".
Alat pencarian atomik
Logika agen diimplementasikan melalui empat modul yang saling berinteraksi.
- Directory-enhanced routing — navigasi melalui daftar isi. Modul ini pertama-tama memutuskan ke domain atau graf pengetahuan mana kueri tersebut termasuk, dan baru kemudian menjalankan pencarian mendalam.
- Multi-route retrieval — ekstraksi informasi paralel melalui tiga cara sekaligus: vektor, struktural (berdasarkan bagian daftar isi), dan graf. Ini mengurangi risiko kehilangan dokumen penting.
- Directory backtracking — jika perutean awal ternyata salah, agen kembali ke direktori dan mengubah lintasan pencarian.
- Dynamic reflection — sistem setelah setiap langkah mengevaluasi apakah fakta yang terkumpul sudah cukup, dan merencanakan kueri berikutnya. Pada dasarnya ini adalah refleksi diri iteratif yang mencegah "terbenam" dalam fragmen yang tidak relevan.
Modul-modul ini tidak bekerja secara bergantian, melainkan sebagai satu kesatuan loop: refleksi dapat memicu perutean ulang, dan multi-pencarian dapat mengembalikan kandidat yang kemudian perlu diverifikasi melalui graf. Pencarian berubah menjadi proses iteratif yang fleksibel, bukan sekadar panggilan sekali ke indeks.
Apa yang ditunjukkan oleh pengujian
Nilai praktisnya diuji oleh para penulis pada dokumen perusahaan yang terkait dengan empat domain nirkabel — termasuk penghematan energi dan manajemen kegagalan. Hasilnya jauh lebih baik daripada sistem RAG standar, baik dalam kelengkapan pengetahuan yang ditemukan maupun akurasi jawaban atas pertanyaan.
Yang paling berguna adalah kemampuan untuk kembali ke direktori: justru inilah yang memperbaiki situasi di mana pencarian vektor biasa dengan yakin memberikan hasil yang salah. Untuk dokumentasi hierarkis, "pengecekan dengan daftar isi" semacam ini sering kali lebih penting daripada indeks tambahan.
Kesimpulan
VDGR-RAG bukan sekadar retriever hibrida lainnya, melainkan contoh bagaimana prinsip agen dan representasi graf menutup masalah nyata di perusahaan. Ketika hierarki penting dalam basis pengetahuan, dan kesalahan dalam memilih bagian dapat merusak seluruh jawaban, pencarian vektor saja memang tidak cukup.
